面向层结构的角谱传播计算全息算法(特邀)

为了提高计算全息图的生成速度和再现像的重建质量,文中基于角谱传播的精确衍射计算过程,提出了一种面向层结构的角谱传播计算全息算法。该算法将三维场景分层,并将每层场景通过角谱衍射运算得到子全息图。通过子全息图在干涉面的叠加,最终生成整个三维场景的全息图。由于角谱运算没有旁轴近似,因此对于不同类型的三维数据,利用该算法计算得到的全息图均可重建得到精确的再现像。此外,该算法的计算复杂度不取决于三维场景的复杂度,只取决于分层层数,因此运算速度较传统点元法可提高两三个数量级。该算法为三维场景的动态显示提供了一种有效的解决方案。     

基于深度学习的计算全息显示进展

计算全息作为一种三维显示手段，能够基于衍射计算实现对目标光场的精确重建，在元宇宙通讯、AR/VR头戴显示、车载抬头显示等方向均有着重要的应用。如何实现高速且高质量的相位全息图生成是计算全息领域发展的关键问题，也是当前该方向的重要研究课题。近年来，深度学习技术的飞跃式发展为上述问题的解决提供了一条新的技术路径。本文介绍了计算全息技术的基本原理及算法分类，综述了近年来所提出的基于深度学习的计算全息解决方案，比较了各类方案的优势与不足，展望了深度学习技术在计算全息领域的发展与挑战。     

基于直方图的二阶差分分域镜头检测算法及实现

提出基于直方图的二阶差分分域镜头检测算法.在传统灰度直方图的镜头检测算法基础上,对镜头图像按照权重进行分域,计算加权的直方图一阶差分,进一步计算二阶差分以消除运动带来的镜头变换检测影响.根据二阶差分平均值动态获得镜头检测阈值,并比较二阶差分与动态阈值大小来判断是否发生镜头切换.Matlab仿真环境实验结果表明:该算法可克服传统灰度法误检和直方图法漏检的不足,具有较高的识别准确率和查全率.     

元宇宙中的动态全息三维显示:发展与挑战（特邀）

相比二维显示,三维显示可以提供更接近真实世界的图像内容,是5G、大数据、元宇宙和物联网领域的关键性技术。计算全息三维显示可以提供所有种类的深度线索,被认为是三维显示的终极实现方式,在智能制造、远程教育、异地办公和娱乐社交等领域都具有广阔的应用前景。文中首先介绍了计算全息技术的发展历史和重要技术节点,分析了高质量全息动态三维显示面临的挑战,主要包括计算全息图重建质量不足、波前调制器件和全息显示系统性能受限以及三维内容源匮乏等,进一步介绍了已有的解决方案,比较了各类方案的优势与不足,进而分析了高质量全息动态三维显示的主要研究方向,包括低噪声全息图的获取、像质优化和畸变校正技术的开发以及三维内容源的构建。实现高质量、低噪声、无畸变、高刷新、真三维的动态全息三维显示,是计算全息显示发展的必由之路,也是元宇宙等典型应用对全息三维显示提出的必然要求。     

基于液晶空间光调制器的计算全息波前编码方法

波前编码过程将计算全息所得的复振幅波前变换为与显示器件匹配的调制函数,是计算全息显示的关键技术之一.现有的计算全息显示器件大多只能实现单一振幅或单一相位调制,因此需要将复振幅波前编码为相应的振幅型或相位型全息图.本文围绕基于液晶空间光调制器的计算全息显示,综述了相位优化编码与复振幅转化编码的基本原理与算法步骤,分析了常...