Skip to main content
QUICK REVIEW

[论文解读] Michelson Holography: Dual-SLM Holography with Camera-in-the-loop Optimization

Suyeon Choi, Yifan Peng|arXiv (Cornell University)|Sep 19, 2020
Advanced Optical Imaging Technologies参考文献 28被引用 10
一句话总结

Michelson Holography (MH) 引入了一种双相位仅限空间光调制器(SLM)设置,利用相机在回路(CITL)优化技术,通过相消干涉相干地消除未衍射光,从而在无需显式建模像素结构或波front像差的情况下自动补偿SLM非理想性,实现了最先进的2D全息图像质量。

ABSTRACT

We introduce Michelson Holography (MH), a holographic display technology that optimizes image quality for emerging holographic near-eye displays. Using two spatial light modulators, MH is capable of leveraging destructive interference to optically cancel out undiffracted light corrupting the observed image. We calibrate this system using emerging camera-in-the-loop holography techniques and demonstrate state-of-the-art holographic 2D image quality.

研究动机与目标

  • 解决纯相位SLM中衍射效率低的根本挑战,该问题会导致未衍射光通过散斑和干涉效应降低图像质量。
  • 克服传统同轴与离轴滤波技术在近眼全息显示中降低效率或视场的局限性。
  • 利用相机在回路(CITL)优化技术,自动校准双SLM系统,而无需显式建模SLM像素结构或光学像差。
  • 展示一种新型全息架构,通过衍射光束与未衍射光束之间的相消干涉,提升图像对比度与质量。
  • 在不同SLM衍射效率和波长下实现稳健性能,包括具有挑战性的低效率蓝光通道。

提出的方法

  • 采用受迈克尔逊干涉仪启发的光学布局,包含两个纯相位SLM和一个分束器,以相干方式合并反射波前。
  • 使用相机捕获目标平面的强度,实现实时反馈以进行迭代优化。
  • 应用随机梯度下降(SGD)并反向传播强度误差,联合优化两个SLM上的相位图案。
  • 使用角谱法建模光波传播,引入理想化与实际传播函数($\widehat{g}_{1/2}$ 和 $g_{1/2}$)以考虑像差影响。
  • 通过测试图案引入单应性校准步骤,即使在机械对准不完美时也能对齐两个SLM的光学贡献。
  • 利用CITL优化技术隐式学习并补偿SLM的非理想性,如相位非线性、填充因子限制和波前畸变。

实验结果

研究问题

  • RQ1能否利用一个SLM的衍射光与另一个SLM的未衍射光之间的相消干涉来抑制图像退化的背景光?
  • RQ2在不显式建模SLM物理特性的情况下,相机在回路优化能在多大程度上提升全息显示的图像质量?
  • RQ3双SLM全息系统对SLM之间微小的横向或轴向错位有多大的鲁棒性?
  • RQ4CITL优化的迈克尔逊全息技术是否能在低衍射效率下实现比单SLM或非CITL双SLM方法更高的对比度与更低的散斑?
  • RQ5该方法在不同波长下是否保持高性能,特别是在低效率的蓝光通道?

主要发现

  • 在50% SLM衍射效率下,Michelson Holography对1080p图像实现了38.2 dB的峰值信噪比(PSNR),显著优于DPAC和无CITL的SGD方法。
  • 在蓝光通道(450 nm)下,MH实现了0.91的迈克尔逊对比度,而最佳非CITL方法仅为0.81,表明在低效率波长下性能更优。
  • CITL优化的双SLM系统在全彩全息图像中减少了散斑与伪影,视觉验证见可视化2与3。
  • MH对SLM错位表现出高度鲁棒性:即使存在1像素的横向或轴向偏移,使用CITL时性能下降极小,而DPAC或非CITL SGD则表现较差。
  • 该方法在红光(638 nm)、绿光(520 nm)和蓝光(450 nm)波长下均实现了均匀的光谱效率,纠正了因SLM效率差异导致的色彩偏移。
  • 使用NVIDIA RTX 2080Ti与PyTorch进行优化,每张1080p图像耗时约500秒,表明通过神经网络加速具备实现实时运行的潜力。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。