数字全息压缩策略

文章来源：先进制造

原文作者：LAM新媒体

撰稿：THEO（博士生）

由于数字化技术在全息领域中的渗透，人们对如何有效地压缩全息数据和数字存储的兴趣越来越大。全息技术的蓬勃发展离不开标准框架的建立，联合图像委员会 (JPEG) 和运动图像委员会(MPEG)等组织建立了全息数据的标准框架，不仅实现了设备和应用程序之间的互操作性，也积极影响到了医学成像（CT、US、MRI 等）、病理成像等领域，在 XR/VR/AR 等可视化应用中也积极提供支持。
尽管全息技术的应用越来越多，但其仍面临诸多挑战。在实际的应用场景中，为了获取更优的显示效果，通常导致未压缩的全息图的容量达到数TB级别，因此针对全息内容的有效压缩和表示是一个大挑战。另一个重大挑战是对全息内容的质量评估，由于全息图是基于波的三维场景投影，不同的观看视角全息图的质量也会不同，因此需要更加稳定客观的质量评估手段。
本文从生物医学成像和3D立体可视化两方对全息技术进行概述，并讨论了与全息内容相关的压缩技术。最后作者深入讨论了全息技术所面临的挑战以及未来努力的目标。
数字全息显微镜(DHM)DHM可以有效克服景深的限制，且能够实现相位（透射）微物体的成像，其输出数据和结果都以全息图和物体场的复振幅的格式提供，可以准确测量物体的积分相位、执行自动对焦、扩展焦深和校正任何类型的像差。但由于数字全息技术提供的数据具有集成特性，通过DHM 实现的定量相位成像（ QPI ）无法提供细胞或者组织的完整3D结构信息。
全息断层扫描(HT)为了克服这一限制，作者介绍了全息断层扫描在QPI中的应用。由于HT是基于光的衍射，可用于捕获非常精细的细节并实现无辐射的生物医学成像。与DHM不同的是，HT 的基本输出数据是每次测量的多个全息图，最终输出是HT输出是在测量体积中重建的折射率的三维分布。
为了更直观的展现常见的全息图具体的使用，作者总结了一个表格来汇总，从全息图记录设置、它们的表示方式以及在生物医学应用中提取的典型信息来进行展示。
表1：常见的全息记录设置概述、它们的表示以及在生物医学应用中提取的典型信息
可视化在介绍生物医学成像领域中的全息成像技术，作者又介绍了该技术的另一个重要用例，——3D 可视化。其中，3D 可视化的经典方法是通过使用空间光调制器 (SLM)来再现记录的物体波，该技术可以用在包括硅上液晶 (LCoS)、数字微镜显示器 (DMD)调制器 (AOM)等全息显示器上。同时为了绘制像素大小为可见光波长数量级的大全息图，作者还详细介绍了波前打印机的基本使用步骤。图1：波前打印机设置
压缩数字全息图之后作者又概述全息压缩解决方案的最新技术。从静止图像（帧内）编码标准和视频（帧间）编码技术两大方面进行讨论，介绍了现有编码标准的方法和局限性。接着回顾了针对全息术的压缩解决方案。其中，对原始全息数据进行操作的方法包括均匀量化以及Lloyd-Max 和 Linde-Buzo-Gray 算法。还有一部分研究方向是通过对编码方式的改变来提高量化和编码的效率。但从全息数据中提取深度信息仍然是一个需要解决的问题。
最后作者介绍了计量学中的压缩解决方案的相关工作，其中有两种流行的压缩方法：压缩最终重建和保留对象波场的复杂振幅测量，二者各有其适用的场景范围。在此基础上，使用的小波变换和分解样式获得的性能增益、将物体波场定位到IPH的傅里叶域中一个明确定义良好的区域等技术方案的研究可以一定程度上降低像素的比特率。

图2：全息视频压缩引擎的通用架构
质量评估方法作者在此介绍了对全息图进行视觉质量分析和感知质量预测的研究进展，分别从主观质量评估程序、客观质量评估和计量质量评估三个方向进行阐述。其中，对全息数据进行系统的主观实验是进行VQA的第一步。由于特定的全息显示器比较少，配置和操作对技术人员要求高，并且测试需要对全息图进行多次排列和光学对齐，直接进行评估可能会耗费大量时间。
因此作者又介绍了间接评估方法，利用在非全息显示器上显示重建视图和深度信息。为了解决该方法中不提供有关捕获场景的其他 3D 方面的信息，实验人员使用4K 2D 屏幕，来显示沿着全息图重建的扫描路径生成的伪视频序列，该方法保证了从多个角度或焦距观看重建的场景的效果，且能够更好地掌握视差和来自压缩伪影的潜在影响。

图3：Dices16K 全息图上JPEG 2000 压缩伪影的表示
接着作者总结了用于客观的质量评估的各种评价标准，包括均方误差 (MSE)、信噪比 (SNR) 、峰值信噪比 (PSNR)、结构相似性 (SSIM)、稀疏显着性排名度量 (SSRM)等，并分析了这些客观量化标准在全息图处理的各个流程中的建议使用的程度。这些指标在DHM 和 HT 的评估中不再适用，它们需要测量压缩的影响。图4所展示的是DHM和HT的评估流程。

图4：（a）用于评估DHM中全息压缩的流程图(b)用于评估HT中全息压缩的流程图
总结展望尽管如上所述，众多研究者已经从很多方面来解决全息数据表示和压缩的相关瓶颈。但在未来仍有许多挑战需要深入解决。例如：去除多分量全息图中的颜色信息、降低计算复杂度和增加并行性、如何提高数据质量评估措施和程序的性能，以及在其市场化过程中如何改进相互之间的互操作性，建立完善的技术框架等。

---

编辑：陆定辞

新闻来源：中科院半导体所，文中所述为作者独立观点，不代表icspec立场。更多精彩资讯请下载icspec App。如对本稿件有异议，请联系微信客服specltkj。