一种基于深度学习的少光子成像方法

本申请公开了一种基于深度学习的少光子成像方法，为一种少光子计数散射重建方法。可以仅通过在高光子计数条件下对训练目标进行一次采样，再使用仿真算法生成不同的少光子计数条件下的训练数据库用于深度学习神经网络的训练。训练完成后，固定网络参数，此神经网络即可用于散射图像重建。将获取的新的少光子计数下散射图像作为深度学习网络的输入，输出即为清晰图像。该方法简化了深度学习方法在弱光成像领域复杂的采样流程，同时降低了对采样设备灵敏度的要求，节约了设备成本和时间成本。且针对不同的少光子计数复原样本该方法并不需要重新采样生成训练数据库，增加了深度学习方法在少光子计数成像领域的鲁棒性。