무렌즈 이미징은 동축 홀로그램에서 쌍둥이 이미지 잡음의 영향을 받아 항상 재구성 신호 대 잡음비가 낮고 영상 해상도가 낮은 문제에 직면해 왔습니다. 이 문제를 해결하기 위해 본 논문은 분수 매칭 생성 모델 기반의 무렌즈 이미징 방법을 제안합니다. 학습 단계에서는 연속 확률 미분 방정식(Stochastic Differential Equation, SDE)을 통해 가우스 잡음을 데이터 분포에 천천히 추가한 후, 잡음 제거 분수 매칭이 적용된 연속 시간 관련 분수 함수를 학습하여 역방향 SDE를 풀어 목표 샘플 데이터를 생성합니다. 테스트 단계에서는 단일 프레넬 존 플레이트를 마스크로 사용하여 비간섭 광 조명 하에서 무렌즈 코딩 변조를 구현한 후, 예측-수정 방식을 사용하여 수치 해석기 SDE와 데이터 보존 항 단계 사이를 교대로 업데이트하며 영상 재구성을 수행합니다. LSUN-bedroom 및 LSUN-church 데이터셋에서의 검증 결과, 제안된 알고리즘이 쌍둥이 이미지 잡음을 효과적으로 제거할 수 있으며, 최고 신호 대 잡음비와 구조 유사도가 각각 25.23 dB와 0.65에 도달함을 보여줍니다. 기존 역전파 및 압축 감지 기반 무렌즈 이미징 결과와 비교할 때, 최고 신호 대 잡음비는 각각 17.49 dB 및 7.16 dB 향상되었으며, 구조 유사도는 각각 0.42 및 0.35 증가하여 영상 재구성 품질이 효과적으로 개선되었습니다.

무렌즈 이미징; 코딩 이미지; 생성 모델; 영상 재구성