深層学習に基づく振幅変調ホログラフィックデータストレージの低SNRにおけるSNR向上

科学分野:

• 光学工学
• 画像処理
• 機械学習

背景:

• ホログラフィックデータストレージは、振幅データページにおけるランダムノイズという課題に直面しており、画像の信号対雑音比（SNR）を低下させます。
• 従来のU-Netモデルは、特に低SNRのホログラフィックデータページにおいて、SNRを効果的に向上させるのに苦労しています。

研究 の 目的:

• ホログラフィックデータストレージ画像における効果的なSNR向上を目的とした改良型U-Netアーキテクチャ、DRAMCU-Netを提案すること。
• ホログラフィックデータ検索におけるノイズ処理と画質向上における従来のU-Netの限界に対処すること。

主な方法:

• 拡張残差アテンション（DRAB）およびマルチスケール畳み込みブロック（MS-Conv）を組み込んだDRAMCU-Net（拡張残差アテンションおよびマルチスケール畳み込みU-Net）を開発しました。
• モデルのグローバルな堅牢性を向上させるためにドロップアウトレイヤーを実装しました。
• マルチレベル特徴抽出およびアテンションメカニズムを採用し、さまざまなスケールで効率的な特徴キャプチャを実現しました。

主要な成果:

• DRAMCU-Netは、従来のU-Netと比較して、低SNRのホログラフィックデータページにおけるSNR向上において優れた性能を示しました。
• 実験結果によると、DRAMCU-Netを使用した再構成データページのSNRは約30%増加しました。

結論:

• DRAMCU-Netは、ホログラフィックデータストレージ画像におけるSNRを効果的に向上させ、従来のU-Netモデルの限界を克服します。
• 提案されたアーキテクチャは、ホログラフィックデータ検索の信頼性と品質を向上させるための有望なソリューションを提供します。