息近眼顯示圖像質量優化技術背景：虛擬現實(virtual reality,VR)和增強現實(augmented reality,AR)中的近眼顯示要求具有高圖像質量，在緊湊的設備外形中支持大視野、聚焦提示(focus cues)以及大小合適的眼盒。全息近眼顯示有希望滿足這些要求，并在過去的數年里取得了顯著的進展。 全息近眼顯示不同于傳統的近眼顯示，它使用相位型空間光調制器(spatial light modulator,SLM)對入射光波整形，目標圖像通過干涉的方式形成。用于全息顯示的相位型SLM存在衍射效率低的問題。這是由于其有限的像素填充因子、背板架構和其它因素，使得多達20%的入射光可能 ...

靜態全息的圖像質量。要創造一個全息電視，需要解決三個基本的問題：從三維信息計算全息圖，數據的傳輸，全息圖到三維圖像顯示的重建。1）計算生成全息圖從三維圖像計算衍射圖案的理論基礎是基爾霍夫和菲涅爾衍射積分物理模型。但是由于計算所需的浮點數過大，到目前為止還無法做到實時生成。以720p(1280x720)全息顯示為例，蠻力計算需要每像素100x100個衍射元素以獲得全視差，以及每像素需要4000次乘法和累加，刷新率為60Hz，全彩三色顯示有1280x720x100x100x4000x3x60=6.6petaflops。因此必須對計算全息的方式進行簡化。用弗朗和費積分(即傅里葉變換，可用FFT算法完 ...

間和可獲得圖像質量之間的權衡，這使得快速合成高質量全息圖像在目前來講還難以實現。除此之外，大多數全息顯示的圖像質量差，還在于顯示的實際光波傳輸與仿真模型之間存在失配問題。技術要點：基于此，斯坦福大學的Yifan Peng(一作)和Gordon Wetzstein(通訊)等提出了一種新的CGH框架，能產生前所未有的圖像保真度和實時幀率。這個框架包含了：相機在環優化策略(直接優化或訓練一個可解釋的光波傳輸模型來生成全息圖)、神經網絡架構(第1個能實時生成1080p全彩高質量全息圖像的CGH算法)。(1)全息顯示(所用空間光調制器為相位型SLM)由相干光源產生的復值波場usrc(這個源場可以是平面波 ...

散射，從而圖像質量佳。特別是檢測體內的深層信號時更傾向于這種窗口選擇策略。NIR-II窗口的定義一直被限制在1000-1700nm，促使各種NIR發射器(emitters)的峰值發射波長超過1000 nm，甚至超過 1500 nm(NIR-IIb，1500-1700nm)。同時，一些現有和正在開發的熒光團的峰值發射低于1000/1500 nm，但明亮的發射尾(即發射曲線的拖尾，不是峰值部分)超過1000/1500 nm，因此也非常適合NIR-II/NIR-IIb熒光成像，這包括一些極好的聚集體探針(probes in aggregates)。目前來講，明亮的長波長近紅外發射器的設計和合成仍然充 ...

素化偽影，圖像質量會下降。此外，減少纖芯的數量可以縮小體積，但視野會隨之變小，同時上述效果(串擾和像素化偽影)變得更加明顯。此外，基于寬場照明和使用微透鏡成像的手持顯微鏡zui近已被證明用于自由移動小鼠的大腦成像。但是，不管采用何種不同的方法，大多數方法使用的頭端透鏡都在成像探頭的小型化與其成像性能之間進行了權衡。微型化的物理尺寸限制是腦成像的一個特殊問題，因為探針植入不可避免地會破壞此類研究旨在了解的復雜神經回路。zui近，基于編碼孔徑成像的無透鏡相機已被提出用于生物和商業應用。這些相機外形平坦，橫向尺寸與裸圖像傳感器芯片接近，成像工作距離可變，可以不接觸對樣品成像。它的工作原理是在裸傳感器 ...

似，代價是圖像質量受損。利用GPU計算的快速發展，非近似的基于點的方法 (point-based method, PBM)最近以每幀幾秒的速度生成了具有每像素焦點控制的彩色和紋理場景。然而，PBM為每個場景點獨立模擬菲涅耳衍射，因此不會對遮擋(occlusion)進行建模。這阻止了復雜3D場景的準確再現，其中前景將因未遮擋的背景而被振鈴偽影(2)嚴重污染。光場渲染可以部分解決這種沒有遮擋的問題。然而，這種方法會導致大量的渲染和數據存儲開銷，并且遮擋僅在整個全息圖的一小部分內是準確的。在菲涅耳衍射模擬期間添加每條射線可見性測試理想地解決了該問題，但遮擋測試的額外成本、對相鄰點的訪問和條件分支會減 ...

但在保持高圖像質量的同時構建具有大壓縮比的成像器并非易事。例如，在高光譜光場成像中，為了獲取 五維數據立方體，目前大多數成像儀都建立在Nyquist采樣上，并且壓縮比r=1。對于給定的探測器陣列，這會導致沿空間、光譜和角軸的采樣之間進行權衡。例如，在本文作者2020年基于IMS的高光譜光場相機中，全光數據立方體體素的總數限制為66×66×5×5×40，限制了其在高分辨成像中的應用。盡管可以通過使用多攝像頭配置來減輕這種權衡，但它會增加系統的外形尺寸和復雜性。還有一種利用壓縮感知從頻譜域中的欠采樣測量中恢復大小為1000×1000×3×3×31的五維數據立方體，但壓縮率僅為3.4(2017年 Y ...

，用于實現圖像質量提升以及增強成像系統的能力。光學器件的缺陷可能會在無意中讓圖像模糊(如像差)，解卷積可以在計算上消除其中的一些模糊。在顯微鏡中，解卷積可以減少離焦熒光，從而產生更銳利的三維圖像。另外，還可以將分布式點擴散函數(PSF)有意設計到成像系統中，從而獲得如單幀高光譜成像、單幀三維成像這樣的能力。在這種情況里，采用多路復用的光學器件通過將物空間中的每一點映射到成像傳感器上的分布式模式以將二維和三維信息編碼，然后利用解卷積算法從模糊或編碼的測量來重建編碼的清晰圖像或體積。現有的解卷積算法應用場景有限。現今已有多種解卷積算法。經典的有Wiener濾波(屬于closed-form方法)、R ...

據中產生的圖像質量和高幀速率視頻。b、使用不一定與圖像的空間特性不相干的基進行采樣，圖像重建使用計算速度快的算法。基可選的有Hadamard、傅里葉、小波等。例如，這可以是簡單地將采樣模式求和，根據它們測量的強度進行加權（即，與物相似的模式比相似性較低的模式的權重更大），或者通過快速算法實現重建 。通常，壓縮感知采樣的基適合需要低到中等圖像分辨率以及更快甚至實時圖像重建的應用。如果模式彼此正交，則對未知圖像強度進行完全采樣所需的模式數量等于所需圖像中的像素總數 N。然而，在任何一個基中，挑戰在于選擇恰當的基的子集來采樣。c、使用優化的方法可以改善重建圖像質量。當測量數等于像素數時， ...

成像在提高成像質量上的潛力，并且對計算成像界的一些早期工作產生了激勵作用。在計算成像的幫助下，光學設計者們可以使用以下的方法來補償成像中的不完美，它們是解耦、協同和集成。4.3a 解耦解耦設計是光學設計和后端檢測處理各自獨立的另外一種說法。傳統的光學設計旨在最小化幾何和顏色像差，從而使得PSF H盡可能的接近單位矩陣。后端檢測處理被用來產生一個更好的幾何圖像估計。在圖像估計過程中，我們假設由H表示的光學系統是不變的，我們的目標是確定處理算法T，使得圖像I'和物的輻照度|O|2之間的差異最小。聯立方程（17）和（18），空間域測量M為：經過處理后的I'是：在沒有噪聲的情況下，如果 ...