ლინზების გარეშე ეფექტური სნეპშოტ ჰიპერსპექტრული გამოსახულება დინამიური ფაზური მოდულაციის გამოყენებით
სივრცითი სინათლის მოდულატორი (SLM) არის დინამიური ოპტიკური კომპონენტი, რომელსაც შეუძლია რეალურ დროში მოდულაცია მოახდინოს დაცემული სინათლის ამპლიტუდის, ფაზისა და პოლარიზაციის მდგომარეობის გარე კონტროლის ქვეშ. ის ამას აღწევს თხევადი კრისტალების გარდატეხის ინდექსის რეგულირებით, რითაც კონტროლდება ოპტიკური გზის სიგრძე. თხევადკრისტალური SLM-ების გამოყენებით შესაძლებელია დიფრაქციული ოპტიკური ელემენტების (DOE) სიმულირება, რაც მათი პროგრამირებისა და მოქნილობის გამო აქტიური დიფრაქციის კონტროლის საშუალებას იძლევა.

დიფრაქციული ოპტიკური ელემენტის (DOE) საფუძველზე შექმნილი სნეპშოტ ჰიპერსპექტრული გამოსახულება სულ უფრო ხშირად გვხვდება ღრმა ოპტიკის ბოლოდროინდელ პროგრესში. სივრცითი და სპექტრული გარჩევადობის მნიშვნელოვანი მიღწევების მიუხედავად, ფოტოლიტოგრაფიის ამჟამინდელი ტექნოლოგიის შეზღუდვებმა ხელი შეუშალა შექმნილ DOE-ს იდეალურ სიმაღლეებზე და მაღალი დიფრაქციული ეფექტურობით დაპროექტებას, რაც ამცირებს კოდირებული გამოსახულების ეფექტურობას და ზოგიერთ დიაპაზონში რეკონსტრუქციის სიზუსტეს. აქ, ჩვენი ინფორმაციით, ჩვენ ვთავაზობთ ახალ, ლინზების გარეშე ეფექტურ სნეპშოტ ჰიპერსპექტრულ გამოსახულების სისტემას (LESHI), რომელიც იყენებს თხევად-კრისტალს-სილიკონზე სივრცითი სინათლის მოდულატორს (LCoS-SLM), ტრადიციულად შექმნილ DOE-ს ჩასანაცვლებლად, რაც იწვევს მოდულაციის მაღალ დონეს და რეკონსტრუქციის სიზუსტეს. ერთლინზიანი გამოსახულების მოდელის გარდა, სისტემას შეუძლია გამოიყენოს LCoS-SLM-ის გადართვის უნარი განაწილებული დიფრაქციული ოპტიკის (DDO) გამოსახულების განსახორციელებლად და დიფრაქციული ეფექტურობის გასაზრდელად მთელ ხილულ სპექტრში.
ნაწილობრივი ექსპერიმენტული პროცედურები და შედეგები
LESHI სისტემის სქემა ნაჩვენებია ნახ. 1-ში. ობიექტის გასანათებლად გამოიყენება სინათლის წყარო (CIE სტანდარტული განათებით D65, Datacolor Tru-Vue სინათლის ჯიხური). ნიმუშის არეკლილი სინათლე გადის პოლარიზატორში (GCL-050003), აირეკლება სხივის გამყოფით (GCC-M402103) და ეცემა LCoS-SLM-ს (FSLM-2K39-P02, 8-ბიტიანი ნაცრისფერი დონე 256 საფეხურით, 180 ჰც განახლების სიხშირე), რომელიც დატვირთულია ოპტიმიზირებული DOE ნიმუშებით. რადგან თხევადკრისტალურ ფენას აქვს სხვადასხვა რეფრაქციული ინდექსი სპექტრის სხვადასხვა ტალღის სიგრძისთვის [52,53], მას შეუძლია წარმოქმნას სხვადასხვა ფაზური შეფერხებები მთელი სპექტრისთვის, DOE-ს მსგავსად, რაც ყოფს უწყვეტ ჰიპერსპექტრულ მონაცემთა კუბს. ამრიგად, როდესაც სინათლის ტალღა გადის LCoS-SLM-ის თხევადკრისტალურ ფენაში, თითოეული პიქსელის მოდულაცია იწვევს სინათლის ტალღის ფაზის შეცვლას. და ბოლოს, LCoS-SLM-დან არეკლილი ფაზურად მოდულირებული სინათლე გადასცემს სხივის გამყოფს და ფიქსირდება ფერადი CMOS კამერით (ME2P-1230-23U3C, რომელიც შეიცავს ბაიერის ფილტრს).

სურ. 1. ლინზების გარეშე ეფექტური კადრების ჰიპერსპექტრული გამოსახულების (LESHI) სისტემის სქემა. LCoS-SLM, სილიციუმზე დაფუძნებული თხევადი კრისტალი სივრცითი სინათლის მოდულატორი. LESHI მოიცავს აპარატურულ დიფრაქციულ გამოსახულების და პროგრამულ უზრუნველყოფაზე დაფუძნებულ ჰიპერსპექტრულ რეკონსტრუქციის ალგორითმებს. დიფრაქციული გამოსახულების კომპონენტი მოიცავს LCoS-SLM-ს, პოლარიზატორს, სხივის გამყოფს და ფერად CMOS კამერას. ჰიპერსპექტრული რეკონსტრუქციის ალგორითმი იყენებს ResU-net-ს სპექტრული ინფორმაციის გაშიფვრისთვის.

სურ. 2. LESHI-ს მუშაობის პრინციპი. (ა) LESHI-ს მილსადენი. (ბ) PSF-ის შეგროვების პროცესის სქემა დიფრაქციულ ოპტიკურ გამოსახულებაში LCoS-SLM-ზე დაფუძნებული DOE ნიმუშებით. (გ) DDO მოდელის დიზაინი LCoS-SLM-ზე დაფუძნებული. DDO აერთიანებს სხვადასხვა დიაპაზონის ინდივიდუალური DOE-ების PSF-ებს და ამატებს დიფრაქციული ეფექტურობის მოდელს დეგენერირებული PSF მოდელის შესაქმნელად. (დ) ResU-net რეკონსტრუქციის ალგორითმის სტრუქტურა, რომელიც აერთიანებს U-net-ის U-ფორმის არქიტექტურას ResNet-ის ნარჩენ კავშირებთან.

სურ. 3. LESHI მოდელის ვალიდაცია. (ა) ICVL მონაცემთა ნაკრებიდან მიღებული ძირითადი სიმართლე. (ბ) LCoS-SLM-ზე ჩატვირთული გაწვრთნილი სიმულირებული DOE ნიმუში. (გ) LESHI მოდელის მიერ გენერირებული RGB გამოსახულება ერთი DOE ნიმუშით. (დ) (გ) რეკონსტრუირებული შედეგი. (ე) რეკონსტრუირებული ჰიპერსპექტრული გამოსახულებები LESHI მოდელის გამოყენებით ერთი DOE ნიმუშით. (ვ) ძირითადი სიმართლე და სპექტრული გასხივოსნების მრუდების რეკონსტრუირებული მნიშვნელობები (ა)-ში აღნიშნული ლოკალური ფართობისთვის „1“. (ზ) იგივე, რაც (ვ), მაგრამ „2“ ლოკალური ფართობისთვის. (თ) დიფრაქციის ეფექტურობა, როგორც ტალღის სიგრძის ფუნქცია, LESHI მოდელში ერთი DOE ნიმუშის (LCoS-S) და მრავალი DOE ნიმუშის (LCoS-D) გამოყენებით. ცხრილი აჩვენებს LCoS-D-ის ფარდობით დიფრაქციული ეფექტურობის მომატებას (RDEG) LCoS-S-თან შედარებით სამ სხვადასხვა დიაპაზონში (400–500 ნმ, 500–600 ნმ, 600–700 ნმ).

სურ. 4. LESHI სისტემის მუშაობის დახასიათება. (ა) ISO12233 სატესტო დიაგრამის რეკონსტრუირებული გამოსახულება. (ბ) სატესტო დიაგრამაზე ორი რეგიონის სივრცითი ხაზების პროფილები, რომლებიც მონიშნულია ღია ნარინჯისფერ და ფირუზისფერ უჯრებში (ა)-ში 1 ეტიკეტის ადგილას. (გ) სატესტო დიაგრამაზე ორი რეგიონის სივრცითი ხაზების პროფილები, მონიშნულია ღია ლურჯ და ფირუზისფერ უჯრებში (ა)-ში 2 ეტიკეტის ადგილას. (დ) LEHSI სისტემის გაზომვა. (ე) (გ)-ს რეკონსტრუირების შედეგი RGB ფორმატში. (ვ) საშუალო კვადრატული შეცდომა (RMSE) და რეკონსტრუირებული გამოსახულების მაქსიმალური შეცდომა და გაზომვა CS-2000 სპექტრომეტრით ექვს ლოკალურ რეგიონში [მონიშნულია თეთრი უჯრებით (გ)-ში]. (ზ) ექვსი ლოკალური რეგიონის რეკონსტრუირებული სიკაშკაშის მრუდები [მონიშნულია თეთრი უჯრებით (გ)-ში] ტალღის სიგრძის ფუნქციის მიხედვით. ძირითადი სიმართლე მიიღება CS-2000 სპექტრომეტრით. (თ) (დ)-ს შვიდი წარმომადგენლობითი რეკონსტრუირებული სპექტრული არხი.

სურ. 5. ფოკუსური მანძილის მოდიფიკაციის გამოყენების შედეგები. (ა) ფაზური მოდულაციის ნიმუშები, რომლებიც ჩატვირთულია LCoS-SLM-ზე სხვადასხვა ფოკუსური მანძილით, ბოლოდან ბოლომდე ტრენინგის გზით. (ბ) (ა)-ს შესაბამისი გადაღებული RGB გამოსახულებები. (გ) სპექტრული გამოსახულების აღდგენის შედეგები LESHI სისტემის გამოყენებით სხვადასხვა ფოკუსურ მანძილზე. (დ) ექვსი წარმომადგენლობითი რეკონსტრუირებული სპექტრული არხი, რომლებიც შეესაბამება (გ)-ს.

სურ. 6. სხვადასხვა მოდელის სპექტრული რეკონსტრუქციის სიმულაციების შედარება. (ა) ოთხი რეკონსტრუქციის მონაცემების შედეგებისა და ვიზუალური ეფექტების შედარებით, LCoS-SLM-ზე დაფუძნებული დიფრაქციული ოპტიკური გამოსახულების მოდელი ეფექტურად აუმჯობესებს რეკონსტრუქციის მუშაობას და თავიდან აცილებს კვანტიზებული DOE-ს მიერ გამოწვეული რეკონსტრუქციის შედეგების დეგრადაციას. (ბ) სხვადასხვა მოდელის სპექტრული გამოსხივების მრუდები. სპექტრული მრუდები აჩვენებს, რომ LCoS-D-ის რეკონსტრუირებული სპექტრული მრუდები უფრო ახლოსაა მიწის სიმართლის მნიშვნელობებთან.
ამ ექსპერიმენტში გამოყენებული მხოლოდ ფაზური სივრცითი სინათლის მოდულატორის სპეციფიკაციები შემდეგია:

| მოდელი | FSLM-2K39-P02 | რეგულირების ტიპი | ფაზის ტიპი |
| LC ტიპი | ამრეკლავი | გსხივური მასშტაბი ლეველი | 8-ბიტიანი, 256 დონე. |
| გარჩევადობა | 1920×1080 | პიქსელის ზომა | 4.5 მკმ |
| ეფექტური არეალი | 0.39"
| ფაზის დიაპაზონი | 2π@532nm მაქს: 3.8π@532nm 2π@637nm მაქს: 3π@637nm |
| შევსების ფაქტორი | 91.3% | ოპტიკური ეფექტურობა | 68.7% @532nm 60.8% @637nm 75% @808nm |
| მონაცემთა ინტერფეისი | მინი DP | ორიენტაციის კუთხე | 0° |
| განახლების სიხშირე | 60Hz/180Hz/360Hz მხარდაჭერილი ფერები: კი | რეაგირების დრო | ≤16.7 მილიწამი |
| გამა კორექცია | მხარდაჭერილი | სპექტრული დიაპაზონი | 420 ნმ-820 ნმ |
| ტალღის ფრონტის კორექცია | მხარდაჭერილი (532 ნმ/635 ნმ) | ფაზის კალიბრაცია | მხარდაჭერილი (450 ნმ/532 ნმ/635 ნმ/808 ნმ) |
| შეყვანის ძაბვა | 5 ვოლტი 2 ა | ხაზოვანება | ≥99% |
| დიფრაქციული ეფექტურობა | 532 ნმ 65%@L8 74% @L16 80% @L32 637 ნმ 65%@L8 74% @L16 80% @L32 | დაზიანების ზღვარი | უწყვეტი: ≤ 20 W/cm² (წყლით გაგრილების გარეშე), ≤ 100 W/cm² (წყლით გაგრილების შემთხვევაში) პულსი: პიკური სიმძლავრის სიმკვრივე (0.05 გვტ/სმ²), საშუალო სიმძლავრის სიმკვრივე (2 ვტ/სმ²) @532 ნმ/290 fs/100 KHz (წყლის გაგრილებით) |
დასკვნითი აზრები
DOE, როგორც ტრადიციული დიფრაქციული ოპტიკური ელემენტი, აქვს ფიქსირებული სტრუქტურა და ფიქსირებული ფუნქციონირება, მაგრამ მისი ეფექტურობა შედარებით მაღალია. ამის საპირისპიროდ, თხევადკრისტალური სივრცითი სინათლის მოდულატორი (SLM) ახდენს ტალღის ფრონტის მოდულირებას ელექტრული მართვის საშუალებით, რაც საშუალებას იძლევა მოქნილი პროგრამირებისა და რეალურ დროში მოდულაციის. თუმცა, მისი ეფექტურობა უფრო დაბალია პიქსელური ხარვეზებისა და თხევადკრისტალური რეაქციის დანაკარგების გამო. ორივეს აქვს საკუთარი უპირატესობები და ნაკლოვანებები და მათი ურთიერთშემავსებლის გამოყენებით შესაძლებელია ოპტიკური სისტემების ოპტიმიზაცია. მაგალითად, SLM შეიძლება გამოყენებულ იქნას DOE-ში აბერაციების გამოსასწორებლად, ან DOE შეიძლება გაერთიანდეს SLM-თან SLM-ის ფუნქციური საზღვრების გაფართოებისთვის.
სტატიის ინფორმაცია: https://doi.org/10.1364/PRJ.543621










