通过使用OAM模式和深度学习,通过多模光纤进行高保真度图像传输和重建.
Optics express
|February 20, 2026
概括
研究人员使用轨道角动量 (OAM) 模式叠加在多模光纤中编码图像. 先进的神经网络实现了高保真图像重建,高达99%的准确性,OAM过增强了边缘细节.
科学领域:
- 光学和光子学 在光学和光子学.
- 人工智能的人工智能
- 计算成像技术的成像
背景情况:
- 多模式光纤为图像传输提供高空间模式容量.
- 环境的不稳定性和复杂的输入会产生斑点,阻碍准确的图像重建.
- 轨道角动量 (OAM) 提供了一种新的方法来编码光中的信息.
研究的目的:
- 开发一种使用OAM模式叠加在多模光纤中的高保真图像重建方法.
- 通过使用深度学习技术来提高图像重建准确度和边缘保真度.
- 通过不同的光学条件来证明开发模型的概括能力.
主要方法:
- 将灰度图像编码为OAM模式的叠加.
- 使用基于ResNet的解码网络与转移学习进行图像重建.
- 开发一种注意力增强的DoubleU-Net,用于重建具有复杂边缘结构的图像.
- 实施OAM过以提高边缘保真性.
主要成果:
- 使用ResNet模型与转移学习实现了高达99%的重建精度,显示了跨波长的泛化.
- 对于具有丰富边缘结构的复杂图像,注意力增强的DoubleU-Net提高了大约4%的重建精度,达到95%的精度.
- 经过实验验证,OAM过显著提高了边缘保真度.
结论:
- 与深度学习相结合的OAM模式叠加提供了一个强大的方法,用于在多模光纤中进行高保真图像重建.
- 开发的神经网络架构显示出强大的泛化和复杂图像特征的性能提高.
- 这项工作为光学信息处理,通信和成像中的先进应用铺平了道路.


