Традиционные методы шумоподавления изображений основаны на итерационных алгоритмах, что делает их непригодными для приложений реального времени. В последние годы появились методы шумоподавления изображений, основанные на глубоких нейронных сетях (DNN), которые демонстрируют высокую точность и производительность в реальном времени. Однако эти методы требуют для работы дорогостоящих и энергоемких графических процессоров (GPU).
Однако, как оказалось, существует и третий путь. Группа исследователей из Калифорнийского университета в Лос-Анджелесе (UCLA) и Университетского колледжа Лондона (UCL) разработала физический шумоподавитель изображений, который работает так же быстро, как передвигается свет и не требует цифровых вычислений. Этот шумоподавитель состоит из пространственно спроектированных дифракционных слоев, которые обрабатывают зашумленные входные изображения и синтезируют изображения с шумоподавлением в выходном поле зрения. Иными словами, это аналоговый оптический шумоподавитель.
Дифракционные слои изготавливаются из материала, на который наносится периодическая структура. При прохождении света через такой материал происходит дифракция, то есть изменение направления распространения света. Распределение интенсивности света после дифракции зависит от структуры материала и длины волны света.
Исследователи оптимизировали конструкцию дифракционных слоев таким образом, чтобы они рассеивали оптические моды, связанные с нежелательным шумом или пространственными артефактами входных изображений. При этом оптические режимы, представляющие желаемые пространственные характеристики входных изображений, сохраняются с минимальными искажениями.
Благодаря такой конструкции дифракционный шумоподавитель мгновенно синтезирует изображения с шумоподавлением в выходном поле зрения без необходимости оцифровывать входное изображение и выполнять цифровые вычисления.
Источник:
Чагатай Ишыл и др., Полностью оптическое шумоподавление изображения с использованием дифракционного визуального процессора (Çağatay Işıl et al, All-optical image denoising using a diffractive visual processor), Light: Science & Applications (2024). DOI: 10.1038/s41377-024-01385-6
-------------------------------------
Вы можете поддержать проект подпиской на канал, реакциями и комментариями, а также подписавшись на наши страницы на других площадках и на сервисе поддержки авторов Бусти. Ссылки найдёте в описании канала. Заранее спасибо!
