Compressed Sensing: a new framework for signals recovery and its application in Digital Holography

Memmolo, Pasquale (2011) Compressed Sensing: a new framework for signals recovery and its application in Digital Holography. [Tesi di dottorato] (Inedito)

Full text disponibile come:

[img]
Preview
PDF - Richiede un editor Pdf del tipo GSview, Xpdf o Adobe Acrobat Reader
1562Kb

Abstract

In olografia digitale l'informazione di ampiezza e fase del fronte d'onda di un oggetto può essere ottenuta quantitativamente e analizzata in digitale attraverso la simulazione numerica delle leggi di diffrazione. Partendo da questo, sono state realizzate molte applicazioni di grande interesse in campo ottico, come l'imaging microscopico a contrasto di fase, la recognition di oggetti 3D e il display dinamico di ologrammi in 3D. In ogni caso, la qualità di queste elaborazioni dipende fortemente dalla qualità degli ologrammi da processare, in particolare dipende dal rumore che il processo di acquisizione di un ologramma introduce sul fronte d'onda registrato. Le tecniche che vengono, attualmente, applicate sugli ologrammi e sulle loro ricostruzioni numeriche per ottimizzarne la qualità, sono tipiche dell'image processing. Molte di esse permettono di ridurre o sopprimere il rumore, che nel caso specifico di ologrammi digitali, è composto da una mistura di due componenti: un rumore additivo Gaussiano, non correlato all'ologramma, e un rumore moltiplicativo di tipo speckle. Ad esempio i metodi classici basati su trasformata di Fourier e trasformata wavelet sono stati ampiamente studiati, ma possono essere applicati solo nei rispettivi domini trasformati. Inoltre, tali metodi sono fortemente influenzati dal cambiamento di alcuni parametri del fronte d'onda da elaborare, come ad esempio la frequenza, l'ampiezza etc. Al fine di superare efficacemente i limiti evidenziati da i più comuni algoritmi di denoising, risulta fondamentale la realizzazione di algoritmi di ricostruzione che siano robusti nelle diverse condizioni in cui un ologramma può essere acquisito. A tal fine, questo lavoro di tesi propone un nuovo metodo di denoising per ologrammi digitali, molto robusto ed efficiente, basato sulla tecnica del Compressed Sensing (CS). Il CS è una procedura per l'acquisizione e ricostruzione di segnali che possono essere rappresentati in forma sparsa in un opportuno dominio trasformato. Dopo un inizio lento, questo tema ha acquisito un'elevata risonanza, ed attualmente, ha un impatto scientifico molto forte grazie al riconoscimento che, in natura, molti segnali, se proiettati in un opportuno dominio, ammettono una rappresentazione sparsa. Sfruttando questa sparsità, si può ottenere una migliore approssimazione della funzione distorsione-tasso di un segnale, e fornire linee guida per realizzare un’efficiente ed efficace fase acquisizione e di denoising del segnale, come verrà dimostrato in questa tesi. Nonostante il grande impatto che questo framework ha avuto nella comunità scientifica, la chiave per una comprensione più profonda di questa tecnica è l'identificazione dei limiti fondamentali nei processi di ricostruzione e denoising. Questa tesi si propone di analizzare questi aspetti per segnali particolari, quali sono gli ologrammi digitali, fornendo una procedura standard per un’efficiente ricostruzione numerica a valle di un processing mirato all'eliminazione delle componenti di rumore. L'algoritmo di denoising progettato ed implementato, risulta molto efficace e robusto nella rimozione del rumore che corrompe gli ologrammi digitali, come dimostrano da diversi esempi sperimentali. Infatti il metodo è stato testato per diversi ologrammi, acquisiti in diverse condizioni sperimentali, ed in ogni caso i risultati si sono rivelati eccellenti, il che dimostra la bontà e la robustezza del metodo proposto. Inoltre è stato analizzato l'effetto di denosing attraverso la proiezione degli ologrammi processati, per vedere e quantificare i miglioramenti che questa tecnica produce nel display 3D di ologrammi.

Tipologia di documento:Tesi di dottorato
Parole chiave:Compressed Sensing; Digital Holography
Settori scientifico-disciplinari MIUR:Area 09 Ingegneria industriale e dell'informazione > ING-INF/03 TELECOMUNICAZIONI
Area 02 Scienze fisiche > FIS/01 FISICA SPERIMENTALE
Coordinatori della Scuola di dottorato:
Coordinatore del Corso di dottoratoe-mail (se nota)
Rinaldi, Niccolònirinald@unina.it
Tutor della Scuola di dottorato:
Tutor del Corso di dottoratoe-mail (se nota)
Tulino, Antonia Mariaatulino@princeton.edu
Stato del full text:Accessibile
Data:30 Novembre 2011
Numero di pagine:102
Istituzione:Università di Napoli Federico II
Dipartimento o Struttura:Ingegneria biomedica, elettronica e delle telecomunicazioni
Stato dell'Eprint:Inedito
Scuola di dottorato:Ingegneria dell'informazione
Denominazione del dottorato:Ingegneria elettronica e delle telecomunicazioni
Ciclo di dottorato:24
Numero di sistema:8831
Depositato il:07 Dicembre 2011 13:19
Ultima modifica:04 Settembre 2012 09:15

Solo per gli Amministratori dell'archivio: edita il record