何泽浩,讲师,研究方向为全息显示和通信,电子信箱:hezehao@cnu.edu.cn |
收稿日期: 2024-12-22
网络出版日期: 2025-04-11
基金资助
国家自然科学基金青年科学基金项目(62205173)
国家自然科学基金专项项目(62441613)
版权
Convolution-error-free model-driven neural network for phase-only computer-generated hologram
Received date: 2024-12-22
Online published: 2025-04-11
Copyright
计算全息技术是动态三维显示的理想解决方案,具有广阔的应用前景。在当前的技术条件下,计算全息技术面临的最大挑战是全息算法难以同时兼顾计算的精度和速度。为此,提出了卷积误差消除的模型驱动相位型全息图生成网络,实现了高保真相位型全息图的快速生成。首先,研究了角谱法中卷积误差的产生机制,提出了无卷积误差的角谱法,开发了基于无卷积误差角谱法的迭代框架,证实了无卷积误差角谱法对于提升相位型全息图计算精度的有效性;其次,以无卷积误差角谱法作为编码器构建了卷积误差消除的模型驱动相位型全息图生成网络,将相位型全息图的计算时间减小了3个数量级。通过网络生成的相位型全息图,抑制了全息光学重建中的散斑噪声,提高了重建结果的细节质量,平均峰值信噪比高达20.38 dB。伴随着深度梯度显著性和通道效率一致性的继续提升,该网络有望广泛应用在虚拟现实、元宇宙和三维视频通讯等领域。
何泽浩 , 刘珂瑄 , 曹良才 , 张岩 . 卷积误差消除的模型驱动相位型全息图生成网络[J]. 科技导报, 2025 , 43(5) : 107 -116 . DOI: 10.3981/j.issn.1000-7857.2024.12.01771
1 |
曹良才, 何泽浩, 刘珂瑄, 等. 元宇宙中的动态全息三维显示: 发展与挑战(特邀)[J]. 红外与激光工程, 2022, 51(1): 267- 281.
|
2 |
何泽浩, 曹良才. 面向沉浸式元宇宙的显示、交互和应用[J]. 科技导报, 2023, 41(5): 6- 14.
|
3 |
|
4 |
|
5 |
|
6 |
|
7 |
|
8 |
|
9 |
|
10 |
|
11 |
|
12 |
|
13 |
|
14 |
|
15 |
|
16 |
|
17 |
|
18 |
|
19 |
|
20 |
|
21 |
|
22 |
|
23 |
Shi W, Caballero J, Huszar F, et al. Real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Las Vegas, NV, USA, 2016: 1874-1883.
|
24 |
|
25 |
|
/
〈 |
|
〉 |