حذف ابیراهی کروی از تصاویر با استفاده از یادگیری عمیق

در این مقاله تابع توزیع افت و خیز مولفه­های زاویه فرود نور عبوری از محیط متلاطم زیرآب در دو راستای عمود بر راستای انتشار مورد بررسی قرار می­گیرد. بر این اساس باریکه نور لیزر با طول موج 532 نانومتر و قطر 1 سانتیمتر از محیط متلاطم زیر آب عبور می­کند. محیط متلاطم را آکواریوم پر از آب با ابعاد 20×36×20  سانتیمتر مکعب که بر روی یک گرم­کن برقی قرار گرفته تشکیل می­دهد. میانگین دمای آب  با افزایش دمای گرم­کن در بازه 20 تا 43 درجه با گام­های 1 درجه تغییر می­کند. باریکه نور لیزر از مکان­های مختلف نسبت به دیواره آکواریوم از محیط متلاطم زیر آب عبور می­کند. در انتهای مسیر مولفه­های زاویه فرود نور در دو راستای عمود بر جهت انتشار تعیین و تابع توزیع افت و خیز آن محاسبه می­شود. چهار تابع توزیع: گاوسین، لگ­نرمال، ویبال و گاما به داده های تجربی برازش می­شود. نتایج نشان می­دهند که تابع توزیع وایبل بهترین انطباق را با داده­های تجربی دارد.

eliminating spherical aberration from images using deep learning

spherical aberration leads to the creation of a halo in the image and reduces the quality of the images. in this article, the ability of a neural network to identify and remove spherical aberration from images is investigated. the results of this research show that the designed convolutional neural network has overcome the limitations of conventional methods to an acceptable extent due to the automatic extraction and learning of input data features, the possibility of using diverse and extensive data during training and network optimization through parameter setting.