Sebbene gli algoritmi di rimozione del rumore delle immagini siano stati sottoposti a ricerche e progressi approfonditi negli ultimi decenni, le tecniche di rimozione del rumore classiche spesso richiedono numerose iterazioni per la loro inferenza, rendendole meno adatte per applicazioni in tempo reale.
L'avvento delle reti neurali profonde (DNN) ha inaugurato un cambiamento di paradigma, consentendo lo sviluppo di approcci feed-forward e non iterativi di denoising delle immagini digitali.
Questi metodi basati su DNN mostrano una notevole efficacia, ottenendo prestazioni in tempo reale pur mantenendo un'elevata precisione di denoising. Tuttavia, questi denoiser digitali basati sul deep learning comportano un compromesso e richiedono unità di elaborazione grafica (GPU) ad alto costo, ad alto consumo di risorse e di energia per il funzionamento.
In un articolo pubblicato su Light:Science &Applications , un team di ricercatori, guidato dai professori Aydogan Ozcan e Mona Jarrahi dell'Università della California, Los Angeles (UCLA), Stati Uniti, e dal professor Kaan Akşit dell'University College di Londra (UCL), Regno Unito, ha sviluppato un denoiser di immagini fisiche comprendente strati diffrattivi ingegnerizzati spazialmente per elaborare immagini di input rumorose alla velocità della luce e sintetizzare immagini denoizzate nel campo visivo di output senza alcun calcolo digitale.
Dopo un addestramento una tantum su un computer, viene fabbricato il processore visivo risultante con i suoi strati di diffrazione passiva, formando un denoiser fisico dell'immagine che disperde le modalità ottiche associate al rumore indesiderato o agli artefatti spaziali delle immagini di input.
Attraverso il suo design ottimizzato, questo processore visivo diffrattivo preserva le modalità ottiche che rappresentano le caratteristiche spaziali desiderate delle immagini di input con distorsioni minime.
Di conseguenza, sintetizza istantaneamente le immagini denoizzate all'interno del suo campo visivo di output senza la necessità di digitalizzare, archiviare o trasmettere un'immagine affinché un processore digitale possa agire su di essa. L'efficacia di questo approccio completamente ottico alla riduzione del rumore delle immagini è stata convalidata sopprimendo il rumore sale e pepe dalle immagini di input codificate sia per intensità che per fase.
Inoltre, questa struttura di denoising dell'immagine fisica è stata dimostrata sperimentalmente utilizzando radiazioni terahertz e un denoiser diffrattivo fabbricato in 3D.
Questa struttura di denoising delle immagini completamente ottica offre numerosi vantaggi importanti, come basso consumo energetico, velocità ultraelevata e dimensioni compatte.
Il team di ricerca prevede che il successo di questi denoiser di immagini completamente ottici possa catalizzare lo sviluppo di processori visivi completamente ottici su misura per affrontare vari problemi inversi nell'imaging e nel rilevamento.
Ulteriori informazioni: Çağatay Işıl et al, Denoising di immagini completamente ottico utilizzando un processore visivo diffrattivo, Luce:scienza e applicazioni (2024). DOI:10.1038/s41377-024-01385-6
Fornito da UCLA Engineering Institute for Technology Advancement
