项目名称: 高分辨计算周视全息光场信息压缩及其快速算法研究

项目编号: No.61505177

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 无线电电子学、电信技术

项目作者: 施逸乐

作者单位: 浙江师范大学

项目金额: 17万元

中文摘要: 计算全息显示是基于波前再现的真三维显示技术,它是信息时代全息技术发展的必然。计算全息不仅可以编码实际物体光波的振幅和相位,而且能综合出虚拟物体波前,其显示效果与人眼三维视觉特性完全匹配,可以实现真实自然的高分辨三维显示。全息再现像的视角是关系三维显示效果的一项至关重要的技术指标,学者们为了实现大视角全息显示,提出了计算周视全息,其可实现视角为360度的三维显示。近年来,计算周视全息三维显示的应用研究引起了人们的极大关注,成为了信息科学的重要研究方向和热点。尽管计算周视全息已经取得一些进展,但离实用化尚且存在较大的距离。就目前研究现状,如何实现高分辨计算周视全息三维显示是一个难题,关键问题在于高分辨计算周视全息图需要的计算量很大。我们拟通过本项目的研究,讨论高分辨计算周视全息光场信息的压缩及其快速算法问题,为周视全息三维显示模型简化和全息快速算法设计提供理论指导及技术参考。

中文关键词: 三维显示;全息显示;计算全息;大视角

英文摘要: Computer-generated holography (CGH) is a wavefront reconstruction based true three-dimensional (3D) display technology, which is the inevitable development of holography in information era. The amplitude and phase of real object or virtual object can be encoded by CGH. The visualization effects of CGH match at the 3D visual characteristic of human eye completely. Thus, the computer-generated hologram can reconstruct high-resolution 3D images really and naturally. The viewing angle of holographic image is a significant factor of 3D visualization effect. Computer-generated cylindrical holography (CGCH) is proposed for holographic visualization with wide viewing angle. CGCH attracts much attention among academic and industry domain, and become a significant research orientation and hotspot in information science. Many researches about CGCH have been reported in recent years. However, CGCH is still far away from practical use. Based on research status, the challenge of realization of high-resolution CGCH-based 3D display is the huge compute burden. We will discuss the light field information compression of high-resolution CGCH and its fast algorithm in this project. It may provide theoretical and technical reference for CGCH-based 3D display model simplify and holographic fast algorithm design.

英文关键词: Three-dimensional display;Holographic display;Computer-generated holography;Wide viewing angle

成为VIP会员查看完整内容
0

相关内容

专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
18+阅读 · 2020年12月23日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
深度学习模型压缩算法综述
极市平台
1+阅读 · 2021年12月3日
趣解读 | 重构三维植被表型,计算呈现自然之美
中国科学院自动化研究所
0+阅读 · 2021年9月2日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
低清视频也能快速转高清:超分辨率算法TecoGAN
机器之心
13+阅读 · 2019年4月16日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Simple and Effective Unsupervised Speech Synthesis
Arxiv
2+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Challenges for Open-domain Targeted Sentiment Analysis
小贴士
相关VIP内容
专知会员服务
69+阅读 · 2021年3月29日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
31+阅读 · 2021年2月17日
专知会员服务
18+阅读 · 2020年12月23日
小目标检测技术研究综述
专知会员服务
120+阅读 · 2020年12月7日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
相关资讯
深度学习模型压缩算法综述
极市平台
1+阅读 · 2021年12月3日
趣解读 | 重构三维植被表型,计算呈现自然之美
中国科学院自动化研究所
0+阅读 · 2021年9月2日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
低清视频也能快速转高清:超分辨率算法TecoGAN
机器之心
13+阅读 · 2019年4月16日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员