北京
超分辨率衍射图像投影系统的示意图，具有扩展景深。
加州大学洛杉矶分校(UCLA)的研究人员开发出一种新型图像投影系统，可在扩展的景深范围内呈现超分辨率图像。该系统将基于神经网络的数字编码器与被动全光衍射解码器相结合，大幅压缩图像数据，实现图像信息的高效传输。这一平台在解码阶段无需额外供电，为下一代虚拟和增强现实显示技术带来了突破前景。该研究成果以“Super-resolution image projection over an extended depth of field using a diffractive decoder”为题，发表在《光：科学与应用》(Light: Science & Applications)期刊上。
由Aydogan Ozcan教授和Mona Jarrahi教授领衔，UCLA研究生Hanlong Chen参与的研究团队，设计了一套将图像投影任务分为两部分的系统。
首先，数字编码器将输入图像压缩为高度紧凑的相位表征，显著缩减所需的数据量;编码后，由此产生的压缩图样由低分辨率相位投影仪显示。
接着，模拟衍射解码器利用被动、静态的光学层处理这些相位图样，重建出高分辨率的输出图像。由于光学解码器完全被动，它在不消耗额外电能的情况下即可合成超分辨图像。
研究团队在太赫兹和可见光波段的概念验证实验中，成功证实了该方法的可行性。混合平台在扩展的景深范围内展现了高保真的图像合成能力。
此外，该系统在每个横向平面上实现了高达16倍的空间带宽积提升，突破了输入显示器的自身限制。
测试还证明了该系统强大的外部泛化能力——它成功投影出训练中未见过的物体/数据类别，并且在结构错位、实验不完美或相位量化受限的情况下，依然保持了图像投影质量。
通过大幅降低数据存储和图像传输需求，同时借助被动光学解码器避免了额外的功耗负担，这种衍射架构为下一代图像显示系统提供了一条极具前景的路径。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
