教育部过程系统工程研究中心最新研究：学习查看多模光纤中长期传输的高密度随机图像
论论资讯 ｜ 2024-04-29 ｜
30热度
AIP Advances
Explore content
About the journal
Publish with us
Learning to see high-density random images long-term transmitted in multimode fiber
Li X.; Song B.; Wu J.; Lin W.; Huang W.; Liu B.; Gao X.
Published：2024-04-01
DOI：10.1063/5.0191029
研究背景
在当今社会，随着科技的不断发展，图像传输在医学和通信领域中变得越来越重要。然而，长时间通过多模光纤传输图像时，会遇到一些问题，比如图像质量下降等。
研究内容
最近一篇发表在《AIP Advances》杂志上的论文提出了一种改进的多通道对称网络（MCSNet），用于在多模光纤（MMFs）长时间传输后重建高通道密度的随机图像。研究中通过计算25分钟内的时间相关性来探究散斑的时变特性。研究结果表明，由于在MMF路径上的噪声积累，散斑的质量在长时间传输后会明显恶化。MCSNet集成了U-Net和ConvNeXt Block，能够更充分地提取整个散斑中每个通道的特征。通过在初始时刻用不同的随机图像数据集进行训练，对随机图像和经过25分钟传输后的内窥镜手术实景进行测试，结果显示出近乎完美的重建性能和出色的可扩展性，表明MCSNet适用于内窥镜的长期成像解调。
研究意义
这项研究的创新之处在于提出了MCSNet这一新型网络结构，能够有效解决长时间传输后图像质量下降的问题。这对于内窥镜等医疗设备的长期成像具有重要意义，有望提高诊断和手术的效率，为医学领域带来新的突破。
希望这篇简单易懂的文章能让你更好地了解这一研究的重要性和意义。
学术热榜
查看全部
相关资讯
换一批