Hoewel algoritmen voor het verwijderen van ruis de afgelopen decennia uitgebreid onderzoek en vooruitgang hebben ondergaan, vereisen klassieke technieken voor het verwijderen van ruis vaak talloze iteraties voor hun gevolgtrekking, waardoor ze minder geschikt zijn voor realtime toepassingen.

De komst van diepe neurale netwerken (DNN's) heeft een paradigmaverschuiving ingeluid, waardoor de ontwikkeling mogelijk is geworden van niet-iteratieve, feed-forward digitale beeldruisonderdrukkingsbenaderingen.

Deze op DNN gebaseerde methoden vertonen een opmerkelijke doeltreffendheid, waarbij real-time prestaties worden bereikt met behoud van een hoge ruisonderdrukkingsnauwkeurigheid. Deze op deep learning gebaseerde digitale denoisers hebben echter te maken met een compromis, omdat ze voor hun werking dure, resource- en energie-intensieve grafische verwerkingseenheden (GPU's) vereisen.

In een artikel gepubliceerd in Light:Science &Applications heeft een team van onderzoekers, onder leiding van professoren Aydogan Ozcan en Mona Jarrahi van de Universiteit van Californië, Los Angeles (UCLA), VS, en professor Kaan Akşit van University College London (UCL), VK een fysieke beeldruisonderdrukker ontwikkeld die bestaat uit ruimtelijk ontworpen diffractieve lagen om ruisrijke invoerbeelden met de snelheid van het licht te verwerken en ruisvrije beelden in het uitgangsveld te synthetiseren zonder enig digitaal computergebruik.

Na een eenmalige training op een computer wordt de resulterende visuele processor met zijn passieve diffractieve lagen vervaardigd, die een fysieke beeldruisonderdrukking vormt die de optische modi verstrooit die verband houden met ongewenste ruis of ruimtelijke artefacten van de invoerbeelden.

Door het geoptimaliseerde ontwerp behoudt deze diffractieve visuele processor de optische modi die de gewenste ruimtelijke kenmerken van de invoerbeelden vertegenwoordigen met minimale vervormingen.

Het resultaat is dat het onmiddellijk beelden zonder ruis synthetiseert binnen het gezichtsveld van de uitvoer, zonder dat het nodig is om een ​​beeld te digitaliseren, op te slaan of te verzenden zodat een digitale processor erop kan reageren. De doeltreffendheid van deze volledig optische aanpak voor het verwijderen van ruis werd gevalideerd door het onderdrukken van zout- en peperruis van zowel intensiteits- als fase-gecodeerde invoerbeelden.

Bovendien werd dit fysieke beeldruisonderdrukkingsframework experimenteel gedemonstreerd met behulp van terahertzstraling en een 3D-gefabriceerde diffractieve denoiser.

Dit volledig optische raamwerk voor ruisonderdrukking biedt verschillende belangrijke voordelen, zoals een laag energieverbruik, ultrahoge snelheid en compact formaat.

Het onderzoeksteam voorziet dat het succes van deze volledig optische beeldruisonderdrukkers de ontwikkeling kan katalyseren van volledig optische visuele processors die zijn toegesneden op het aanpakken van verschillende omgekeerde problemen op het gebied van beeldvorming en detectie.

Meer informatie: Çağatay Işıl et al, Volledig optische beeldruis verwijderen met behulp van een diffractieve visuele processor, Licht:wetenschap en toepassingen (2024). DOI:10.1038/s41377-024-01385-6

Aangeboden door UCLA Engineering Institute for Technology Advancement