Голографические изображения всегда сталкивались с проблемой искажений в динамических средах, и исследователи из Чжэцзянского университета нашли решение этой проблемы. Они представили метод TWC-Swin, который использует пространственную когерентность в качестве физического фактора для обучения глубокой нейронной сети.
Пространственная когерентность в голографии является мерой упорядоченности световых волн. Когда световые волны хаотичны, голографические изображения становятся размытыми и несут меньше информации. Поддержание пространственной когерентности является ключевым фактором для получения четкого голографического изображения.
Однако динамические среды, такие как океаническая или атмосферная турбулентность, могут нарушать пространственную когерентность из-за изменений показателя преломления среды. Это приводит к искажениям и размытию голографических изображений. Исследователи разработали метод TWC-Swin, чтобы справиться с этими проблемами.
TWC-Swin использует архитектуру преобразователя Swin, которая позволяет фиксировать как локальные, так и глобальные особенности изображений. Этот метод учитывает пространственную когерентность в качестве предшествующего фактора для обучения глубокой нейронной сети. Таким образом, TWC-Swin способен восстанавливать высококачественные голографические изображения, даже в присутствии турбулентности и других возмущений.
Чтобы проверить свой метод, авторы разработали систему обработки света, которая создавала голографические изображения с различными условиями пространственной когерентности и турбулентности. Эти голограммы были основаны на природных объектах и служили данными для обучения и тестирования нейронной сети .
Результаты показывают, что TWC-Swin эффективно восстанавливает голографические изображения даже при низкой пространственной когерентности и произвольной турбулентности, превосходя традиционные методы на основе сверточных сетей. Кроме того, как сообщается, метод демонстрирует сильные возможности обобщения, расширяя его применение до невидимых сцен, не включенных в обучающие данные.
Источник:
Синь Тонг и др., Использование магии света: пространственная когерентность, управляемая преобразователем для универсального голографического изображения (Xin Tong et al, Harnessing the magic of light: spatial coherence instructed swin transformer for universal holographic imaging), Advanced Photonics (2023). DOI: 10.1117/1.AP.5.6.066003
Благодарю за чтение! Если понравилась статья, то предлагаю подписаться, будет ещё много таких. Есть мысли по предмету статьи и не только - приглашаю в комментарии. Также, если интересно, можете ознакомиться со страницами нашего проекта на других платформах, ссылки найдёте в описании канала. Кроме того, у меня есть страница на сервисе поддержки авторов Бусти, просто сообщаю, поддержка - дело добровольное, ссылка так же в описании канала.
