Fusión de aprendizaje profundo y prioridades físicas para imágenes difractivas de un solo plano en dominios...

Área de la Ciencia:

• Óptica y Fotónica
• Imagen Computacional
• Ingeniería Óptica

Sus antecedentes:

• Los sistemas ópticos tradicionales son voluminosos y complejos, y requieren múltiples lentes para obtener imágenes de alta calidad.
• Los elementos ópticos difractivos de un solo plano (SPDOEs) ofrecen una vía hacia sistemas de imagen compactos de un solo elemento.
• Los métodos existentes luchan con la calidad de la reconstrucción de imágenes a partir de SPDOEs.

Objetivo del estudio:

• Desarrollar un método de imagen computacional novedoso guiado por prioridades para la reconstrucción de imágenes de alta calidad utilizando SPDOEs.
• Diseñar y fabricar un SPDOE práctico y analizar sus características ópticas.
• Introducir una red de desenfoque mejorada con atención, adaptada a los desafíos de la imagen SPDOE.

Principales métodos:

• Diseño y fabricación de un SPDOE (f/5, distancia focal de 50 mm).
• Desarrollo de una red de desenfoque multiescala mejorada con atención y guiada por prioridades (PAMDN).
• Integración de la extracción y fusión de características en el dominio espacial y de frecuencia para la reconstrucción de imágenes.

Principales resultados:

• PAMDN logró una mejora promedio del 30% en la relación señal/ruido pico (PSNR) con respecto a la de-convolución convencional.
• Las ganancias en calidad de imagen superaron los 13 dB en varias regiones del campo de visión.
• Demostró la reconstrucción de imágenes de alta calidad a partir de un SPDOE fabricado.

Conclusiones:

• El método PAMDN propuesto mejora significativamente la calidad de la reconstrucción de imágenes para SPDOEs.
• Este trabajo proporciona una base teórica para la imagen SPDOE de alta calidad.
• Presenta un nuevo enfoque para la miniaturización de sistemas ópticos.