KR20190083583A - Device and method for reproducing binary hologram - Google Patents

Device and method for reproducing binary hologram Download PDF

Info

Publication number
KR20190083583A
KR20190083583A KR1020180001404A KR20180001404A KR20190083583A KR 20190083583 A KR20190083583 A KR 20190083583A KR 1020180001404 A KR1020180001404 A KR 1020180001404A KR 20180001404 A KR20180001404 A KR 20180001404A KR 20190083583 A KR20190083583 A KR 20190083583A
Authority
KR
South Korea
Prior art keywords
hologram
binarization
holograms
threshold value
determining
Prior art date
Application number
KR1020180001404A
Other languages
Korean (ko)
Inventor
김재한
김진웅
박민식
Original Assignee
한국전자통신연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020180001404A priority Critical patent/KR20190083583A/en
Publication of KR20190083583A publication Critical patent/KR20190083583A/en

Links

Images

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/04—Processes or apparatus for producing holograms
    • G03H1/0443—Digital holography, i.e. recording holograms with digital recording means
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/22—Processes or apparatus for obtaining an optical image from holograms
    • G03H1/2294—Addressing the hologram to an active spatial light modulator
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Holo Graphy (AREA)

Abstract

The present invention provides a method for reproducing a binary hologram which generates a gray level hologram from a three-dimensional object, performs binarization on the gray level hologram to generate a plurality of binarization holograms, determines a first threshold value using the plurality of binarization holograms, binarizing the gray level hologram using a first threshold to produce a first binarization hologram, and generating an optical reproduction hologram using the first binarization hologram. So, it is possible to obtain an optimal threshold value for minimizing the image quality degradation of a hologram production image by a hologram image input to a spatial light modulator (SLM) such as a DMD operating at a high frame rate of tens of KHz.

Description

이진 홀로그램 재현 장치 및 그 방법{DEVICE AND METHOD FOR REPRODUCING BINARY HOLOGRAM}TECHNICAL FIELD [0001] The present invention relates to a binary hologram reproducing apparatus,

본 발명은 간섭에 의하여 기록된 홀로그램이나 컴퓨터로 생성된 홀로그램(CGH; Computer Generated Hologram)을 이진화 홀로그램(binary hologram)으로 재현하는 이진 홀로그램 재현 장치 및 그 방법에 관한 것이다. BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a binary hologram reproducing apparatus and a method for reproducing a hologram recorded by interference or a computer generated hologram (CGH) with a binary hologram.

최근, 1 비트의 이진 데이터 영상을 입력으로 하며 수십 KHz의 고속 프레임 레이트(frame rate)로 동작하는 DMD와 같은 공간광변조기(SLM)를 이용하여 홀로그램을 재현하는 연구와 홀로그래픽 디스플레이의 개발이 활발하게 진행되고 있다.Recently, a hologram is reproduced using a spatial light modulator (SLM) such as a DMD operating at a high frame rate of several tens of kilohertz with a 1-bit binary data input, and a holographic display is actively developed .

이 경우, 1 또는 0의 이진 밝기 특성으로 동작하는 DMD와 같은 공간광변조기의 특성에 맞추어, 그레이 레벨(gray level 또는 gray scale)의 "간섭에 의하여 기록된 홀로그램"이나 "컴퓨터로 생성된 홀로그램(CGH; Computer Generated Hologram)"을 이진 홀로그램(binary hologram)으로 바꾸어 공간광변조기에 입력하여야 한다. In this case, a "gray level" or "gray scale" hologram recorded by interference or a "computer generated hologram" (corresponding to the characteristics of a spatial light modulator such as a DMD operating with a binary brightness characteristic of 1 or 0) CGH (Computer Generated Hologram) "into a binary hologram and input it to the spatial light modulator.

그레이 레벨(gray level)로 만들어진 홀로그램 영상의 각 화소 값을 이진화(binarization)하기 위해, 임계값(threshold)라고 부르는 경계값을 이용하여 1(or white) 또는 0(or black)으로 바꿀 때 화질의 저하를 최소화하는 최적의 값으로 임계값을 정해야 한다. In order to binarize each pixel value of a hologram image made of a gray level, when changing to 1 (or white) or 0 (or black) by using a threshold value called a threshold, The threshold should be set to an optimal value that minimizes degradation.

즉, 홀로그램의 이진화 과정에서 화질의 저하가 필연적으로 발생하므로, 화질의 저하가 최소화 되는 최적의 임계값을 획득해야 하며, 이 최적의 임계값에 의하여 최종 홀로그램의 재현 영상 품질이 결정된다.That is, since an image quality degrades inevitably in the process of binarizing the hologram, an optimal threshold value that minimizes degradation of the image quality should be obtained, and the reproduced image quality of the final hologram is determined by the optimal threshold value.

최적의 임계값을 결정하기 위해, 종래에는, 임의의 이진화 임계값을 반복적으로 대입하여, 홀로그램의 재현 영상이 가장 선명할 때의 값을 택하는 단순한 방법을 사용하거나, 순차적으로 하나 또는 복수의 픽셀에 대하여 이진화 임계값을 변경해 가면서 재현 영상의 화질을 측정하고, 전체 홀로그램 영역에서 이를 반복 연산하여, 최적의 이진화 임계값을 찾기도 한다. In order to determine an optimal threshold value, conventionally, a simple method of repeatedly substituting an arbitrary binarization threshold value to select a value when the reconstructed image of the hologram is sharpest is used, or sequentially using one or a plurality of pixels The image quality of the reproduced image is measured while changing the binarization threshold value, and it is repeatedly calculated in the entire hologram area to find the optimal binarization threshold value.

이러한 방법들은 결정된 임계값이 최고의 화질의 영상을 제공하는 최적의 이진화 임계값인지 아니지를 판별할 수 없으며, 연산에 소요되는 시간이 과도하다는 단점이 있다. These methods have a disadvantage in that it is impossible to determine whether or not the determined threshold value is an optimal binarization threshold value providing an image of the highest image quality, and the time required for the calculation is excessive.

이외에도 2차원 영상 처리에서 사용되는 히스토그램이나 엣지(edge)를 이용하여 최적의 이진화 임계값을 찾는 다양한 기술이 제안되고 있으나, 효율적인 면에서는 만족스럽지 못한 수준으로 평가되고 있다.In addition, various techniques for finding an optimal binarization threshold using a histogram or an edge used in a two-dimensional image processing have been proposed, but they have been evaluated to be unsatisfactory in terms of efficiency.

이러한 문제점의 근본적인 이유는, 광원과 광학계를 이용하여 홀로그램을 재현하는 디스플레이 시스템에 있어서, 광학계의 비선형성을 파악하기가 어렵고, 이진화에 의해 만들어진 이진 홀로그램의 재현 시 일어나는 회절 특성을 분석적으로 해석하는 과정도 쉽지 않기 때문이다.The fundamental reason for this problem is that it is difficult to grasp the nonlinearity of the optical system in a display system that reproduces the hologram using a light source and an optical system, and a process of analytically analyzing the diffraction characteristics occurring when reproducing the binary hologram produced by the binarization It is not easy.

본 발명은 상기한 문제점을 해결하기 위한 것으로, 최적의 임계값을 결정하는 종래의 단순한 방식과 달리, 홀로그램의 이진화 시에 발생하는 시스템의 비선형 과정을 신경회로망으로 학습시킨 후에, 최적의 이진화 임계값을 신경회로망으로 결정하는 이진 홀로그램 재현 장치 및 그 방법을 제공하기 위함이다.SUMMARY OF THE INVENTION The present invention has been made to solve the above problems and it is an object of the present invention to provide a neural network which learns a nonlinear process of a system occurring at the time of binarization of a hologram, And a method of reproducing the binary hologram.

본 발명의 실시예에 따른 이진 홀로그램 재현 방법은, 3차원 객체로부터 그레이 레벨 홀로그램을 생성하는 단계; 상기 그레이 레벨 홀로그램에 대하여 이진화를 수행하여, 복수의 이진화 홀로그램을 생성하는 단계; 상기 복수의 이진화 홀로그램을 이용하여, 제1 임계값을 결정하는 단계; 상기 그레이 레벨 홀로그램을 상기 제1 임계값을 이용하여 이진화하여, 제1 이진화 홀로그램을 생성하는 단계; 및 상기 제1 이진화 홀로그램을 이용하여, 광학적 재현 홀로그램을 생성하는 단계를 포함할 수 있다.A method of reproducing a binary hologram according to an exemplary embodiment of the present invention includes: generating a gray level hologram from a three-dimensional object; Performing binarization on the gray level hologram to generate a plurality of binarization holograms; Determining a first threshold value using the plurality of binarization holograms; Generating a first binarization hologram by binarizing the gray level hologram using the first threshold value; And generating the optical reproduction hologram using the first binarization hologram.

상기 복수의 이진화 홀로그램을 생성하는 단계는, 상기 그레이 레벨 홀로그램에 대하여 복수의 임계값 각각으로 이진화하여, 상기 복수의 이진화 홀로그램을 생성하는 단계를 포함하며, 상기 제1 임계값을 결정하는 단계는, 상기 복수의 임계값 중에서 상기 제1 임계값을 결정하는 단계를 포함할 수 있다.Wherein the step of generating the plurality of binarization holograms includes generating the plurality of binarization holograms by binarizing each of the plurality of binarization thresholds with respect to the gray level hologram, And determining the first threshold value among the plurality of threshold values.

상기 제1 임계값을 결정하는 단계는, 복수의 계층으로 구성된 신경회로망 및 상기 복수의 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정하는 단계를 포함할 수 있다.The determining of the first threshold may comprise determining the first threshold using the neural network having a plurality of layers and the plurality of binarization holograms.

상기 제1 임계값을 결정하는 단계는, 상기 복수의 이진화 홀로그램 각각에 대한 광학적 홀로그램을 재현하여 복수의 광학적 재현 홀로그램을 생성하는 단계, 및, 상기 복수의 이진화 홀로그램, 상기 복수의 광학적 홀로그램, 및 상기 신경회로망을 이용하여 상기 제1 임계값을 결정하는 단계를 포함할 수 있다.Wherein the step of determining the first threshold comprises the steps of reproducing an optical hologram for each of the plurality of binarization holograms to generate a plurality of optical reconstruction holograms and generating the plurality of binarization holograms, And determining the first threshold value using a neural network.

상기 제1 임계값을 결정하는 단계는, 상기 복수의 이진화 홀로그램 및 상기 복수의 광학적 홀로그램을 상기 신경회로망에 입력한 결과에 기반하여 상기 제1 임계값을 결정하는 단계를 포함할 수 있다.The determining of the first threshold may comprise determining the first threshold based on inputting the plurality of binarization holograms and the plurality of optical holograms to the neural network.

상기 제1 임계값을 결정하는 단계는, 상기 복수의 이진화 홀로그램을 상기 신경회로망의 출력단에 입력하면서 상기 복수의 광학적 홀로그램을 상기 신경회로망의 입력단에 입력하는 단계; 상기 복수의 계층을 구성하는 복수의 계수를 결정하는 단계; 및, 상기 복수의 계수 및 상기 복수의 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정하는 단계를 포함할 수 있다.The step of determining the first threshold value may include inputting the plurality of optical holograms to an input terminal of the neural network while inputting the plurality of binarization holograms to an output terminal of the neural network, Determining a plurality of coefficients constituting the plurality of layers; And determining the first threshold value using the plurality of coefficients and the plurality of binarization holograms.

상기 제1 임계값을 결정하는 단계는, 상기 복수의 계수가 결정된 상기 신경회로망에 기 설정된 제1 광학적 재현 홀로그램을 입력하는 단계; 상기 제1 광학적 재현 홀로그램의 입력에 대응하여 상기 신경회로망의 출력단으로부터 기준 이진화 홀로그램을 획득하는 단계; 및, 상기 기준 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정하는 단계를 포함할 수 있다.Wherein the determining of the first threshold comprises: inputting a first optical reproduction hologram predetermined in the neural network for which the plurality of coefficients have been determined; Obtaining a reference binarization hologram from the output of the neural network corresponding to the input of the first optical reconstruction hologram; And determining the first threshold value using the reference binarization hologram.

상기 제1 임계값을 결정하는 단계는, 상기 복수의 이진화 홀로그램 중 상기 기준 이진화 홀로그램과 유사도가 가장 높은 이진화 홀로그램을 결정하는 단계, 및, 상기 결정된 이진화 홀로그램에 대응하는 임계값을 상기 제1 임계값으로 결정하는 단계를 포함할 수 있다.Wherein the determining of the first threshold value comprises: determining a binarization hologram having a highest degree of similarity to the reference binarization hologram among the plurality of binarization holograms; and determining a threshold value corresponding to the determined binarization hologram as the first threshold value As shown in FIG.

본 발명의 실시예에 따른 이진 홀로그램 재현 장치는, 3차원 객체로부터 그레이 레벨 홀로그램을 생성하는 그레이 레벨 홀로그램 생성부; 상기 그레이 레벨 홀로그램에 대하여 이진화를 수행하여, 복수의 이진화 홀로그램을 생성하는 이진화 홀로그램 생성부; 상기 복수의 이진화 홀로그램을 이용하여, 제1 임계값을 결정하는 임계값 산출부를 포함하고, 상기 이진화 홀로그램 생성부는, 상기 그레이 레벨 홀로그램을 상기 제1 임계값을 이용하여 이진화하여, 제1 이진화 홀로그램을 생성하며, 상기 제1 이진화 홀로그램을 이용하여, 광학적 재현 홀로그램을 생성하는 광학적 홀로그램 재현부를 더 포함할 수 있다.A binary hologram reproducing apparatus according to an embodiment of the present invention includes: a gray level hologram generating unit for generating a gray level hologram from a three-dimensional object; A binarization hologram generation unit for binarizing the gray level hologram to generate a plurality of binarization holograms; And a threshold value calculation unit for determining a first threshold value by using the plurality of binarization holograms, wherein the binarization hologram generation unit binarizes the gray level hologram using the first threshold value to generate a first binarization hologram And generating an optical reproduction hologram using the first binarization hologram.

상기 이진화 홀로그램 생성부는, 상기 그레이 레벨 홀로그램에 대하여 복수의 임계값 각각으로 이진화하여, 상기 복수의 이진화 홀로그램을 생성하며, 상기 임계값 산출부는, 상기 복수의 임계값 중에서 상기 제1 임계값을 결정할 수 있다.Wherein the binarization hologram generating unit generates the plurality of binarization holograms by binarizing each of the plurality of gray-level holograms with a plurality of threshold values, and the threshold value calculating unit may determine the first threshold value among the plurality of threshold values have.

상기 임계값 산출부는, 복수의 계층으로 구성된 신경회로망 및 상기 복수의 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정할 수 있다.The threshold value calculator may determine the first threshold value using a neural network composed of a plurality of layers and the plurality of binarization holograms.

상기 광학적 홀로그램 재현부는, 상기 복수의 이진화 홀로그램 각각에 대한 광학적 홀로그램을 재현하여 복수의 광학적 재현 홀로그램을 생성하고, 상기 임계값 산출부는, 상기 복수의 이진화 홀로그램, 상기 복수의 광학적 홀로그램, 및 상기 신경회로망을 이용하여 상기 제1 임계값을 결정할 수 있다.Wherein the optical hologram reproducing section reproduces an optical hologram for each of the plurality of binarization holograms to generate a plurality of optical reproduction holograms, and the threshold value calculating section generates the plurality of binarization holograms, the plurality of optical holograms, To determine the first threshold value.

상기 임계값 산출부는, 상기 복수의 이진화 홀로그램 및 상기 복수의 광학적 홀로그램을 상기 신경회로망에 입력한 결과에 기반하여 상기 제1 임계값을 결정할 수 있다.The threshold value calculation unit may determine the first threshold value based on a result of inputting the plurality of binarization holograms and the plurality of optical holograms to the neural network.

상기 복수의 이진화 홀로그램을 상기 신경회로망의 출력단에 입력하면서 상기 복수의 광학적 홀로그램을 상기 신경회로망의 입력단에 입력하고, 상기 복수의 계층을 구성하는 복수의 계수를 결정하는 신경회로망부를 더 포함하며, 상기 임계값 산출부는, 상기 복수의 계수 및 상기 복수의 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정할 수 있다.Further comprising a neural network unit for inputting the plurality of optical holograms into an input terminal of the neural network while inputting the plurality of binarization holograms to an output terminal of the neural network and determining a plurality of coefficients constituting the plurality of layers, The threshold value calculator may determine the first threshold value using the plurality of coefficients and the plurality of binarization holograms.

상기 신경회로망부는, 상기 복수의 계수가 결정된 상기 신경회로망에 기 설정된 제1 광학적 재현 홀로그램을 입력하고, 상기 제1 광학적 재현 홀로그램의 입력에 대응하여 상기 신경회로망의 출력단으로부터 기준 이진화 홀로그램을 획득하며, 상기 임계값 산출부는, 상기 기준 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정할 수 있다.Wherein the neural network inputs a first optical reproduction hologram predetermined in the neural network in which the plurality of coefficients are determined and acquires a reference binarization hologram from an output end of the neural network corresponding to the input of the first optical reproduction hologram, The threshold value calculator may determine the first threshold value using the reference binarization hologram.

상기 복수의 이진화 홀로그램 중 상기 기준 이진화 홀로그램과 유사도가 가장 높은 이진화 홀로그램을 결정하는 이진화 검색부를 더 포함하고, 상기 임계값 산출부는, 상기 결정된 이진화 홀로그램에 대응하는 임계값을 상기 제1 임계값으로 결정할 수 있다.Further comprising a binarization search unit for determining a binarization hologram having a highest similarity to the reference binarization hologram among the plurality of binarization holograms, wherein the threshold calculator determines the threshold value corresponding to the determined binarization hologram as the first threshold value .

본 발명의 실시예에 따른 이진 홀로그램 재현 장치는, 3차원 객체로부터 그레이 레벨 홀로그램을 생성하는 그레이 레벨 홀로그램 생성부; 상기 그레이 레벨 홀로그램에 대하여 이진화를 수행하여, 복수의 이진화 홀로그램을 생성하는 이진화 홀로그램 생성부; 상기 복수의 이진화 홀로그램을 이용하여, 제1 임계값을 결정하는 임계값 산출부를 포함하고, 상기 이진화 홀로그램 생성부는, 상기 그레이 레벨 홀로그램을 상기 제1 임계값을 이용하여 이진화하여, 제1 이진화 홀로그램을 생성할 수 있다.A binary hologram reproducing apparatus according to an embodiment of the present invention includes: a gray level hologram generating unit for generating a gray level hologram from a three-dimensional object; A binarization hologram generation unit for binarizing the gray level hologram to generate a plurality of binarization holograms; And a threshold value calculation unit for determining a first threshold value by using the plurality of binarization holograms, wherein the binarization hologram generation unit binarizes the gray level hologram using the first threshold value to generate a first binarization hologram Can be generated.

상기 제1 이진화 홀로그램을 이용하여, 광학적 재현 홀로그램을 생성하는 광학적 홀로그램 재현부를 더 포함할 수 있다.And an optical hologram reproducing unit for generating an optical reproduction hologram using the first binarization hologram.

상기 이진화 홀로그램 생성부는, 상기 그레이 레벨 홀로그램에 대하여 복수의 임계값 각각으로 이진화하여, 상기 복수의 이진화 홀로그램을 생성하며, 상기 임계값 산출부는, 상기 복수의 임계값 중에서 상기 제1 임계값을 결정할 수 있다.Wherein the binarization hologram generating unit generates the plurality of binarization holograms by binarizing each of the plurality of gray-level holograms with a plurality of threshold values, and the threshold value calculating unit may determine the first threshold value among the plurality of threshold values have.

상기 임계값 산출부는, 복수의 계층으로 구성된 신경회로망 및 상기 복수의 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정할 수 있다.The threshold value calculator may determine the first threshold value using a neural network composed of a plurality of layers and the plurality of binarization holograms.

본 발명의 일 실시예에 따르면, 다른 관점에 따르면, 그레이 레벨(gray level)로 만들어진 홀로그램 영상의 각 화소 값에 대하여 이진화를 위한 최적의 임계값을 이용하여, 임계값 이상의 화소는 1(or white), 임계값 미만의 화소는 0(or black)으로 변경함으로써, DMD와 같은 공간광변조기(SLM)에 입력되는 홀로그램 영상에 의한 홀로그램의 재현 영상의 화질 저하가 최소화 되는 최적의 임계값을 얻는 것이 가능하다.According to another aspect of the present invention, a pixel having a threshold value or more is selected from 1 (or white) pixels using an optimal threshold value for binarization for each pixel value of a hologram image made of a gray level ) And changing the pixel below the threshold value to 0 (or black), it is possible to obtain an optimum threshold value in which degradation of image quality of the reproduced image of the hologram by the hologram image input to the spatial light modulator (SLM) such as the DMD is minimized It is possible.

도 1은 본 발명의 일 실시예에 따른 이진 홀로그램 재현 시 사용되는 신경회로망의 트레이닝 셋을 도시한다.
도 2 및 도 3은 본 발명의 일 실시예에 따른 복수의 트레이닝 셋을 이용하여 신경회로망을 학습시키는 과정을 도시한다.
도 4는 본 발명의 일 실시예에 따른 기준 이진화 홀로그램을 획득하는 과정을 도시한다.
도 5는 본 발명의 일 실시예에 따른 최적의 임계값을 획득하는 과정을 도시한다.
도 6 본 발명의 일 실시예에 따른 이진 홀로그램 재현 방법을 나타낸 흐름도이다.
도 7은 본 발명의 일 실시예에 따른 이진 홀로그램 재현 장치를 도시한다.1 shows a training set of a neural network used in reproducing a binary hologram according to an embodiment of the present invention.
2 and 3 illustrate a process of learning a neural network using a plurality of training sets according to an embodiment of the present invention.
FIG. 4 illustrates a process of acquiring a reference binarization hologram according to an embodiment of the present invention.
FIG. 5 illustrates a process of obtaining an optimal threshold according to an embodiment of the present invention.
6 is a flowchart illustrating a method of reproducing a binary hologram according to an embodiment of the present invention.
FIG. 7 shows a binary hologram reproducing apparatus according to an embodiment of the present invention.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art can easily carry out the present invention. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In order to clearly illustrate the present invention, parts not related to the description are omitted, and similar parts are denoted by like reference characters throughout the specification.

이하, 도 1 내지 도 7을 참조하여, 본 발명의 일 실시예에 따른 이진 홀로그램 재현 장치 및 그 방법에 대해 설명한다.Hereinafter, a binary hologram reproducing apparatus and method according to an embodiment of the present invention will be described with reference to FIGS. 1 to 7. FIG.

도 1은 본 발명의 일 실시예에 따른 이진 홀로그램 재현 시 사용되는 신경회로망의 트레이닝 셋을 도시한다.1 shows a training set of a neural network used in reproducing a binary hologram according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따르면, 이진 홀로그램 재현 장치는 3차원 객체(110)에 대한 광학적 재현 홀로그램을 생성할 수 있다. 광학적 재현 홀로그램을 생성하기 위하여, 이진 홀로그램 재현 장치는 3차원 객체(110)에 대한 그레이 레벨 홀로그램을 생성하고, 최적의 임계값을 이용하여 그레이 레벨 홀로그램으로부터 이진화 홀로그램을 생성하며, 이진화 홀로그램을 공간광 변조기에 입력하고, 공간광 변조기를 이용하여 광학적 재현 홀로그램을 생성할 수 있다.1, according to an embodiment of the present invention, a binary hologram reproduction apparatus can generate an optical reproduction hologram for a three-dimensional object 110. [ To generate the optical reproduction hologram, the binary hologram reproduction apparatus generates a gray-level hologram for the three-dimensional object 110, generates a binarization hologram from the gray-level hologram using the optimal threshold value, Input to a modulator, and an optical reconstructing hologram can be generated using a spatial light modulator.

최적의 임계값을 결정함에 있어서, 이진 홀로그램 재현 장치는 먼저 3차원 객체(110)로부터 컴퓨터 생성 홀로그램(CGH, computer generated hologram) 재현 장치를 이용하여 그레이 레벨의 홀로그램(120)을 생성할 수 있다. 이진 홀로그램 재현 장치는 3차원 객체(110)의 계조값을 획득하여, 각 화소를 8 비트(bit)의 그레이 스케일(gray scale) 레벨로 표현하는 그레이 레벨 홀로그램(120)을 생성할 수 있다.In determining the optimal threshold value, the binary hologram reproducing apparatus may first generate a gray-level hologram 120 using a computer generated hologram (CGH) reproducing apparatus from the three-dimensional object 110. The binary hologram reproducing apparatus can generate the gray level hologram 120 that obtains the gray level values of the three-dimensional object 110 and expresses each pixel as a gray scale level of 8 bits.

3차원 객체(110)로부터 그레이 레벨 홀로그램을 생성하는 경우, 이진 홀로그램 재현 장치는 3차원 객체(110)의 3차원 표면 정보를 포인트 클라우드(point cloud) 또는 폴리곤 표면(polygon surface)으로 표현할 수 있으며, 포인트 클라우드로 그레이 레벨 홀로그램을 생성하는 경우 각 포인트(point)에 대하여 거리(depth) 별로 전파(propagation) 과정 및 중첩(superposition) 과정을 수행하여, 컴퓨터 생성 홀로그램(CGH)의 한 종류인 그레이 레벨 홀로그램을 생성할 수 있다.When generating the gray level hologram from the three-dimensional object 110, the binary hologram reproducing apparatus can represent the three-dimensional surface information of the three-dimensional object 110 as a point cloud or a polygon surface, When a gray level hologram is generated by a point cloud, a propagation process and a superposition process are performed for each point to obtain a gray level hologram (CGH), which is one kind of computer generated hologram Can be generated.

이진 홀로그램 재현 장치는 그레이 레벨 홀로그램(120)을 이용하여, 그레이 레벨 홀로그램(120)에 대하여 복수의 임계값 별로 이진화 홀로그램을 생성할 수 있다. 예를 들면, 이진 홀로그램 재현 장치는 그레이 레벨 홀로그램(120)의 각 화소에 대하여 화소 값이 임계값 보다 낮은 화소는 0으로 설정하고, 화소 값이 임계값 보다 높은 화소는 1로 설정할 수 있다. 예를 들면, 복수의 임계값은 1부터 255까지 255개의 임계값을 포함할 수 있다. 예를 들면, 이진 홀로그램 재현 장치는 그레이 레벨 홀로그램(120)에 대하여 1의 임계값을 이용하여 제1 이진화 홀로그램(131-A)을 생성하고, 2의 임계값을 이용하여 제2 이진화 홀로그램(132-A)을 생성할 수 있으며, 3의 임계값을 이용하여 제3 이진화 홀로그램(133-A)을 생성할 수 있고, 255의 임계값을 이용하여 제4 이진화 홀로그램(134-A)을 생성할 수 있다.The binary hologram reproducing apparatus can generate a binarization hologram for each of a plurality of threshold values with respect to the gray level hologram 120 by using the gray level hologram 120. [ For example, in the binary hologram reproducing apparatus, a pixel having a pixel value lower than a threshold value is set to 0 for each pixel of the gray level hologram 120, and a pixel having a pixel value higher than a threshold value can be set to 1. For example, the plurality of threshold values may include 255 threshold values from 1 to 255. [ For example, the binary hologram reproducing apparatus generates the first binarization hologram 131-A using the threshold value of 1 for the gray-level hologram 120, and generates the second binarization hologram 132 using the threshold value of 2 -A) and generate the third binarization hologram 133-A using the threshold value of 3 and generate the fourth binarization hologram 134-A using the threshold value of 255 .

이진 홀로그램 재현 장치는 제1 이진화 홀로그램 내지 제4 이진화 홀로그램(131-A, 132-A, 133-A, 134-A) 각각에 대하여 광학적 홀로그램 재현 장치(예: 공간광변조기(SLM))를 이용하여 제1 광학적 재현 홀로그램(131-B), 제2 광학적 재현 홀로그램(132-B), 제3 광학적 재현 홀로그램(133-B) 및 제4 광학적 재현 홀로그램(134-B)을 생성할 수 있다.The binary hologram reproducing apparatus uses an optical hologram reproducing device (e.g., a spatial light modulator (SLM)) for each of the first to fourth binarization holograms 131-A, 132-A, 133- The second optical reproduction hologram 132-B, the third optical reproduction hologram 133-B, and the fourth optical reproduction hologram 134-B in order to generate the first optical reproduction hologram 131-B, the second optical reproduction hologram 132-B,

이진 홀로그램 재현 장치는 제1 이진화 홀로그램(131-A)와 제1 광학적 재현 홀로그램(131-B)을 제1 트레이닝 셋으로 구성할 수 있고, 제2 이진화 홀로그램(132-A)와 제2 광학적 재현 홀로그램(132-B)을 제2 트레이닝 셋으로 구성할 수 있고, 제3 이진화 홀로그램(133-A)와 제3 광학적 재현 홀로그램(133-B)을 제3 트레이닝 셋으로 구성할 수 있고, 제4 이진화 홀로그램(134-A)와 제4 광학적 재현 홀로그램(134-B)을 제4 트레이닝 셋으로 구성하여, 제1 내지 제4 트레이닝 셋을 포함하는 복수의 트레이닝 셋(130)을 구성할 수 있다. 홀로그램은 깊이 방향에서 거리상의 영역을 가질 수 있으며, 복수의 트레이닝 셋(130)을 구성하기 위해서 이진화 홀로그램 각각에 대응되는 특정 거리의 홀로그램을 선택할 경우, 홀로그램 생성 영역의 중심 위치를 특정 거리로 결정할 수 있다.The binary hologram reproducing apparatus can constitute the first binarization hologram 131-A and the first optical reproduction hologram 131-B as a first training set and the second binarization hologram 132-A and the second optical reproduction hologram 131- The hologram 132-B can be configured as a second training set and the third binarization hologram 133-A and the third optical reconstruction hologram 133-B can be configured as a third training set, The binarization hologram 134-A and the fourth optical reproduction hologram 134-B may be configured as a fourth training set to configure a plurality of training sets 130 including the first through fourth training sets. When a hologram having a specific distance corresponding to each of the binarization holograms is selected in order to configure the plurality of training sets 130, the center position of the hologram generating region can be determined as a specific distance have.

도 2 및 도 3은 본 발명의 일 실시예에 따른 복수의 트레이닝 셋을 이용하여 신경회로망을 학습시키는 과정을 도시한다.2 and 3 illustrate a process of learning a neural network using a plurality of training sets according to an embodiment of the present invention.

도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 이진 홀로그램 재현 장치는 복수의 계층 및 각 계층에 포함된 복수의 계수를 포함하는 신경회로망(240)의 입력단에 복수의 트레이닝 셋(130)에 포함된 복수의 광학적 재현 홀로그램(131-B, 132-B, 133-B, 134-B) 각각을 입력하고, 신경회로망(240)의 출력단에 복수의 트레이닝 셋(130)에 포함된 복수의 이진화 홀로그램(131-A, 132-A, 133-A, 134-A)을 입력할 수 있다. 2, a binary hologram reproducing apparatus according to an embodiment of the present invention includes a plurality of training sets 130 (or 130) at an input of a neural network 240 including a plurality of layers and a plurality of coefficients included in each layer, The plurality of optical reproduction holograms 131-B, 132-B, 133-B and 134 -B included in the plurality of training sets 130 are input to the output terminal of the neural network 240, The holograms 131-A and 132-A, 133-A and 134-A of FIG.

예를 들면, 도 3에 도시된 바와 같이, 신경회로망(340)은 복수의 계층(hidden layer 1, hidden layer 2, hidden layer 3)을 포함할 수 있으며, 이에 반드시 한정될 필요는 없다. 신경회로망(340)은 입력 계층(341), 제1 계층(342), 제2 계층(343), 제3 계층(344) 및 출력 계층(345)을 포함할 수 있다. 제1 내지 제3 계층(342, 343, 344)은 복수의 계수(weight)를 포함할 수 있다. For example, as shown in FIG. 3, the neural network 340 may include, but is not necessarily limited to, a plurality of layers (hidden layer 1, hidden layer 2, hidden layer 3). The neural network 340 may include an input layer 341, a first layer 342, a second layer 343, a third layer 344 and an output layer 345. The first through third layers 342, 343, and 344 may include a plurality of weights.

예를 들면, 이진 홀로그램 재현 장치는 제1 광학적 재현 홀로그램(131-B)을 신경회로망(340)의 입력 계층(341)에 입력하면서 제1 이진화 홀로그램(131-A)을 신경회로망(340)의 출력 계층(345)에 입력하고, 제2 광학적 재현 홀로그램(132-B)을 신경회로망(340)의 입력 계층(341)에 입력하면서 제2 이진화 홀로그램(132-A)을 신경회로망(340)의 출력 계층(345)에 입력하고, 제3 광학적 재현 홀로그램(133-B)을 신경회로망(340)의 입력 계층(341)에 입력하면서 제3 이진화 홀로그램(133-A)을 신경회로망(340)의 출력 계층(345)에 입력하고, 제4 광학적 재현 홀로그램(134-B)을 신경회로망(340)의 입력 계층(341)에 입력하면서 제4 이진화 홀로그램(134-A)을 신경회로망(340)의 출력 계층(345)에 입력하면서, 신경회로망(340)의 복수의 계층(342, 343, 344) 내의 복수의 계수를 학습할 수 있다. 즉, 상기한 바와 같이, 이진 홀로그램 재현 장치는 신경회로망(340)에 대하여 수퍼바이즈드 러닝(supervised learning)을 실시할 수 있다.For example, the binary hologram reproducing apparatus may be configured to input the first optical reproduction hologram 131-B to the input layer 341 of the neural network 340 and to output the first binarization hologram 131-A to the neural network 340 And outputs the second binarization hologram 132-A to the output layer 345 of the neural network 340 while inputting the second optical reconstruction hologram 132-B to the input layer 341 of the neural network 340. [ A is input to the output layer 345 and the third optical reconstruction hologram 133-B is input to the input layer 341 of the neural network 340 while the third binarization hologram 133- And outputs the fourth binarization hologram 134-A to the output layer 345 of the neural network 340 while inputting the fourth optical reconstruction hologram 134-B to the input layer 341 of the neural network 340. [ A plurality of coefficients in the plurality of layers 342, 343, and 344 of the neural network 340 can be learned while being input to the output layer 345. [ That is, as described above, the binary hologram reproducing apparatus can perform supervised learning on the neural network 340.

도 4는 본 발명의 일 실시예에 따른 기준 이진화 홀로그램을 획득하는 과정을 도시한다.FIG. 4 illustrates a process of acquiring a reference binarization hologram according to an embodiment of the present invention.

도 4에 도시된 바와 같이, 본 발명의 일 실시예에 따른 이진 홀로그램 재현 장치는 가용한 최상 품질로 제작된 광학적 홀로그램 재현 영상(410)을 획득하고, 최상 품질의 광학적 홀로그램 재현 영상(410)을 학습된 신경회로망(440)의 입력단에 입력할 수 있다. 이진 홀로그램 재현 장치는 가용한 최상 품질로 제작된 광학적 홀로그램 재현 영상(410)을 신경회로망(440)의 입력단에 입력한 것에 대응하여, 신경회로망(440)의 출력단으로부터 기준 이진화 홀로그램(420)을 획득할 수 있다. 기준 이진화 홀로그램(420)은 최적의 광학적 재현 홀로그램 영상을 획득하기 위한 최적의 임계값을 결정하기 위해 획득될 수 있다.4, a binary hologram reproducing apparatus according to an embodiment of the present invention acquires an optical hologram reproduced image 410 manufactured with the highest quality available and reproduces the optical hologram reproduced image 410 of the highest quality Can be input to the input of the learned neural network (440). The binary hologram reproducing apparatus acquires the reference binarization hologram 420 from the output terminal of the neural network 440 in response to inputting the optical hologram reproduced image 410 produced at the highest quality available at the input end of the neural network 440 can do. The reference binarization hologram 420 may be obtained to determine an optimal threshold for obtaining an optimal optical reconstructed hologram image.

도 5는 본 발명의 일 실시예에 따른 최적의 임계값을 획득하는 과정을 도시한다.FIG. 5 illustrates a process of obtaining an optimal threshold according to an embodiment of the present invention.

도 5에 도시된 바와 같이, 본 발명의 일 실시예에 따른 이진 홀로그램 재현 장치는, <단계 1>(S501)에서, 신경회로망(440)의 출력단에서 획득한 기준 이진화 영상과, 복수의 트레이닝 셋(130, 230)에 구성된 복수의 이진화 홀로그램(521, 522, 523, 524) 각각을 비교할 수 있다. 예를 들면, 이진 홀로그램 재현 장치는, <단계 1>(S501)에서, 신경회로망(440)의 출력단에서 획득한 기준 이진화 영상과, 복수의 트레이닝 셋(130, 230)에 구성된 복수의 이진화 홀로그램(521, 522, 523, 524) 각각의 상관도(correlation) 값을 계산할 수 있다. 5, the binary hologram reproducing apparatus according to an exemplary embodiment of the present invention may include a reference binarized image obtained at an output terminal of the neural network 440 and a plurality of training sets It is possible to compare each of the plurality of binarization holograms 521, 522, 523, and 524 configured in the image processing units 130 and 230. For example, the binary hologram reproducing apparatus reproduces the reference binarized image obtained at the output terminal of the neural network 440 and a plurality of binarization holograms (e.g., binarized holograms) formed in the plurality of training sets 130 and 230 521, 522, 523, and 524, respectively.

예를 들면, 이진 홀로그램 재현 장치는, 신경회로망(440)의 출력단에서 획득한 기준 이진화 영상과, 복수의 트레이닝 셋(130, 230)에 구성된 복수의 이진화 홀로그램(521, 522, 523, 524) 각각을 비교하여, <단계 2>(S503)에서, 복수의 이진화 홀로그램(521, 522, 523, 524) 중에서 기준 이진화 홀로그램(520)과 가장 유사한 이진화 홀로그램을 선택할 수 있다. 예를 들면, <단계 2>(S503)에서, 이진 홀로그램 재현 장치는 <단계 1>(S501)에서, 신경회로망(440)의 출력단에서 획득한 기준 이진화 영상과, 복수의 트레이닝 셋(130, 230)에 구성된 복수의 이진화 홀로그램(521, 522, 523, 524) 각각의 상관도(correlation) 값을 계산한 후, 상관도 값이 가장 높은 특정 이진화 홀로그램 영상을 선택할 수 있다.For example, the binary hologram reproducing apparatus includes a reference binarization image obtained at the output terminal of the neural network 440 and a plurality of binarization holograms 521, 522, 523, and 524 configured in the plurality of training sets 130 and 230, respectively The binarization holograms most similar to the reference binarization hologram 520 among the plurality of binarization holograms 521, 522, 523 and 524 can be selected in step S503. For example, in step S503, the binary hologram reproducing apparatus reproduces the reference binarized image obtained at the output terminal of the neural network 440 and the plurality of training sets 130 and 230 522, 523, and 524, respectively, of the binarization holograms 521, 522, 523, and 524, and then select a specific binarized hologram image having the highest correlation value.

이진 홀로그램 재현 장치는, <단계 3>(S505)에서, 기준 이진화 홀로그램과 가장 유사한 것으로 선택된 특정 이진화 홀로그램에 대응하는 특정 임계값을 최적 임계값으로 결정할 수 있다. 예를 들면, <단계 3>(S505)에서, 이진 홀로그램 재현 장치는, 기준 이진화 홀로그램과 가장 유사한 것으로 선택된 이진화 홀로그램이 생성될 당시 사용되었던 특정 임계값을 최적 임계값으로 결정할 수 있다.In step S505, the binary hologram reproducing apparatus may determine a specific threshold value corresponding to a specific binarization hologram selected as the most similar to the reference binarization hologram as an optimal threshold value. For example, in step S505, the binary hologram reproducing apparatus can determine a specific threshold value used at the time of generating the binarization hologram most similar to the reference binarization hologram as the optimum threshold value.

최적 임계값을 결정한 후, 이진 홀로그램 재현 장치는 최적 임계값을 이용하여 3차원 객체에 대하여 획득한 그레이 레벨 홀로그램을 이진화하여, 이진화 한 홀로그램 영상을 이용하여 광학적 재현 홀로그램을 생성할 수 있다.After determining the optimal threshold value, the binary hologram reproducing apparatus can binarize the gray level hologram obtained for the three-dimensional object using the optimal threshold value, and generate the optical reproducing hologram using the binarized hologram image.

도 6 본 발명의 일 실시예에 따른 이진 홀로그램 재현 방법을 나타낸 흐름도이다.6 is a flowchart illustrating a method of reproducing a binary hologram according to an embodiment of the present invention.

도 6에 도시된 바와 같이, 본 발명의 일 실시예에 따르면, S601 단계에서, 이진 홀로그램 재현 장치는 3차원 공간에 있는 3차원 객체로부터 그레이 레벨 홀로그램을 생성할 수 있다.As shown in FIG. 6, according to an embodiment of the present invention, in step S601, the binary hologram reproducing apparatus can generate a gray level hologram from a three-dimensional object in a three-dimensional space.

S603 단계에서, 이진 홀로그램 재현 장치는 그레이 레벨 홀로그램에 대하여 복수의 임계값 별로 이진화 홀로그램을 생성하여 복수의 이진화 홀로그램을 생성할 수 있다. In step S603, the binary hologram reproducing apparatus can generate a plurality of binarization holograms by generating binarization holograms for each of the plurality of threshold values with respect to the gray level hologram.

S605 단계에서, 이진 홀로그램 재현 장치는 이진화 홀로그램 별로 광학적 홀로그램을 재현하여 복수의 광학적 재현 홀로그램을 생성할 수 있다.In step S605, the binary hologram reproducing apparatus can generate a plurality of optical reproduction holograms by reproducing the optical holograms for each binarization hologram.

S607 단계에서, 이진 홀로그램 재현 장치는 복수의 광학적 재현 홀로그램 각각과, 광학적 재현 홀로그램 각각이 재현되기 이전의 이진화 홀로그램 각각을 하나의 트레이닝 셋(training set)으로 구성하여, 복수의 트레이닝 셋을 구성할 수 있다.In step S607, the binary hologram reproducing apparatus can constitute a plurality of optical reproduction holograms and a plurality of training sets by configuring each of the binarization holograms before the optical reproduction holograms are reproduced as one training set have.

S609 단계에서, 이진 홀로그램 재현 장치는 복수의 트레이닝 셋을 이용하여 신경회로망에 대한 학습을 수행할 수 있다.In step S609, the binary hologram reproducing apparatus can perform learning on the neural network using a plurality of training sets.

S611 단계에서, 이진 홀로그램 재현 장치는 신경회로망을 이용하여, 신경 회로망의 입력단에 최상 품질의 재현 홀로그램을 입력할 수 있다. 예를 들면, 최상 품질의 재현 홀로그램은, 홀로그램이 간섭에 의하여 기록된 홀로그램일 경우, 실제 물체를 촬영한 홀로그램을 의미할 수 있다. 예를 들면, 최상 품질의 재현 홀로그램은, 컴퓨터로 생성된 홀로그램일 경우, 컴퓨터 그래픽의 3차원 객체를 촬영한 영상이 최상 품질의 재현 홀로그램을 의미할 수 있다.In step S611, the binary hologram reproducing apparatus can input the reproduction hologram of the highest quality to the input end of the neural network using the neural network. For example, the reproduction hologram of the highest quality may mean a hologram in which an actual object is photographed when the hologram is a hologram recorded by interference. For example, in the case of a hologram generated by a computer, a reproducible hologram of the highest quality may mean a reproducible hologram of the highest quality, in which the three-dimensional object of the computer graphic is photographed.

S613 단계에서, 이진 홀로그램 재현 장치는 신경회로망에 최상 품질의 재현 홀로그램을 입력단에 입력하여 기준 이진화 홀로그램을 출력으로 획득할 수 있다.In step S613, the binary hologram reproducing apparatus can input the reproduction hologram of the highest quality into the neural network at the input end to obtain the reference binary hologram as an output.

S615 단계에서, 이진 홀로그램 재현 장치는 기준 이진화 홀로그램을 이용하여, 기준 이진화 홀로그램과 가장 유사한 이진화 홀로그램을 기 생성된 복수의 트레이닝 셋 내에 구성된 복수의 이진화 홀로그램 중에서 결정할 수 있다. In step S615, the binary hologram reproducing apparatus can determine the binarization hologram most similar to the reference binarization hologram using the reference binarization hologram among the plurality of binarization holograms constructed in the generated plurality of training sets.

S617 단계에서, 이진 홀로그램 재현 장치는 결정된 이진화 홀로그램에 대응하는 임계값을 최적의 임계값으로 결정할 수 있다.In step S617, the binary hologram reproducing apparatus can determine the threshold value corresponding to the determined binarization hologram as the optimal threshold value.

이후, 이진 홀로그램 재현 장치는 3차원 객체로부터 그레이 레벨 홀로그램을 생성하고, 그레이 레벨 홀로그램을 상기에서 결정된 최적의 임계값을 이용하여 이진화 홀로그램을 생성할 수 있고, 최적의 임계값을 이용하여 생성된 이진화 홀로그램을 공간광 변조기에 입력하여, 광학적 재현 홀로그램을 생성할 수 있다.Thereafter, the binary hologram reproducing apparatus can generate a gray-level hologram from the three-dimensional object, generate a binary hologram using the optimal threshold value determined in the gray-level hologram, and generate a binary hologram using the optimal threshold A hologram can be input to the spatial light modulator to generate an optical reconstructed hologram.

도 7은 본 발명의 일 실시예에 따른 이진 홀로그램 재현 장치를 도시한다.FIG. 7 shows a binary hologram reproducing apparatus according to an embodiment of the present invention.

도 7에 도시된 바와 같이, 본 발명의 일 실시예에 따른 이진 홀로그램 재현 장치(700)는 그레이 레벨 홀로그램 생성부(710), 이진화 홀로그램 생성부(720), 광학적 홀로그램 재현부(730), 트레이닝 셋 구성부(740), 신경회로망부(750), 이진화 홀로그램 검색부(760) 및 임계값 산출부(770)를 포함할 수 있다.7, a binary hologram reproducing apparatus 700 according to an embodiment of the present invention includes a gray level hologram generating unit 710, a binarizing hologram generating unit 720, an optical hologram reproducing unit 730, A configuration unit 740, a neural network unit 750, a binarization hologram retrieval unit 760, and a threshold value calculation unit 770.

그레이 레벨 홀로그램 생성부(710)는 3차원 객체(70)로부터 그레이 레벨 홀로그램을 생성할 수 있다. The gray level hologram generating unit 710 may generate a gray level hologram from the three-dimensional object 70. [

이진화 홀로그램 생성부(720)는 그레이 레벨 홀로그램에 대하여 복수의 임계값 별로 이진화 홀로그램을 생성하여 복수의, 이진화 홀로그램을 생성할 수 있다. 예를 들면, 임계값은 1부터 255까지 255개의 값을 가질 수 있다. 예를 들면, 이진화 홀로그램 생성부(720)는 하나의 그레이 레벨 홀로그램에 대하여 255개의 임계값 별로 이진화 홀로그램을 생성하여, 255개의 이진화 홀로그램을 생성할 수 있다.The binarization hologram generation unit 720 can generate a plurality of binarization holograms by generating binarization holograms for each of a plurality of threshold values for the gray level hologram. For example, the threshold value can have 255 values from 1 to 255. For example, the binarization hologram generation unit 720 can generate 255 binarization holograms for each gray-level hologram by 255 threshold values, thereby generating 255 binarization holograms.

광학적 홀로그램 재현부(730)는 복수의 이진화 홀로그램 별로 광학적 재현 홀로그램을 생성하여 복수의 광학적 홀로그램을 재현할 수 있다.The optical hologram reproducing unit 730 can reproduce a plurality of optical holograms by generating an optical reproduction hologram for each of a plurality of binarization holograms.

트레이닝 셋 구성부(740)는 복수의 광학적 재현 홀로그램 각각과, 각 광학적 재현 홀로그램에 대응되는 이진화 홀로그램 각각을 하나의 트레이닝 셋으로 구성하여, 복수의 트레이닝 셋을 구성할 수 있다. 예를 들면, 트레이닝 셋 구성부(740)는 임계값 1을 이용하여 생성된 제1 이진화 홀로그램과, 제1 이진화 홀로그램을 이용하여 재현된 제1 광학적 재현 홀로그램을 제1 트레이닝 셋으로, 임계값 2을 이용하여 생성된 제2 이진화 홀로그램과, 제2 이진화 홀로그램을 이용하여 재현된 제2 광학적 재현 홀로그램을 제2 트레이닝 셋을 포함하여, 복수의 트레이닝 셋을 구성할 수 있다.The training set configuring unit 740 may constitute a plurality of training sets by configuring each of the plurality of optical reproduction holograms and each of the binarization holograms corresponding to each optical reproduction hologram as one training set. For example, the training set configuring unit 740 may use the first binarization hologram generated using the threshold 1, the first optical reconstruction hologram reproduced using the first binarization hologram as the first training set, the threshold 2 A second binarization hologram generated using the first binarization hologram and a second binarization hologram reproduced using the second binarization hologram, and a second training set.

신경회로망부(750)는 복수의 계층(layer)을 포함할 수 있고, 각 계층은 복수의 계수(weight)로 구성될 수 있다. 신경회로망부(750)는 복수의 트레이닝 셋을 이용하여 복수의 계층의 복수의 계수를 학습할 수 있다.The neural network unit 750 may include a plurality of layers, and each layer may include a plurality of weights. The neural network unit 750 can learn a plurality of coefficients of a plurality of layers using a plurality of training sets.

신경회로망부(750)는 학습이 수행된 신경회로망부(750)의 입력단에 가용한 최상 품질의 광학적 재현 홀로그램을 입력하여, 이에 대응하여 신경회로망부(750)를 통해 출력되는 기준 이진화 홀로그램을 획득할 수 있다. 이를 통해, 신경회로망부(750)는 가용한 최상 품질의 광학적 재현 홀로그램을 획득하기 위한 기준 이진화 홀로그램을 검색할 수 있다.The neural network unit 750 receives the highest quality optical reproduction hologram available at the input of the neural network unit 750 and acquires a reference binarization hologram output through the neural network unit 750 corresponding thereto can do. Through this, the neural network unit 750 can search the reference binarization hologram to obtain the highest quality optical reproduction hologram available.

이진화 홀로그램 검색부(760)는 기준 이진화 홀로그램과 가장 유사한 이진화 홀로그램을 복수의 트레이닝 셋에 구성된 복수의 이진화 홀로그램 중에서 검색할 수 있다. 예를 들면, 홀로그램 검색부(760)는 기준 이진화 홀로그램과 가장 유사한 이진화 홀로그램을 복수의 이진화 홀로그램 각각의 화소와 기준 홀로그램의 각각의 화소에 대한 상관도(correlation)를 계산하고, 상관도가 가장 높은 홀로그램을 가장 유사한 홀로그램으로 결정할 수 있다.The binarization hologram retrieving unit 760 can retrieve the binarization hologram most similar to the reference binarization hologram among the plurality of binarization holograms configured in the plurality of training sets. For example, the hologram searching unit 760 calculates a correlation between a pixel of each of a plurality of binarization holograms and each pixel of a reference hologram, which is closest to the reference binarization hologram, The hologram can be determined as the most similar hologram.

임계값 산출부(770)는 결정된 가장 유사한 이진화 홀로그램에 대응하는 임계값을 최적의 임계값으로 결정할 수 있다. 예를 들면, 그레이 레벨 이진화 홀로그램으로부터 가장 유사한 이진화 홀로그램이 제3 임계값을 이용하여 생성된 경우, 임계값 산출부(770)는 제3 임계값을 최적의 임계값으로 결정할 수 있다.The threshold value calculator 770 can determine the threshold value corresponding to the determined most similar binarization hologram as the optimal threshold value. For example, when the most similar binarization hologram from the gray level binarization hologram is generated using the third threshold value, the threshold value calculator 770 can determine the third threshold value as the optimal threshold value.

한편, 본 발명의 실시예는 2 레벨을 가지는 이진화 홀로그램뿐 만 아니라, 3 레벨, 4 레벨, 8 레벨 또는 복수의 단계 계조식 레벨의 이진화 홀로그램을 생성하는 예에도 적용될 수 있다.Meanwhile, the embodiment of the present invention can be applied not only to a binarization hologram having two levels, but also to an example of generating a binarization hologram of three levels, four levels, eight levels, or a plurality of levels.

또한 상기한 바와 같이 홀로그램을 이진화 할 할 때, 홀로그램 전체에 대하여 임계값을 구하고 이를 전체 영상에 적용하여 이진화 홀로그램을 구할 수 있을 뿐 아니라, 홀로그램 전체를 일부로 분할하여, 각 부분별로 발명의 방법을 적용할 수도 있다.In addition, when the hologram is binarized as described above, the binarization hologram can be obtained by obtaining a threshold value for the entire hologram and applying it to the entire image. In addition, the entire hologram is divided into parts, You may.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the invention is not limited to the disclosed exemplary embodiments, It belongs to the scope of right.

Claims (20)

3차원 객체로부터 그레이 레벨 홀로그램을 생성하는 단계;
상기 그레이 레벨 홀로그램에 대하여 이진화를 수행하여, 복수의 이진화 홀로그램을 생성하는 단계;
상기 복수의 이진화 홀로그램을 이용하여, 제1 임계값을 결정하는 단계;
상기 그레이 레벨 홀로그램을 상기 제1 임계값을 이용하여 이진화하여, 제1 이진화 홀로그램을 생성하는 단계; 및
상기 제1 이진화 홀로그램을 이용하여, 광학적 재현 홀로그램을 생성하는 단계를 포함하는,
이진 홀로그램 재현 방법.Generating a gray level hologram from the three-dimensional object;
Performing binarization on the gray level hologram to generate a plurality of binarization holograms;
Determining a first threshold value using the plurality of binarization holograms;
Generating a first binarization hologram by binarizing the gray level hologram using the first threshold value; And
Using the first binarization hologram to generate an optical reconstruction hologram,
Method of reproducing binary hologram. 제1항에 있어서,
상기 복수의 이진화 홀로그램을 생성하는 단계는,
상기 그레이 레벨 홀로그램에 대하여 복수의 임계값 각각으로 이진화하여, 상기 복수의 이진화 홀로그램을 생성하는 단계를 포함하며,
상기 제1 임계값을 결정하는 단계는,
상기 복수의 임계값 중에서 상기 제1 임계값을 결정하는 단계를 포함하는,
이진 홀로그램 재현 방법.The method according to claim 1,
Wherein the generating of the plurality of binarization holograms comprises:
Generating a plurality of binarization holograms by binarizing each of the plurality of gray-level holograms with a plurality of thresholds,
Wherein the determining the first threshold comprises:
And determining the first threshold value from among the plurality of threshold values.
Method of reproducing binary hologram. 제2항에 있어서,
상기 제1 임계값을 결정하는 단계는,
복수의 계층으로 구성된 신경회로망 및 상기 복수의 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정하는 단계를 포함하는,
이진 홀로그램 재현 방법.3. The method of claim 2,
Wherein the determining the first threshold comprises:
And determining the first threshold value using a neural network consisting of a plurality of layers and the plurality of binarization holograms.
Method of reproducing binary hologram. 제3항에 있어서,
상기 제1 임계값을 결정하는 단계는,
상기 복수의 이진화 홀로그램 각각에 대한 광학적 홀로그램을 재현하여 복수의 광학적 재현 홀로그램을 생성하는 단계, 및,
상기 복수의 이진화 홀로그램, 상기 복수의 광학적 홀로그램, 및 상기 신경회로망을 이용하여 상기 제1 임계값을 결정하는 단계를 포함하는,
이진 홀로그램 재현 방법.The method of claim 3,
Wherein the determining the first threshold comprises:
Generating a plurality of optical reproduction holograms by reproducing an optical hologram for each of the plurality of binarization holograms,
Determining the first threshold using the plurality of binarization holograms, the plurality of optical holograms, and the neural network.
Method of reproducing binary hologram. 제4항에 있어서,
상기 제1 임계값을 결정하는 단계는,
상기 복수의 이진화 홀로그램 및 상기 복수의 광학적 홀로그램을 상기 신경회로망에 입력한 결과에 기반하여 상기 제1 임계값을 결정하는 단계를 포함하는,
이진 홀로그램 재현 방법.5. The method of claim 4,
Wherein the determining the first threshold comprises:
And determining the first threshold based on a result of inputting the plurality of binarization holograms and the plurality of optical holograms to the neural network.
Method of reproducing binary hologram. 제5항에 있어서,
상기 제1 임계값을 결정하는 단계는,
상기 복수의 이진화 홀로그램을 상기 신경회로망의 출력단에 입력하면서 상기 복수의 광학적 홀로그램을 상기 신경회로망의 입력단에 입력하는 단계;
상기 복수의 계층을 구성하는 복수의 계수를 결정하는 단계; 및,
상기 복수의 계수 및 상기 복수의 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정하는 단계를 포함하는,
이진 홀로그램 재현 방법.6. The method of claim 5,
Wherein the determining the first threshold comprises:
Inputting the plurality of binarization holograms into an output terminal of the neural network while inputting the plurality of optical holograms into an input terminal of the neural network;
Determining a plurality of coefficients constituting the plurality of layers; And
And determining the first threshold value using the plurality of coefficients and the plurality of binarization holograms.
Method of reproducing binary hologram. 제6항에 있어서,
상기 제1 임계값을 결정하는 단계는,
상기 복수의 계수가 결정된 상기 신경회로망에 기 설정된 제1 광학적 재현 홀로그램을 입력하는 단계;
상기 제1 광학적 재현 홀로그램의 입력에 대응하여 상기 신경회로망의 출력단으로부터 기준 이진화 홀로그램을 획득하는 단계; 및,
상기 기준 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정하는 단계를 포함하는,
이진 홀로그램 재현 방법.The method according to claim 6,
Wherein the determining the first threshold comprises:
Inputting a first optical reproduction hologram preset in the neural network in which the plurality of coefficients are determined;
Obtaining a reference binarization hologram from the output of the neural network corresponding to the input of the first optical reconstruction hologram; And
And determining the first threshold value using the reference binarization hologram.
Method of reproducing binary hologram. 제7항에 있어서,
상기 제1 임계값을 결정하는 단계는,
상기 복수의 이진화 홀로그램 중 상기 기준 이진화 홀로그램과 유사도가 가장 높은 이진화 홀로그램을 결정하는 단계, 및,
상기 결정된 이진화 홀로그램에 대응하는 임계값을 상기 제1 임계값으로 결정하는 단계를 포함하는,
이진 홀로그램 재현 방법.8. The method of claim 7,
Wherein the determining the first threshold comprises:
Determining a binarization hologram having a highest degree of similarity to the reference binarization hologram among the plurality of binarization holograms,
And determining a threshold value corresponding to the determined binarization hologram as the first threshold value.
Method of reproducing binary hologram. 3차원 객체로부터 그레이 레벨 홀로그램을 생성하는 그레이 레벨 홀로그램 생성부;
상기 그레이 레벨 홀로그램에 대하여 이진화를 수행하여, 복수의 이진화 홀로그램을 생성하는 이진화 홀로그램 생성부;
상기 복수의 이진화 홀로그램을 이용하여, 제1 임계값을 결정하는 임계값 산출부를 포함하고,
상기 이진화 홀로그램 생성부는, 상기 그레이 레벨 홀로그램을 상기 제1 임계값을 이용하여 이진화하여, 제1 이진화 홀로그램을 생성하며,
상기 제1 이진화 홀로그램을 이용하여, 광학적 재현 홀로그램을 생성하는 광학적 홀로그램 재현부를 더 포함하는,
이진 홀로그램 재현 장치.A gray level hologram generating unit for generating a gray level hologram from the three-dimensional object;
A binarization hologram generation unit for binarizing the gray level hologram to generate a plurality of binarization holograms;
And a threshold value calculation unit for determining a first threshold value using the plurality of binarization holograms,
Wherein the binarization hologram generating unit binarizes the gray level hologram using the first threshold value to generate a first binarization hologram,
Further comprising an optical hologram reproduction section for generating an optical reproduction hologram using the first binarization hologram,
Binary hologram reproduction device. 제9항에 있어서,
상기 이진화 홀로그램 생성부는,
상기 그레이 레벨 홀로그램에 대하여 복수의 임계값 각각으로 이진화하여, 상기 복수의 이진화 홀로그램을 생성하며,
상기 임계값 산출부는,
상기 복수의 임계값 중에서 상기 제1 임계값을 결정하는,
이진 홀로그램 재현 장치.10. The method of claim 9,
Wherein the binarization hologram generator comprises:
Generating a plurality of binarization holograms by binarizing each of the plurality of gray-level holograms with a plurality of thresholds,
Wherein the threshold value calculator comprises:
Determining the first threshold value from among the plurality of threshold values,
Binary hologram reproduction device. 제10항에 있어서,
상기 임계값 산출부는,
복수의 계층으로 구성된 신경회로망 및 상기 복수의 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정하는,
이진 홀로그램 재현 장치.11. The method of claim 10,
Wherein the threshold value calculator comprises:
A neural network having a plurality of layers and a plurality of binarization holograms,
Binary hologram reproduction device. 제11항에 있어서,
상기 광학적 홀로그램 재현부는,
상기 복수의 이진화 홀로그램 각각에 대한 광학적 홀로그램을 재현하여 복수의 광학적 재현 홀로그램을 생성하고,
상기 임계값 산출부는,
상기 복수의 이진화 홀로그램, 상기 복수의 광학적 홀로그램, 및 상기 신경회로망을 이용하여 상기 제1 임계값을 결정하는,
이진 홀로그램 재현 장치.12. The method of claim 11,
The optical hologram reproducing unit includes:
Generating a plurality of optical reproduction holograms by reproducing an optical hologram for each of the plurality of binarization holograms,
Wherein the threshold value calculator comprises:
Determining the first threshold value using the plurality of binarization holograms, the plurality of optical holograms, and the neural network,
Binary hologram reproduction device. 제12항에 있어서,
상기 임계값 산출부는,
상기 복수의 이진화 홀로그램 및 상기 복수의 광학적 홀로그램을 상기 신경회로망에 입력한 결과에 기반하여 상기 제1 임계값을 결정하는,
이진 홀로그램 재현 장치.13. The method of claim 12,
Wherein the threshold value calculator comprises:
Determining the first threshold value based on a result of inputting the plurality of binarization holograms and the plurality of optical holograms to the neural network,
Binary hologram reproduction device. 제13항에 있어서,
상기 복수의 이진화 홀로그램을 상기 신경회로망의 출력단에 입력하면서 상기 복수의 광학적 홀로그램을 상기 신경회로망의 입력단에 입력하고, 상기 복수의 계층을 구성하는 복수의 계수를 결정하는 신경회로망부를 더 포함하며,
상기 임계값 산출부는,
상기 복수의 계수 및 상기 복수의 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정하는,
이진 홀로그램 재현 장치.14. The method of claim 13,
Further comprising a neural network unit for inputting the plurality of optical holograms into an input terminal of the neural network while inputting the plurality of binarization holograms into an output terminal of the neural network and determining a plurality of coefficients constituting the plurality of layers,
Wherein the threshold value calculator comprises:
Determining the first threshold value using the plurality of coefficients and the plurality of binarization holograms,
Binary hologram reproduction device. 제14항에 있어서,
상기 신경회로망부는,
상기 복수의 계수가 결정된 상기 신경회로망에 기 설정된 제1 광학적 재현 홀로그램을 입력하고, 상기 제1 광학적 재현 홀로그램의 입력에 대응하여 상기 신경회로망의 출력단으로부터 기준 이진화 홀로그램을 획득하며,
상기 임계값 산출부는,
상기 기준 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정하는,
이진 홀로그램 재현 장치.15. The method of claim 14,
Wherein the neural network unit comprises:
Inputting a first optical reproduction hologram predetermined in the neural network in which the plurality of coefficients are determined and acquiring a reference binarization hologram from an output end of the neural network corresponding to the input of the first optical reproduction hologram,
Wherein the threshold value calculator comprises:
Determining the first threshold value using the reference binarization hologram,
Binary hologram reproduction device. 제15항에 있어서,
상기 복수의 이진화 홀로그램 중 상기 기준 이진화 홀로그램과 유사도가 가장 높은 이진화 홀로그램을 결정하는 이진화 검색부를 더 포함하고,
상기 임계값 산출부는,
상기 결정된 이진화 홀로그램에 대응하는 임계값을 상기 제1 임계값으로 결정하는,
이진 홀로그램 재현 장치.16. The method of claim 15,
Further comprising a binarization search unit for determining a binarization hologram having a highest similarity to the reference binarization hologram among the plurality of binarization holograms,
Wherein the threshold value calculator comprises:
Determining a threshold value corresponding to the determined binarization hologram as the first threshold value,
Binary hologram reproduction device. 3차원 객체로부터 그레이 레벨 홀로그램을 생성하는 그레이 레벨 홀로그램 생성부;
상기 그레이 레벨 홀로그램에 대하여 이진화를 수행하여, 복수의 이진화 홀로그램을 생성하는 이진화 홀로그램 생성부;
상기 복수의 이진화 홀로그램을 이용하여, 제1 임계값을 결정하는 임계값 산출부를 포함하고,
상기 이진화 홀로그램 생성부는, 상기 그레이 레벨 홀로그램을 상기 제1 임계값을 이용하여 이진화하여, 제1 이진화 홀로그램을 생성하는, 이진 홀로그램 재현 장치.A gray level hologram generating unit for generating a gray level hologram from the three-dimensional object;
A binarization hologram generation unit for binarizing the gray level hologram to generate a plurality of binarization holograms;
And a threshold value calculation unit for determining a first threshold value using the plurality of binarization holograms,
Wherein the binarization hologram generation unit binarizes the gray level hologram using the first threshold value to generate a first binarization hologram. 제17항에 있어서,
상기 제1 이진화 홀로그램을 이용하여, 광학적 재현 홀로그램을 생성하는 광학적 홀로그램 재현부를 더 포함하는,
홀로그램 재현 장치.18. The method of claim 17,
Further comprising an optical hologram reproduction section for generating an optical reproduction hologram using the first binarization hologram,
Hologram reproduction device. 제18항에 있어서,
상기 이진화 홀로그램 생성부는,
상기 그레이 레벨 홀로그램에 대하여 복수의 임계값 각각으로 이진화하여, 상기 복수의 이진화 홀로그램을 생성하며,
상기 임계값 산출부는,
상기 복수의 임계값 중에서 상기 제1 임계값을 결정하는,
이진 홀로그램 재현 장치.19. The method of claim 18,
Wherein the binarization hologram generator comprises:
Generating a plurality of binarization holograms by binarizing each of the plurality of gray-level holograms with a plurality of thresholds,
Wherein the threshold value calculator comprises:
Determining the first threshold value from among the plurality of threshold values,
Binary hologram reproduction device. 제19항에 있어서,
상기 임계값 산출부는,
복수의 계층으로 구성된 신경회로망 및 상기 복수의 이진화 홀로그램을 이용하여 상기 제1 임계값을 결정하는,
이진 홀로그램 재현 장치.20. The method of claim 19,
Wherein the threshold value calculator comprises:
A neural network having a plurality of layers and a plurality of binarization holograms,
Binary hologram reproduction device.
KR1020180001404A 2018-01-04 2018-01-04 Device and method for reproducing binary hologram KR20190083583A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180001404A KR20190083583A (en) 2018-01-04 2018-01-04 Device and method for reproducing binary hologram

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180001404A KR20190083583A (en) 2018-01-04 2018-01-04 Device and method for reproducing binary hologram

Publications (1)

Publication Number Publication Date
KR20190083583A true KR20190083583A (en) 2019-07-12

Family

ID=67254242

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180001404A KR20190083583A (en) 2018-01-04 2018-01-04 Device and method for reproducing binary hologram

Country Status (1)

Country Link
KR (1) KR20190083583A (en)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110378473A (en) * 2019-07-26 2019-10-25 清华大学 Method and device is chromatographed based on deep learning and the phase of random pattern
CN112415879A (en) * 2020-11-25 2021-02-26 奥比中光科技集团股份有限公司 Structural light field regulation and control method and system
KR102277103B1 (en) * 2020-02-25 2021-07-15 광운대학교 산학협력단 A method for high-speed generation of holograms based on deep learning
KR102277101B1 (en) * 2020-01-29 2021-07-15 광운대학교 산학협력단 A ultra-high-resolution hologram generation method based on artificial intelligence and deep learning to learn fringe patterns by area
KR20210108315A (en) * 2020-02-25 2021-09-02 한국전자통신연구원 System and method for digital hologram synthesis and process using deep learning
WO2022124433A1 (en) * 2020-12-08 2022-06-16 한국전자기술연구원 Device for generating holograms in real time using optical neural network
US11699242B2 (en) 2020-02-25 2023-07-11 Electronics And Telecommunications Research Institute System and method for digital hologram synthesis and process using deep learning

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110378473A (en) * 2019-07-26 2019-10-25 清华大学 Method and device is chromatographed based on deep learning and the phase of random pattern
CN110378473B (en) * 2019-07-26 2021-12-21 清华大学 Phase chromatography method and device based on deep learning and random pattern
KR102277101B1 (en) * 2020-01-29 2021-07-15 광운대학교 산학협력단 A ultra-high-resolution hologram generation method based on artificial intelligence and deep learning to learn fringe patterns by area
KR102277103B1 (en) * 2020-02-25 2021-07-15 광운대학교 산학협력단 A method for high-speed generation of holograms based on deep learning
KR20210108315A (en) * 2020-02-25 2021-09-02 한국전자통신연구원 System and method for digital hologram synthesis and process using deep learning
US11699242B2 (en) 2020-02-25 2023-07-11 Electronics And Telecommunications Research Institute System and method for digital hologram synthesis and process using deep learning
CN112415879A (en) * 2020-11-25 2021-02-26 奥比中光科技集团股份有限公司 Structural light field regulation and control method and system
CN112415879B (en) * 2020-11-25 2022-05-24 奥比中光科技集团股份有限公司 Structural light field regulation and control method and system
WO2022124433A1 (en) * 2020-12-08 2022-06-16 한국전자기술연구원 Device for generating holograms in real time using optical neural network

Similar Documents

Publication Publication Date Title
KR20190083583A (en) Device and method for reproducing binary hologram
US10360899B2 (en) Method and device for processing speech based on artificial intelligence
Malik et al. A novel algorithm for estimation of depth map using image focus for 3D shape recovery in the presence of noise
US20200342306A1 (en) Autonomous modification of data
CN107301458B (en) Phase optimization method based on intensity transmission equation
CN111275784B (en) Method and device for generating image
JP2023537705A (en) AUDIO-VISUAL EVENT IDENTIFICATION SYSTEM, METHOD AND PROGRAM
JP2019046269A (en) Machine learning training data generation
JP7401663B2 (en) Joint depth estimation from dual cameras and dual pixels
Williams et al. Optical illusions images dataset
CN110619347A (en) Image generation method based on machine learning and method thereof
CN109447897B (en) Real scene image synthesis method and system
Lu et al. Secure halftone image steganography based on feature space and layer embedding
CN114298997B (en) Fake picture detection method, fake picture detection device and storage medium
KR102567128B1 (en) Enhanced adversarial attention networks system and image generation method using the same
KR101937585B1 (en) Cost Aggregation Apparatus and Method for Depth Image Generation, and Recording Medium thereof
KR102501302B1 (en) Method and apparatus for generating multi-depth hologram
Wallace et al. Exploring the effect of sampling strategy on movement generation with generative neural networks
Ryu et al. Continuous depth control of phase-only hologram with depth embedding block
CN117115453B (en) Target image generation method, device and computer readable storage medium
Bryant et al. Noise signal identification by modified selforganizing maps
KR102454859B1 (en) Device and method for generating hologram
CN112686277A (en) Method and device for model training
KR20210095433A (en) Deep learning model for generating phase hologram at high speed and learning method thereof
Tsang et al. Efficient recording and retrieval of complex digital Fresnel holograms based on the line partitioned autoassociative memory