Diseño de máscaras de fase para imágenes ópticas difractivas

Simple item page
dc.contributor.advisorArgüello Fuentes, Henry
dc.contributor.authorJerez Ariza, Andrés Felipe
dc.contributor.evaluatorMeneses Fonseca, Jaime Enrique
dc.contributor.evaluatorRodríguez Ferreira, Julián Gustavo
dc.contributor.evaluatorHinojosa Montero, Carlos Alberto
dc.contributor.evaluatorLeón López, Kareth Marcela
dc.contributor.evaluatorMeza Narváez, Pablo Francisco
dc.date.accessioned2024-08-16T14:18:54Z
dc.date.available2024-08-16T14:18:54Z
dc.date.created2024-08
dc.date.issued2024-08
dc.description.abstractLos 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.
dc.description.abstractenglishDiffractive optical imaging (DOI) systems, which rely on multilevel phase masks (MPMs), encode the optical field wavefront before being recorded by the sensor. This results in coded diffraction patterns (CDPs) where the phase information is lost. Then, the phase retrieval (PR) problem involves approximating the optical field using the acquired CDPs. This problem has been tackled through two main aspects: the phase mask design and the recovery algorithm development. In addition to DOI setups based on coherent light, this technology has been extended to optical setups based on incoherent light, especially in spectral imaging systems. Spectral classification is a key computational task in spectral imaging analysis. This dissertation confronts three challenges related to DOI architectures: the initialization method for the PR problem in coherent DOI, the PR problem based on the MPM design through an interpretable deep neural network (DNN) in coherent DOI, and the spectral classification based on the MPM design using a dual optical architecture in incoherent DOI. Specifically, this thesis presents three end-to-end (E2E) optimization methodologies to tackle the challenges mentioned above: an E2E initialization method using a double-branch DNN that trains the filtering step and approximates the optical field; an E2E recovery approach from an interpretable DNN based on a non-convex formulation that learns the MPM and recovers the optical field; and an E2E spectral classification approach integrating a dual optical setup with a DNN that optimizes the MPM and labels materials into spectral images. The proposed E2E methods exhibit better performance than conventional approaches. Finally, two optical setups are implemented to experimentally validate the proposed E2E methods.
dc.description.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000092243
dc.description.degreelevelDoctorado
dc.description.degreenameDoctor en Ingeniería
dc.description.googlescholarhttps://scholar.google.com/citations?user=YCBEzFoAAAAJ&hl=es
dc.description.orcidhttps://orcid.org/0000-0002-0078-9166
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/43778
dc.language.isoeng
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programDoctorado en Ingeniería: Área Ingeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectImágenes difractivas
dc.subjectMáscaras de fase multinivel
dc.subjectOptimización de extremo a extremo
dc.subjectRecuperación de fase
dc.subjectClasificación espectral
dc.subject.keywordDiffractive Imaging
dc.subject.keywordMultilevel Phase Masks
dc.subject.keywordEnd-To-End Optimization
dc.subject.keywordPhase Retrieval
dc.subject.keywordSpectral Classification
dc.titleDiseño de máscaras de fase para imágenes ópticas difractivas
dc.title.englishPhase Mask Design for Diffractive Optical Imaging
dc.type.coarhttp://purl.org/coar/resource_type/c_db06
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Doctorado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
262.33 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
15 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
740.82 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Doctorado en Ingeniería: Área Ingeniería Electrónica