基于深度学习的非球面微透镜阵列从强度图重建

设计复杂的非球面表面具有挑战性，尤其是在实现对光路的精确控制方面。我们的研究通过使用深度学习方法重建介电非球面微透镜阵列来解决这一问题。我们将其表述为一个图像到图像的转换任务，训练神经网络将通过渲染引擎以多个角度和波长照明样本所获得的测量光强图转换为样本表面的空间图。利用物理准确的渲染软件和微透镜阵列模板，我们的方法实现了高度准确的重建。这些结果表明，深度卷积网络能稳定地从仅有强度的测量中重建复杂的非球面表面，为微透镜阵列和相关折射元件的数据驱动表面计量提供了实际途径，并突出了深度学习在推动非球面和自由曲面光学方面的潜力。