帖子
勛章
關(guān)注
任務(wù)
利用全卷積神經(jīng)網(wǎng)絡(luò)生成多深度三維全息 空間光調(diào)制器是一種在主動控制下利用自身屬性對輸入光的振幅、相位等參量做調(diào)制輸出的光學(xué)器件，通過對光波波前、光波波束進(jìn)行量化及指向性的控制，在最終接受面獲得預(yù)期的光場分布。將空間光調(diào)制器應(yīng)用在光學(xué)神經(jīng)網(wǎng)絡(luò)已經(jīng)過幾十年的發(fā)展，并且隨著空間光調(diào)制器調(diào)制精度的提升以及計算算法的不斷優(yōu)化，光學(xué)神經(jīng)網(wǎng)絡(luò)的巨大潛力也不斷地被挖掘，在機(jī)器視覺、醫(yī)學(xué)影像處理、光學(xué)傳感器網(wǎng)絡(luò)等領(lǐng)域都有著潛在的應(yīng)用前景。 論文信息
本文介紹了一種利用全[color=var(--weui-LINK)]卷積神經(jīng)網(wǎng)絡(luò)（FCN）生成多深度相位全息的方法。該方法主要涉及一個前向-后向衍射框架來計算多深度衍射場，以及一個逐層替換方法（L2RM）來處理遮擋關(guān)系。由前者計算的衍射場被輸入到精心設(shè)計的FCN中，它利用其強(qiáng)大的非線性擬合能力來生成3D場景的多深度全息圖。后者可以通過補(bǔ)充被遮擋物體的信息，使場景重建中不同層的邊界進(jìn)行平滑處理，從而提高全息圖的重建質(zhì)量。實驗中通過將計算全息圖（computer-generated hologram，CGH）加載到核心組件空間光調(diào)制器（spatial light modulator，SLM）上，實現(xiàn)刷新和動態(tài)3D顯示。 部分實驗過程及實驗結(jié)果 實驗中使用波長為638（±8）nm、功率為30mW的非偏振[color=var(--weui-LINK)]半導(dǎo)體激光器，如圖1所示，光纖的輸出端放置在焦距為100mm的[color=var(--weui-LINK)]準(zhǔn)直透鏡焦點(diǎn)處來獲得平面波，使用中性密度濾波器作為衰減器和偏振器來獲得線偏光。旋轉(zhuǎn)[color=var(--weui-LINK)]半波片（HWP）使得光的偏振方向與LCOS配向角方向一致，接著插入一個矩形孔徑，得到矩形輪廓。利用空間光調(diào)制器（中科微星 FSLM-4K70-P02）對入射光進(jìn)行相位調(diào)制和反射，再使用焦距為100mm的傅里葉透鏡進(jìn)一步放大重建場景。采用空間濾波器，使所需的衍射階通過，其他衍射階濾波。重建后的放大3D場景使用相機(jī)拍攝。 圖1 實驗裝置（相位型空間光調(diào)制器，型號：FSLM-4K70-P02）實驗中所采用空間光調(diào)制器的參數(shù)規(guī)格如下： 
 圖2三維圖形數(shù)據(jù)集的生成。A)3D隨機(jī)場景。B)取樣過程。C)強(qiáng)度圖像。D)深度圖像。E)三維圖形數(shù)據(jù)集。 圖3 用FCN生成多深度全息圖。A)利用前后衍射框架計算多深度衍射場。B)FCN的結(jié)構(gòu)。C)多深度誤差的計算。 圖4 重建圖像的質(zhì)量比較。A)目標(biāo)場景。B) 分別對應(yīng)標(biāo)準(zhǔn)方法和L2RM的數(shù)值重建。C) 分別對應(yīng)標(biāo)準(zhǔn)方法和L2RM的光學(xué)重建。 圖5 復(fù)雜的三維場景和相應(yīng)的全息圖。A)強(qiáng)度圖像和B)三維場景的深度圖像。C)由FCN生成的多深度全息圖。 圖6 A) WH、B) DPH和C) L2RM的數(shù)值重建和光學(xué)重建。第1、3、5行的圖像表示數(shù)值重建，而第2、4、6行表示光學(xué)重建。在第1列和第2列中，相機(jī)分別聚焦于“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，相機(jī)分別聚焦于“飛機(jī)-狗”的前對焦平面（“飛機(jī)”）和后對焦平面（“狗”）。 圖7 在不同深度的平面上重建對象。 寫在最后 光神經(jīng)網(wǎng)絡(luò)因具有并行大規(guī)模計算、低功耗運(yùn)行以及快速響應(yīng)的潛力而受人們的廣泛關(guān)注，而空間光調(diào)制器作為衍射器件在衍射神經(jīng)網(wǎng)絡(luò)中扮演著重要角色，并且應(yīng)用在眾多領(lǐng)域中，例如AR/VR的3D全息成像計算、生物醫(yī)學(xué)成像、光學(xué)傳感等。基于衍射神經(jīng)網(wǎng)絡(luò)的可編程能力，未來有望實現(xiàn)更高性能的衍射神經(jīng)網(wǎng)絡(luò)。 文章鏈接：https://doi.org/10.1002/advs.202308886 |
||||||||||||||||||||||||||||||||||||
