Four dimensional phase unwrapping of dynamic objects in digital holography
我们提出了一种新的四维相位展开方法的时间推移定量相位显微镜,它允许重建的光学厚的物体,光学薄在一定的时间点和角度的看法。因此,我们使用所获取的动态定量相位分布的所有四个维度,除了x-y维度之外,还包括角度维度和时间维度。我们首先展示了这种算法在模拟数据上的能力,使重建质量相对于地面实况和现有的展开方法的量化成为可能。然后,我们证明了所提出的四维相位展开算法的适用性,通过实验捕获的双角度动态离轴全息图,同时记录两个角度的意见,使用复用的两个离轴全息图成一个单一的复用全息图。
2019-09-03 eess.IV physics.optics
Real-time digital holography of the retina by principal component analysis
我们证明了高品质的数字全息术的人类视网膜的实时快速相机和商品计算机硬件的可行性。高吞吐量渲染的数字菲涅耳全息图从光学获取的线内干涉图进行结合时间解调的全息图序列投影到数据导出的基础上,以区分本地窄带相干检测对比度,主要是由于血流和光学吸收,从虚假的干涉贡献。数字全息图是从16位、1024 × 1024像素的干涉图的持续输入流中计算出来的,这些干涉图以每秒500帧的速度记录下来,并通过主成分分析进行处理。这种时间信号解调方案包括在堆栈的32个连续的全息图投影到通过其时滞协方差矩阵的本征分解计算的基础上,它是每秒20次与商品计算机硬件执行。
2020-04-02 eess.IV physics.ins-det physics.med-ph
Convolutional neural network-based regression for depth prediction in digital holography
Chiba University(千叶大学)
数字全息术使我们能够从成像设备捕获的全息图中重建三维空间中的物体。对于重建,我们需要预先知道记录对象的深度位置。在这项研究中,我们提出了使用基于卷积神经网络(CNN)的回归进行深度预测。在以前的研究中,物体的深度是通过使用指示最聚焦的深度位置的一定度量从全息图在不同深度位置处的重构图像来估计的;然而,这样的深度搜索是耗时的。该方法的CNN可以直接从全息图中预测出毫米级精度的深度位置。
2018-02-02 cs.CV eess.IV
digHolo : High-speed library for off-axis digital holography and Hermite-Gaussian decomposition
“digHolo”是一个数值库,用于处理批量输入的离轴数字全息干涉图,并输出相应的重建场。可选地,该库可以执行重构场的模态分解,并且在厄米-高斯和拉盖尔-高斯分解中特别有效。该库是用C++11为x86-64(AVX 2)架构编写的,主要用作动态链接库(Windows)或共享对象(Linux),用户可以将其集成到自己的软件中。该库可以编译为可执行文件,用于使用命令行从磁盘处理干涉图。该库依赖于两个外部库:FFTW和BLAS/LAPACK(函数cgemv、cgemm、cgesvd、sgels),但为Windows提供了一个预编译的静态链接DLL。除了本用户指南外,还提供了一个视频教程,解释软件的使用方法。提供了在Matlab、Python和C++中使用的编码示例。
2022-04-04 eess.IV
In situ Biological Particle Analyzer based on Digital Inline Holography
获得生物微粒的原位测量对于科学研究和许多工业应用(例如,早期发现有害藻华,监测发酵过程中的酵母菌)。然而,现有的方法仅限于提供具有足够准确性和信息的这些颗粒的及时诊断。在这里,我们介绍了一种使用机器学习辅助数字同轴全息(DIH)进行实时原位分析的新方法。我们的机器学习模型使用定制的YOLO v5架构,专门用于小生物颗粒的检测和分类。我们证明了我们的方法的有效性,在10种浮游生物的分析具有相当高的精度和显着减少处理时间相比,以前的方法。我们还应用我们的方法来区分四种代谢状态下的酵母细胞和两种菌株。我们的研究结果表明,该方法可以准确地检测和区分与代谢状态和菌株相关的细胞和亚细胞特征。这项研究证明了机器学习驱动的DIH方法作为一种敏感和通用的诊断工具的潜力,用于实时,原位分析生物和非生物颗粒。这种方法可以很容易地以分布式方式部署,用于工业规模的科学研究和制造。
2023-01-14 eess.IV physics.bio-ph physics.ins-det
Deep DIH : Statistically Inferred Reconstruction of Digital In-Line Holography by Deep Learning
Northern Arizona University(北亚利桑那大学)
针对数字同轴全息孪生像去除中深度学习依赖大规模训练数据的问题,提出仅基于当前样本的自编码器架构实现单次重建,并在仿真中优于现有压缩重建方法。
2020-06-24 cs.CV cs.LG eess.IV
Convolutional Neural Network (CNN) vs Vision Transformer (ViT) for Digital Holography
FEMTO-ST Institute, CNRS Univ. Bourgogne Franche-Comte (UBFC)(法国国家科学研究中心勃艮第弗朗什-孔泰大学FEMTO-ST研究所)
在数字全息中,从全息图中提取物距是再现其振幅和相位的关键。该步骤被称为自动聚焦,并且其通常通过首先重建图像的堆叠并且然后通过使用诸如熵或方差的聚焦度量来锐化每个重建图像来解决。对应于最清晰图像的距离被认为是焦点位置。这种方法虽然有效,但计算量大且耗时。在本文中,通过深度学习(DL)来执行距离的确定。比较了两种深度学习(DL)架构:卷积神经网络(CNN)和视觉Transformer(ViT)。ViT和CNN用于处理作为分类问题的自动聚焦问题。与第一次尝试[11]相比,其中两个连续类之间的距离为100 $μ$ m,我们的建议允许我们将该距离大幅减少到1 $μ$ m。此外,ViT达到类似的准确性,比CNN更强大。
2022-01-27 cs.CV eess.IV
Digital phase-only holography using deep conditional generative models
Cavendish Laboratory(卡文迪什实验室);University of Cambridge(剑桥大学)
全息波整形在物理科学中有着广泛的应用,特别是在数字空间光调制器(SLM)的发展之后。数字全息术的一个关键挑战在于找到最佳的全息图案,该图案将入射激光束转换成共轭光学平面中的期望形状。现有的剧目的方法来解决这个逆问题是建立在迭代相位恢复算法,不考虑光学像差和理论模型的偏差。在这里,我们采用了一种无物理、数据驱动和概率的方法来解决这个问题。使用深度条件生成模型,如生成对抗网络(cGAN)或变分自动编码器(cVAE),我们近似给定目标激光强度模式的全息图的条件分布。为了减少问题的基数,我们训练我们的模型上的代理映射相关的8x8矩阵的复值空间频率系数,以确保100x100形状的强度分布记录在相机上。我们讨论了这个简化问题中仍然存在的“病态”程度,并比较了不同的生成模型架构找到重建给定强度图案的全息图的能力。最后,我们对我们的模型提出挑战,以推广到合成目标强度,其中匹配全息图的存在不能得到保证。我们设计了一个前向插值训练方案,旨在为模型提供在激光强度空间而不是全息图空间插值的能力,并表明这确实提高了模型在合成数据集上的性能。
2019-11-03 cs.CV eess.IV physics.comp-ph
Multiple-Particle Autofocusing Algorithm Using Axial Resolution and Morphological Analyses Based on Digital Holography
College of Science, Shantou University(汕头大学理学院)
针对稠密透明粒子溶液的全息图,提出结合形态学分析、约束强度与轴向分辨率的多粒子自动聚焦算法,可快速准确获取粒子三维位置与数量,解决稠密粒子自动聚焦难题。
2025-03-23 cs.CV eess.IV eess.SP
Realtime Particulate Matter and Bacteria Analysis of Peritoneal Dialysis Fluid using Digital Inline Holography
本研究开发了集成YOLOv8n深度学习模型的数字同轴全息系统,可实时检测腹膜透析液中的颗粒物与细菌污染,检测灵敏度高、假阳性率低,与标准CFU法结果高度一致,为透析液无菌监测提供了快速准确的新方案。
2024-11-01 eess.IV physics.optics q-bio.QM
Dynamic DH-MBIR for Phase-Error Estimation from Streaming Digital-Holography Data
针对定向能应用中DH相位误差估计的低延迟需求,提出动态DH-MBIR算法,通过单步迭代实现流式单次采样数据的等晕相位误差估计,大幅降低计算量与延迟,在大气湍流冻结流仿真中保持高Strehl比。
2023-05-05 eess.IV eess.SP
Maximum Likelihood Reconstruction for Multi-Look Digital Holography with Markov-Modeled Speckle Correlation
本文研究了在存在相关斑点的情况下,从复值多视测量中重建无斑点反射率的问题,提出了一种基于马尔可夫过程的约束最大似然估计方法,通过投影梯度下降框架和深度图像先验实现高效计算,验证了在强视间相关性下方法的鲁棒性。
2026-04-22 cs.CV cs.LG eess.IV
Deep Learning-based High-precision Depth Map Estimation from Missing Viewpoints for 360 Degree Digital Holography
Sejong University(世宗大学);Electronics and Telecommunications Research Institute(电子通信研究院)
在本文中,我们提出了一种新的,卷积神经网络模型,以提取高精度的深度图缺失的观点,特别是适用于生成全息3D内容。深度图是计算全息图(CGH)合成所需的相位提取的基本要素。提出的模型称为HDD Net使用MSE作为损失函数以获得更好的深度图估计性能,并在上采样层中使用Relu作为激活函数的双线性插值。我们设计并准备了总共8,192张多视角图像,每张分辨率为640 × 360,用于深度学习研究。该模型通过提取特征、上采样来估计深度图。对于定量评估,我们通过使用PSNR,ACC和RMSE将估计的深度图与地面实况进行比较。我们还比较了CGH模式估计的深度图与地面实况。此外,我们展示了实验结果,以测试通过直接重建全息三维图像场景的CGH估计的深度图的质量。
2021-03-09 cs.AI cs.CV eess.IV
Comprehensive Performance Analysis of Objective Quality Metrics for Digital Holography
数字全息图的客观质量评价已被证明是一项具有挑战性的任务。虽然从全息波场预测所记录的3D内容的感知质量是一个开放的问题;但是在渲染之后从内容进行感知质量评估需要耗时的渲染步骤和大量可能的视口。在这项研究中,我们使用最近发布的HoloDB数据库中的96个傅立叶全息图来评估数字全息图上众所周知的和最先进的图像质量指标的性能。我们比较了参考全息图与它们的失真版本:(i)在量化复波场的实部和虚部上渲染之前,(ii)在将傅立叶全息图转换为菲涅耳全息图之后,(iii)在渲染之后,在重建数据的量化幅度上,以及(iv)在随后使用维纳滤波器去除斑点噪声之后。对于每个实验轨道,质量度量预测与在2D屏幕、光场显示器和全息显示器上收集的平均意见分数(MOS)进行比较。此外,统计分析的结果和讨论的性能指标。测试表明,虽然对于每个测试轨道的一些质量指标呈现出高度相关的性能相比,多套可用的MOS,他们都没有表现出一致的高性能在所有四个测试轨道。
2020-10-21 eess.IV eess.SP
HoloTile RGB: Ultra-fast single-shot, discretized, full-color computer-generated phase-only holography
本研究首次将HoloTile CGH模式用于多波长目标,结合子全息拼接、PSF整形与SGD算法,通过SLM的CFS模式实现60Hz全8位相位调制,可单次拍摄获取高保真离散全彩全息图像,还可适配多类波长组合。
2025-02-23 eess.IV physics.optics
Fast Autofocusing using Tiny Transformer Networks for Digital Holographic Microscopy
Institut FEMTO-ST(FEMTO-ST研究所);CNRS(法国国家科学研究中心);Université Bourgogne Franche-Comté(勃艮第-弗朗什-孔泰大学)
数字全息术的数值波前反向传播原理赋予了独特的扩展聚焦能力,而没有沿z轴的机械位移。然而,正确的聚焦距离的确定是一个重要且耗时的问题。提出了一种深度学习(DL)解决方案,将自动聚焦视为回归问题,并在实验和模拟全息图上进行了测试。通过具有10 $\mathrm{x}$显微镜物镜的数字全息显微镜(DHM)从在92 $μ$ m的轴向范围内以3D移动的图案化目标记录单波长数字全息图。提出并比较了微型DL模型,例如微型Vision Transformer(TViT)、微型VGG 16(TVGG)和微型Swin-Transfomer(TSwinT)。将所提出的微型网络与其原始版本(ViT/B16,VGG 16和Swin-Transformer Tiny)以及数字全息中使用的主要神经网络(如LeNet和AlexNet)进行了比较。实验表明,与15 $μ$ m的DHM景深相比,以平均1.2 $μ$ m的精度准确地推断预测的聚焦距离$Z_R^{\mathrm{Pred}}$。数值模拟表明,所有微小模型给出的$Z_R^{\mathrm{Pred}}$误差小于0.3 $μ$ m。这样的前景将大大提高计算机视觉位置传感在生命科学或微型机器人的3D显微镜等应用中的当前能力。此外,所有模型在CPU上的推理时间都低于25 ms。在遮挡方面,基于其Transformer架构的TViT是最健壮的。
2022-05-20 cs.CV eess.IV physics.optics
Machine learning holography for measuring 3D particle size distribution
基于数字全息的颗粒尺寸测量通常是耗时的,并且容易受到与全息图质量和颗粒复杂性相关的噪声的影响,限制了其在广泛的工程应用和基础研究中的使用。我们提出了一种基于学习的全息图处理方法,以应付上述问题。所提出的方法使用了一个修改的U-网络结构,具有三个输入通道和两个输出通道,并专门设计的损失函数。所提出的方法进行了评估,使用合成,人工标记的实验,水洞泡状流数据包含不同形状的颗粒。结果表明,与最先进的非机器学习方法相比,我们的方法在粒子提取率和定位精度方面可以实现更好的性能,并显着提高了处理速度。我们基于学习的方法可以扩展到其他类型的基于图像的颗粒尺寸测量。
2019-12-30 eess.IV physics.app-ph
Retinal blood flow reversal quantitatively monitored in out-of-plane vessels with laser Doppler holography
激光多普勒全息术是近年来在眼科领域发展起来的一种平面血流成像技术,可以对视网膜和脉络膜血流进行无创成像。在这里,我们提出了一种数字方法的基础上的多普勒频谱不对称性,揭示了局部方向的血流相对于光轴在平面外的血管。该方向信息覆盖在标准灰度血流图像上,以红色描绘朝向相机移动的血流,并且以蓝色描绘远离相机移动的血流,如在超声彩色多普勒成像中那样。我们表明,由于后向散射对平面外血管多普勒频谱的强大贡献,可以以高时间分辨率揭示血流的局部轴向方向,这使我们能够证明病理性血流逆转。我们还演示了使用光学多普勒频谱定量监测视网膜血流逆转。
2021-08-07 eess.IV physics.med-ph
Error assessment of microwave holography inversion for shallow buried objects
全息成像是一种使用微波能量来创建物体或场景的三维图像的技术。这项技术在地雷探测方面有潜在的应用,因为长波微波能量可以穿透地面,在不需要直接物理接触的情况下产生隐藏物体的图像。然而,通常用于从全息图像数字重建3D图像的反演算法(诸如卷积、角谱和菲涅耳)已知具有局限性并且可能在重建图像中引入误差。尽管存在这些挑战,但使用2 GHz左右的全息雷达结合全息成像技术进行地雷探测,可以恢复被埋物体的大小和形状。在本文中,我们估计重建误差的卷积算法的基础上全息成像模拟和评估这些错误建议增加扫描仪面积,考虑到系统的局限性和预期的误差减少。
2023-03-27 eess.IV
Interactive zoom display in smartphone-based digital holographic microscope for 3D imaging
提出一种由3D打印光学组件、智能手机与Android应用构成的紧凑低成本DHM系统,可实时重建振幅和相位信息,并支持捏合手势交互缩放。
2024-06-13 cs.GR eess.IV
Speckle Image Restoration without Clean Data
NVIDIA AI Technology Center(英伟达人工智能技术中心);National Taiwan Normal University(台湾师范大学)
散斑噪声是相干成像系统(例如数字全息术、合成孔径雷达、光学相干层析成像或超声系统)中的固有干扰。这些系统通常仅产生相同感兴趣对象的每个视角的单个观测,从而难以利用观测之间的统计。我们提出了一种新的图像恢复算法,可以执行斑点噪声去除没有干净的数据,并不需要在同一视角的多个噪声观测。我们所提出的方法也可以应用于不知道噪声分布的情况。我们证明了我们的方法是特别适合光谱图像的合成数据集上的第一次验证,也适用于现实世界的数字全息样品。与几种广泛应用的基线相比,其结果在定量测量和目视检查方面都更优越。我们的方法甚至在不同的斑点噪声强度下显示出有希望的结果,而不需要干净的数据。
2022-05-18 cs.CV eess.IV