$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

위상 홀로그램을 위한 딥러닝 기반의 초고해상도
Deep Learning-based Super Resolution for Phase-only Holograms 원문보기

방송공학회논문지 = Journal of broadcast engineering, v.25 no.6, 2020년, pp.935 - 943  

김우석 (광운대학교 전자재료공학과) ,  박병서 (광운대학교 전자재료공학과) ,  김진겸 (광운대학교 전자재료공학과) ,  오관정 (한국전자통신연구원) ,  김진웅 (한국전자통신연구원) ,  김동욱 (광운대학교 전자재료공학과) ,  서영호 (광운대학교 전자재료공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 위상 홀로그램의 고해상도 디스플레이를 위하여 딥러닝을 사용하는 방법을 제안한다. 일반적인 보간법을 사용하면 복원결과의 밝기가 낮아지고 노이즈와 잔상이 생기는 문제점이 발생한다. 이를 해결하고자 SISR(Single-Image Super Resolution) 분야에서 좋은 성능을 보였던 신경망 구조로 홀로그램을 학습시켰다. 그 결과로 복원결과에서 발생한 문제를 개선하며 해상도를 증가시킬 수 있었다. 또한 성능을 높이기 위해 채널 수를 조절하여 동일한 학습 시에 0.3dB 이상의 결과 상승을 보였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose a method using deep learning for high-resolution display of phase holograms. If a general interpolation method is used, the brightness of the reconstruction result is lowered, and noise and afterimages occur. To solve this problem, a hologram was trained with a neural netwo...

주제어

#hologram   #deep learning   #super resolution   #convolutional neural network   #image processing  

표/그림 (8)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 고해상도홀로그램을 획득하기 위해기존에SISR 분야에 적용된 초고해상도 신경망을 사용하는 방안을제시한다. 일반적인보간법을사용하여해상도를증가시킬때발생하는문제점을보완할수있는가능성을보 였으며, 성능또한우수함을나타내었다.
  • 그외에도홀로그램의초고해상도를위한딥러닝기반의 다양한방법이제안되고있다[16-17]. 본 연구에서는 고해상도의 위상 홀로그램을 획득하고자, 고해상도영상획득을위한딥러닝기반의초고해상도분야에서제안된신경망으 로포인트클라우드로부터생성한위상홀로그램을학습시 킨다. 일반적인보간법과의 차이 및 획득한 고해상도 위상홀로그램의 특성을 확인하고성 능개선을 위한 실험결과를 보인다.

가설 설정

  • 001, 감소단계(decay step)은200 에폭(epoch)이다. AWRU에서늘어나는채널수는128로고정하였으며, 기본채널수는64개로 하였다. GPU는 RTX 2080 ti 가사용 되었다.
본문요약 정보가 도움이 되었나요?

참고문헌 (17)

  1. Dennis Gabor, "A new microscopic principle," Nature, 161, pp. 777-778, 1948. 

    상세보기 crossref

  2. P. Hariharan, "Basics of Holography," Cambridge University Press, May 2002. 

  3. W. Osten, A. Faridian, P. Gao, K. Korner, D. Naik, G. Pedrini, Al. Kumar Singh, M. Takeda, and M. Wilke, "Recent advances in digital holography [Invited]," Appl. Opt. 53, G44-G63, 2014. 

    상세보기 crossref

  4. H. J. Gang, N. Kim, H. H. Song, S. G. Kim, T. G. Kim, W. S. Choe, M. S. Yun, S. C. Kim, S. H. Lee, E. S. Kim, H. J. Choe, H. Kim, J. H. Park, S. U. Min, G. H. Choe, D. G. Nam, S. H. Hong, G. M. Jeong, and G. H. Seo, "Digital holography technology trend," Information display, Vol.12, No.3, pp.18-50, Jun. 2011 

  5. C. Dong, C. C. Loy, K. He and X. Tang, "Image Super-Resolution Using Deep Convolutional Networks," in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 38, no. 2, pp. 295-307, 1 Feb. 2016. 

    상세보기 crossref

  6. J. Kim, J. K. Lee, and K. M. Lee, "Accurate image super-resolution using very deep convolutional networks," in Proc. IEEE Conf. Comput. Vis. Pattern Recognit., pp. 1646-1654, Jun. 2016. 

  7. W. Shi, J. Caballero, F. Huszar, J. Totz, A. P. Aitken, R. Bishop, D. Rueckert, and Z. Wang, "Real-time single image and video super-resolution using an efficient sub-pixel convolutional neural network," in Proc. IEEE Conf. Comput. Vis. Pattern Recognit., pp. 1874-1883, Jun. 2016. 

  8. B. Lim, S. Son, H. Kim, S. Nah, and K. M. Lee, "Enhanced deep residual networks for single image super-resolution," in Proc. IEEE Conf. Comput. Vis. Pattern Recognit. Workshops, pp. 1132-1140, May 2017. 

  9. Y. Zhang, K. Li, K. Li, L. Wang, B. Zhong, and Y. Fu, "Image super-resolution using very deep residual channel attention networks," in Proc. Eur. Conf. Comput. Vis., pp. 286-301 2018. 

  10. X. Chu, B. Zhang, H. Ma, R. Xu, J. Li, and Q. Li, "Fast, accurate and lightweight super-resolution with neural architecture search," arXiv: 1901.07261, Jan. 2019, https://arxiv.org/abs/1901.07261 (accessed Sep. 1, 2020). 

  11. N. Ahn, B. Kang, and K.-A. Sohn, "Fast, accurate, and, lightweight superresolution with cascading residual network," in Proc. Eur. Conf. Comput. Vis., pp. 252-268, 2018. 

  12. C. Wang, Z. Li, and J. Shi, "Lightweight image super-resolution with adaptive weighted learning network," arXiv:1904.02358, Apr. 2019, https://arxiv.org/abs/1904.02358 (accessed Sep. 1, 2020). 

  13. N. Verrier and C. Fournier, "Digital holography super-resolution for accurate three-dimensional reconstruction of particle holograms," Opt. Lett., Vol. 40, No. 2, pp. 217-220, Jan. 2015. 

    상세보기 crossref

  14. C. Fournier, F. Jolivet, L. Denis, N. Verrier, E. Thiebaut, C. Allier, and T. Fournel, "Pixel super-resolution in digital holography by regularized reconstruction," Appl. Opt., Vol. 56, No. 1, pp. 69-77, Jan. 2017. 

    상세보기 crossref

  15. T. Liu, K. De Haan, Y. Rivenson, Z. Wei, X. Zeng, Y. Zhang, and A. Ozcan, "Deep learning-based super-resolution in coherent imaging systems," Scientific reports, Vol.9, No.1, pp.1-13, Mar. 2019. 

  16. Z. Luo, A. Yurt, R. stahl, A. Lambrechts, V. Reumers, D. Braeken, and L. Lagae, "Pixel super-resolution for lens-free holographic microscopy using deep learning neural networks," Optics Express, Vol.27, No.10, pp.13581-13595, May 2019. 

    상세보기 crossref

  17. W. S. Kim, D. W. Kim, and Y. H. Seo, "Hologram Super-Resolution Using a Single Reverse Inceptionbased Deep Learning," In Proceedings of the Korean Society of Broadcast Engineers Conference, Kwangwoon Square & 80th Anniversary Hall, pp. 214-215, 2019. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로