基于深度学习的光学合成孔径数字全息显微包裹相位像差补偿方法

本发明公开了一种基于深度学习的光学合成孔径数字全息显微包裹相位像差补偿方法。方法包括先根据仿真包裹相位图和对应的Zernike多项式系数训练深度学习网络模型，然后对待测样本依次进行多方向照明处理和相位成像处理等综合处理得到子孔径包裹相位图，再将子孔径包裹相位图输入到训练好的深度学习网络模型中进行处理，对处理的结果再进行综合处理得到待测样本的超分辨样本轮廓。本发明方法可以快速准确补偿多方向的子孔径复振幅的相位像差，实现可靠的孔径合成和分辨率各项同性增强，无需后续的残余像差补偿，提高相位数据质量的同时大幅简化了合成孔径流程，节约了时间成本，在数字全息显微定量测量应用中具有较大的潜力。