Compressed Sensing: a new framework for signals recovery and its application in Digital Holography

摘要: In olografia digitale l'informazione di ampiezza e fase del fronte d'onda un oggetto puo essere ottenuta quantitativamente analizzata in attraverso la simulazione numerica delle leggi diffrazione. Partendo da questo, sono state realizzate molte applicazioni grande interesse campo ottico, come l'imaging microscopico a contrasto fase, recognition oggetti 3D il display dinamico ologrammi 3D. ogni caso, qualita queste elaborazioni dipende fortemente dalla degli processare, particolare dal rumore che processo acquisizione ologramma introduce sul registrato. Le tecniche vengono, attualmente, applicate sugli sulle loro ricostruzioni numeriche per ottimizzarne qualita, tipiche dell'image processing. Molte esse permettono ridurre o sopprimere rumore, nel caso specifico digitali, composto una mistura due componenti: additivo Gaussiano, non correlato all'ologramma, moltiplicativo tipo speckle. Ad esempio i metodi classici basati su trasformata Fourier wavelet stati ampiamente studiati, ma possono applicati solo nei rispettivi domini trasformati. Inoltre, tali influenzati cambiamento alcuni parametri elaborare, ad frequenza, l'ampiezza etc. Al fine superare efficacemente limiti evidenziati piu comuni algoritmi denoising, risulta fondamentale realizzazione ricostruzione siano robusti nelle diverse condizioni cui acquisito. A tal fine, questo lavoro tesi propone nuovo metodo denoising molto robusto ed efficiente, basato sulla tecnica Compressed Sensing (CS). Il CS procedura l'acquisizione segnali rappresentati forma sparsa opportuno dominio trasformato. Dopo inizio lento, tema ha acquisito un'elevata risonanza, impatto scientifico forte grazie al riconoscimento che, natura, molti segnali, se proiettati dominio, ammettono rappresentazione sparsa. Sfruttando questa sparsita, si ottenere migliore approssimazione della funzione distorsione-tasso segnale, fornire linee guida realizzare un’efficiente efficace verra dimostrato tesi. Nonostante framework avuto nella comunita scientifica, chiave comprensione profonda l'identificazione dei fondamentali processi denoising. Questa analizzare questi aspetti particolari, quali gli fornendo standard valle processing mirato all'eliminazione componenti rumore. L'algoritmo progettato implementato, rimozione corrompe dimostrano diversi esempi sperimentali. Infatti stato testato ologrammi, acquisiti sperimentali, risultati rivelati eccellenti, dimostra bonta robustezza proposto. Inoltre analizzato l'effetto denosing proiezione processati, vedere quantificare miglioramenti produce ologrammi.