概括
这项研究引入了一种光衍射神经网络 (ODNN) 来改善轨道角动量 (OAM) 多重化全息. 这种新的方法提高了图像质量,为全息应用中更高的信息容量和安全性铺平了道路.
科学领域:
- 光学和光子学 在光学和光子学.
- 信息技术 信息技术 信息技术
- 计算成像技术的成像
背景情况:
- 轨道角动量 (OAM) 复合全息为全息存储和光学加密等应用提供了高信息容量和安全性.
- 在OAM全息中增加多重复合通道导致图像质量恶化,限制其实际使用.
- 现有的方法在增加频道数量时难以保持高图像保真度.
研究的目的:
- 提出并验证一项创新的设计,将光学衍射神经网络 (ODNN) 集成到OAM复杂化全息中.
- 为OAM全息制造建立一个科学图像质量评估功能.
- 为平行OAM全息图设计开发一个端到端优化方法.
主要方法:
- 在OAM多重复合全息框架中引入光学衍射神经网络 (ODNN).
- 开发一个量化图像质量评估功能,适用于OAM全息.
- 应用端到端优化策略,并行设计OAM全息图.
主要成果:
- 通过ODNN方法,在OAM多重复合全息中显著提高了图像质量.
- 与经典方法相比,ODNN方法实现了折射效率提高29%,信号噪声比率提高19%.
- 平均平方误差和差异分别减少了10%和43%,显示出更高的图像保真度.
- 实验验证证证实了高质量的多通道OAM复杂化全息的实现.
结论:
- 拟议的基于ODNN的设计为增强OAM复杂化全息技术提供了一种高效和实用的解决方案.
- 这种方法有效地解决了与增加多重化通道相关的图像质量恶化问题.
- 这种方法为OAM全息技术的未来进步提供了途径,提高了信息能力和安全.
