帖子
勋章
关注
任务
利用全卷积神经网络生成多深度三维全息 空间光调制器是一种在主动控制下利用自身属性对输入光的振幅、相位等参量做调制输出的光学器件，通过对光波波前、光波波束进行量化及指向性的控制，在最终接受面获得预期的光场分布。将空间光调制器应用在光学神经网络已经过几十年的发展，并且随着空间光调制器调制精度的提升以及计算算法的不断优化，光学神经网络的巨大潜力也不断地被挖掘，在机器视觉、医学影像处理、光学传感器网络等领域都有着潜在的应用前景。
论文信息
 本文介绍了一种利用全卷积神经网络（FCN）生成多深度相位全息的方法。该方法主要涉及一个前向-后向衍射框架来计算多深度衍射场，以及一个逐层替换方法（L2RM）来处理遮挡关系。由前者计算的衍射场被输入到精心设计的FCN中，它利用其强大的非线性拟合能力来生成3D场景的多深度全息图。后者可以通过补充被遮挡物体的信息，使场景重建中不同层的边界进行平滑处理，从而提高全息图的重建质量。实验中通过将计算全息图（computer-generated hologram，CGH）加载到核心组件空间光调制器（spatial light modulator，SLM）上，实现刷新和动态3D显示。 部分实验过程及实验结果
实验中使用波长为638（±8）nm、功率为30mW的非偏振半导体激光器，如图1所示，光纤的输出端放置在焦距为100mm的准直透镜焦点处来获得平面波，使用中性密度滤波器作为衰减器和偏振器来获得线偏光。旋转半波片（HWP）使得光的偏振方向与LCOS配向角方向一致，接着插入一个矩形孔径，得到矩形轮廓。利用空间光调制器（中科微星 FSLM-4K70-P02）对入射光进行相位调制和反射，再使用焦距为100mm的傅里叶透镜进一步放大重建场景。采用空间滤波器，使所需的衍射阶通过，其他衍射阶滤波。重建后的放大3D场景使用相机拍摄。  图1 实验装置（相位型空间光调制器，型号：FSLM-4K70-P02） 实验中所采用空间光调制器的参数规格如下： 
 图2三维图形数据集的生成。A)3D随机场景。B)取样过程。C)强度图像。D)深度图像。E)三维图形数据集。  图3 用FCN生成多深度全息图。A)利用前后衍射框架计算多深度衍射场。B)FCN的结构。C)多深度误差的计算。  图4 重建图像的质量比较。A)目标场景。B) 分别对应标准方法和L2RM的数值重建。C) 分别对应标准方法和L2RM的光学重建。  图5 复杂的三维场景和相应的全息图。A)强度图像和B)三维场景的深度图像。C)由FCN生成的多深度全息图。  图6 A) WH、B) DPH和C) L2RM的数值重建和光学重建。第1、3、5行的图像表示数值重建，而第2、4、6行表示光学重建。在第1列和第2列中，相机分别聚焦于“足球-吉他”的前聚焦平面（“足球”）和后聚焦平面（“吉他”）。在第3列和第4列中，相机分别聚焦于“飞机-狗”的前对焦平面（“飞机”）和后对焦平面（“狗”）。  图7 在不同深度的平面上重建对象。 写在最后 光神经网络因具有并行大规模计算、低功耗运行以及快速响应的潜力而受人们的广泛关注，而空间光调制器作为衍射器件在衍射神经网络中扮演着重要角色，并且应用在众多领域中，例如AR/VR的3D全息成像计算、生物医学成像、光学传感等。基于衍射神经网络的可编程能力，未来有望实现更高性能的衍射神经网络。 文章链接：https://doi.org/10.1002/advs.202308886 分享到：
|
||||||||||||||||||||||||||||||||||||
