面向单平面衍射元件的高保真深度虚拟数据集构建方法及其在实时成像中的应用

本文针对单平面衍射光学元件（SPDOE）成像中的像差模糊与衍射背景噪声问题，创新性地提出了一种融合全视场点扩散函数（PSF）与衍射效率退化模型的虚拟数据集构建方法。通过结合轻量化残差注意力神经网络，实现了高达0.9012 SSIM和28.1 dB PSNR的高质量实时成像，为超简结构光学系统的计算成像提供了突破性解决方案。

　　

Highlight

本研究构建的虚拟数据集精准模拟了单平面衍射光学元件（SPDOE）的像差与衍射效率退化特性，通过全视场点扩散函数（PSF）卷积与衍射背景模糊建模，显著提升了成像质量。轻量化区域感知残差网络仅需五个残差块即可实现28.1 dB PSNR的高性能实时重建，较传统基于PSF的反卷积方法提速五倍以上。

Methods

SPDOE的成像质量受波前像差与衍射效率共同影响。本研究通过分析全视场波前像差和衍射效率，分别构建了像差PSF与衍射效率PSF退化模型，并将二者叠加至清晰图像生成大规模虚拟数据集。采用具备区域感知解码能力的轻量化残差注意力网络（RAD-RANet）进行图像重建，该网络通过区域自适应卷积核与通道-空间双重注意力机制精准恢复细节。

Design and fabrication of the spdoe

为匹配人眼可见光观测需求，设计并制备了工作波段486–656 nm、焦距50 mm、F数5的SPDOE。基底材料选用机械加工性优异的E48R，通过单点金刚石车削技术加工微结构，表面轮廓精度达亚微米级。衍射效率通过严格耦合波分析（RCWA）验证，在486 nm处达91.2%，656 nm处为84.7%。

Discussion and conclusion

本研究提出的SPDOE虚拟数据集构建方法结合深度区域感知残差网络，成功实现了高质量实时成像。像差与衍射效率PSF退化模型分别基于波前像差理论和衍射效率模型构建，通过卷积运算与背景模糊叠加精准模拟图像退化过程。实验表明合成退化图像与实际拍摄图像SSIM达0.9012，PSNR为28.1 dB，显著优于传统反卷积方法，为超简结构光学系统提供了有效的数据集解决方案。