Doctorado en Ingeniería: Área Ingeniería Electrónica

Permanent URI for this collection

https://noesis.uis.edu.co/handle/20.500.14071/9029

Browse

Browsing Doctorado en Ingeniería: Área Ingeniería Electrónica by Author "Jerez Ariza, Andrés Felipe"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Diseño de máscaras de fase para imágenes ópticas difractivas
    (Universidad Industrial de Santander, 2024-08) Jerez Ariza, Andrés Felipe; Argüello Fuentes, Henry; Meneses Fonseca, Jaime Enrique; Rodríguez Ferreira, Julián Gustavo; Hinojosa Montero, Carlos Alberto; León López, Kareth Marcela; Meza Narváez, Pablo Francisco
    Los sistemas de imágenes ópticas difractivas (DOI), que se basan en máscaras de fase multinivel (MPMs), codifican el frente de onda del campo óptico antes de ser registrado por el sensor. Esto resulta en patrones de difracción codificados (CDPs) donde se pierde la información de fase. Así que, el problema de recuperación de fase (PR) implica aproximar el campo óptico utilizando los CDPs adquiridos. Este problema se ha abordado a través de dos aspectos principales: el diseño de máscaras de fase y el desarrollo de algoritmos de recuperación. Además de los sistemas DOI basados en luz coherente, esta tecnología se ha extendido a configuraciones ópticas basadas en luz incoherente, especialmente en sistemas de imágenes espectrales. La clasificación espectral es una tarea computacional clave en el análisis de imágenes espectrales. Esta disertación enfrenta tres desafíos relacionados con los sistemas DOI: el método de inicialización para el problema de PR en DOI coherente, el problema de PR basado en el diseño MPM a través de una red neuronal profunda (DNN) interpretable en DOI coherente, y la clasificación espectral basada en el diseño MPM utilizando una arquitectura óptica dual en DOI incoherente. Específicamente, esta tesis presenta tres metodologías de optimización de extremo a extremo (E2E) para abordar los desafíos mencionados anteriormente: un método de inicialización E2E utilizando una DNN de doble rama que entrena el paso de filtrado y aproxima el campo óptico; un enfoque de recuperación E2E a partir de una DNN interpretable basada en una formulación no convexa que aprende el MPM y recupera el campo óptico; y un enfoque de clasificación espectral E2E integrando una configuración óptica dual con una DNN que optimiza el MPM y etiqueta los materiales en imágenes espectrales. Los métodos E2E propuestos exhiben un mejor rendimiento que los enfoques convencionales. Finalmente, se implementan dos configuraciones ópticas para validar experimentalmente los métodos E2E propuestos.