Цифровые и интеллектуальные методы регистрации и обработки световых распределений в высокопроизводительных фотонных информационных системах тема диссертации и автореферата по ВАК РФ 00.00.00, доктор наук Черёмхин Павел Аркадьевич

• Черёмхин Павел Аркадьевич
• доктор наук
• 2025

Оглавление диссертации доктор наук Черёмхин Павел Аркадьевич

Введение

Глава 1 Цифровая регистрация и обработка пространственных световых распределений

1.1 Развитие методов регистрации и обработки световых распределений

1.2 Современные области применения

1.3 Особенности цифровой регистрации световых распределений

1.3.1 Шумы матричных регистраторов

1.3.2 Радиометрические функции фотосенсоров

1.3.3 Спектральные характеристики фотосенсоров

1.4 Методы повышение качества регистрации пространственно-временных световых распределений

1.4.1 Шумоподавление в современных фотосенсорах

1.4.2. Цифровые методы подавления шумов

1.4.3. Оптико-цифровые подходы к подавлению спекл-шума

1.4.4. Анализ подходов к подавлению влияния паразитных порядков дифракции

1.5 Перспективы

1.6 Основные выводы главы

Глава 2. Характеризация параметров высокоразрешающих средств регистрации пространственных световых распределений

2.1 Измерение радиометрических характеристик регистраторов по стандарту

2.2 Разработанный метод измерения временных шумов регистраторов

2.2.1 Описание метода измерения временных шумов регистраторов

2.2.2 Измерение световых и темновых временных шумов регистраторов

2.3 Разработанный метод измерения пространственных шумов регистраторов

2.3.1 Описание метода измерения пространственных шумов регистраторов

2.3.2 Измерение световых и темновых пространственных шумов регистраторов

2.4 Экспериментальная оценка статистических распределений шумов

2.5 Метод измерения спектральных характеристик бытовых камер по отдельным цветовым каналам массива Байера

2.5.1 Описание метода

2.5.2 Измерение спектральных параметров цветовых матричных регистраторов

2.6.3 Применение спектральных характеристик цветовых каналов камер

2.6 Метод получения портрета световых пространственных шумов фото - и видеокамер

2.6.1 Описание метода

2.6.2 Измерение портрета световых пространственных шумов экземпляра камеры

2.6.3 Идентификация снимков, сделанных экземпляром камеры, по портрету световых пространственных шумов

2.7 Анализ измеренных характеристик регистраторов

2.9 Основные выводы главы

Глава 3. Прецизионное детектирование световых распределений

3.1 Численная модель регистрации световых распределений

3.2 Отношение сигнал/шум в регистрируемых световых распределениях

3.3 Метод увеличения отношение сигнал/шум в регистрируемых световых распределениях путём многократной экспозиции

3.3.1 Отношение сигнал/шум снимков при использовании многократной экспозиции

3.3.2 Численная оценка увеличения отношения сигнал/шум за счёт многократной экспозиции

3.3.3 Экспериментальная реализация метода увеличения отношения сигнал/шум в регистрируемых световых распределениях за счёт многократной экспозиции

3.4 Метод увеличения отношение сигнал/шум в регистрируемых световых распределениях путём компенсации пространственных шумов с помощью их портретов

3.4.1 Оценки увеличения отношения сигнал/шум

3.4.2 Результаты моделирования

3.4.3 Экспериментальные результаты оценки отношения сигнал/шум

3.5 Оценки увеличения отношения сигнал/шум при пространственном усреднении по соседним пикселам

3.5.1 Оценки увеличения отношения сигнал/шум регистрируемых изображений при однократной экспозиции с пространственным усреднением

3.5.2 Численные эксперименты по оценке увеличения отношения сигнал/шум при однократной

и многократной экспозициях с пространственным усреднением по группе пикселов

3.5.3 Увеличение отношения сигнал/шум в регистрируемых световых распределениях за счёт пространственного усреднения по группам пикселов

3.6 Регистрация интерференционных световых полей в задачах цифровой голографии

3.6.1 Цифровая голографическая регистрация

3.6.2 Экспериментальная установка для записи цифровых голограмм

3.7 Восстановление и повышение качества изображений в цифровой голографии

3.7.1 Голограмма объёмной сцены в режиме «на просвет»

3.7.2 Голограммы объёмных сцен в режиме «на отражение»

3.7.3 Численное восстановление световых распределений различными методами

3.7.4 Вычислительная ресурсоёмкость численного восстановления голограмм для различных программных сред

3.7.5 Подавление нежелательных порядков дифракции путём численной фильтрации

3.8 Отношение сигнал/шум в восстановленных с цифровых голограмм изображениях

3.8.1 Условия численных экспериментов по моделированию процесса записи цифровых голограмм

3.8.2 Выражение для отношения сигнал/шум амплитуды восстановленных с цифровых голограмм световых распределений объектов

3.8.3 Результаты численных экспериментов по оценке качества восстановления световых распределений с цифровых голограмм

3.9 Увеличение сигнал/шум восстановленных с цифровых голограмм световых распределений

3.9.1 Выражение для отношения сигнал/шум восстановленных световых распределений объектов с цифровых голограмм при использовании многократной экспозиций

3.9.2 Результаты численных экспериментов по оценке увеличения сигнал/шум восстановленных с цифровых голограмм световых распределений за счёт многократной экспозиций

3.9.3 Увеличение отношения сигнал/шум в восстановленных с цифровых голограмм изображениях за счет пространственного усреднения

3.9.4 Увеличение отношения сигнал/шум в восстановленных с цифровых голограмм изображениях за счет компенсации портретов пространственных шумов фотосенсоров

3.9.5 Экспериментальная оценка влияния шумов и радиометрических параметров камер на качество восстанавливаемых с голограмм световых распределений

3.10 Основные результаты и выводы по главе

Глава 4. Некоторые современные проблемы в цифровой голографии

4.1 Повышение качества оптического восстановления световых распределений в цифровой голографии

4.1.1 Методы оптического восстановления световых распределений с цифровых голограмм,

выведенных на физический носитель

4.1.2 Влияние уменьшения диапазона модуляции фазы модулятора света при выводе голограмм

4.1.3 Мультиплицирование голограмм

4.1.4 Преобразование цифровой голограммы в киноформ

4.2 Нейросетевое повышения качества численного восстановления голограмм

4.2.1 Метод повышения качества на основе нейросетевой амплитудно-фазовой реконструкции

4.2.2 Нейросетевой метод повышения качества восстановления сечений объёмной сцены

4.3 Компьютерная пост-обработка: бинаризация голограмм

4.3.1 Пороговая бинаризация

4.3.2 Бинаризация методом диффузии ошибки

4.3.3 Итеративный метод подбора весовых коэффициентов операции диффузии ошибки

4.3.4 Метод бинаризации на основе локальной обработки, поблокового разделения и диффузии ошибки

4.4 Компьютерная пост-обработка: сжатие цифровых голограмм

4.4.1 Методы, основанные на стандартах изображений и видео и вейвлетах

4.4.2 Методы сжатия на основе скалярного квантования

4.4.3 Методы сжатия на основе векторного квантования

4.4.4 Метод сжатия на основе комбинирования процедур

4.5 Компьютерная пост-обработка: квантование цифровых голограмм

4.6 Основные результаты и выводы по главе

Глава 5. Регистрация информации в системах пространственной фильтрации

5.1 Оптическое кодирование QR-кодов

5.2 Метод оптического кодирования с пространственно -некогерентным освещением

5.3 Оценка влияния шумовых портретов и временных шумов на качество декодированных изображений

5.4 Эксперименты по оптическому кодированию QR-кодов в системе с пространственно-некогерентным освещением

5.5 Основные результаты и выводы по главе

Глава 6. Особенности детектирования сигналов широкополосных и сверхширокополосных аналоговых оптических трактов

6.1 Искажения в аналоговых оптических трактов

6.2 Методы повышения свободного динамического диапазона аналоговых оптических трактов

6.2.1 Аппаратные методы

6.2.2 Цифровые методы

6.2.3 Анализ методов и перспективы их развития

6.3 Применение фильтра на основе мультиплексора в системе оптоэлектронной генерации сигнала с низким уровнем фазовых шумов

6.4 Интеллектуальный метод повышения свободного динамического диапазона

6.4 Основные результаты и выводы по главе

Глава 7. Реконструкция световых распределений методами сжатого зондирования

7.1 Методы сжатого зондирования

7.2 Восстановление световых распределений однолучевой регистрацией

7.2.1 Восстановление бинарных световых распределений

7.2.2 Восстановление полутоновых световых распределений

7.2.3 Экспериментальное восстановление световых распределений из набора оптических регистраций

Заключение

Список литературы

271

Введение диссертации (часть автореферата) на тему «Цифровые и интеллектуальные методы регистрации и обработки световых распределений в высокопроизводительных фотонных информационных системах»

Введение Актуальность темы исследования

Прогресс последних лет в развитии оптико-цифровых методов и технологий обеспечивает широкие возможности фотонных систем как по скорости передачи, регистрации, обработки и отображения информации, так и по её объему. Такие системы обеспечивают модуляцию излучения, регистрацию данных (однопиксельным или многопиксельным приемником), дискретизацию и квантование сигнала, а также цифровую постобработку зарегистрированных световых распределений, в том числе шумоподавление, повышение динамического диапазона, интерполяцию, сжатие, распознавание и выделение отдельных объектов и др. Подобные фотонные информационные системы имеют ряд преимуществ по сравнению с исключительно цифровыми аналогами: скорость регистрации, бесконтактность, миниатюрность. Применение цифровых и интеллектуальных методов в таких системах обеспечит расширение возможностей как современных, так и перспективных технологий по скорости передачи когерентных и некогерентных световых распределений, их информативности, качеству регистрации и обработки, в том числе для численного и оптического формирования объёмных сцен, цифровых и дифракционных нейросетевых методов сегментации и классификации, систем криптографического кодирования данных, оптической передачи сигналов и др.

Повышение скорости регистрации, необходимость фиксации быстропротекающих процессов, условия низкой освещённости, использование инфракрасного излучения и др. приводят к существенному снижению качества регистрируемой информации. В связи с этим необходимы учёт различных параметров элементов фотонных информационных систем, негативно влияющих на качество фиксируемых световых распределений, и их компенсация. Среди таких параметров можно отметить: темновые и световые временные шумы, темновые и световые пространственные шумы, ограниченность динамического диапазона, спектральные характеристики. При этом подавляющее большинство современных специализированных прикладных задач использует интерполированный вид представления регистрируемой информации, что дополнительно снижает качество относительно съёмки в формате сырых данных.

Ключевым компонентом большинства подобных систем являются твердотельные матричные фотосенсоры, которые в настоящее время обладают высоким разрешением: на уровне десятков и сотен мегапикселов (Мп) при площади пиксела порядка 1 мкм или даже меньше. Данные фотосенсоры имеют высокие значения квантовой эффективности, что позволяет производить высокоскоростную регистрацию интенсивности световых распределений, либо низкий уровень шумов, что обеспечивает точную регистрацию таких распределений.

Цифровые и интеллектуальные интерферометрические и голографические методы и техники вычислительной визуализации позволяют осуществить восстановление фазовой составляющей в оптико-цифровых системах.

В совокупности это позволяет получить полную амплитудно-фазовую информацию о регистрируемом световом распределении.

Для восстановления с регистрируемых дифрактограмм и интерферограмм световых распределений с высоким отношением сигнал/шум (ОСШ) важно знание шумовых параметров фотонных систем, в первую очередь регистрирующих цифровых камер. Точное знание шумовых параметров камер необходимо и для определения источника изображения и подтверждения факта его постобработки, идентификации камер по снимкам и других задач, в том числе направленных на защиту авторского права и противодействие незаконной деятельности. Даже при наблюдении невооружённым глазом качество снимков ограничивается временными и пространственными шумами используемых средств регистрации.

Дополнительно, конкретные фотонно-цифровые системы могут предъявлять дополнительные требования. Например, в когерентных системах необходимо компенсировать не только шумы регистраторов, но и оптические шумы, в первую очередь спекл-шумы, а при восстановлении информации с цифровых голограмм требуется подавлять влияние нежелательных порядков дифракции. Современные системы преобразования волновых фронтов требуют точного знания шумовых параметров используемых систем регистрации для обеспечения высокоточной обработки с высокой скоростью. Примером подобных систем являются системы на основе принципа кодирования волнового фронта, применяющиеся для

отображения двумерных изображений и трёхмерных сцен, коррекции аберраций и увеличения глубины резкости, формирования и преобразования пучков, распознавания образов, сокрытия информации и т.д. В задачах, использующих кодирование волнового фронта, требуется численное восстановление зарегистрированных кодированных изображений. В результате качество восстановления в значительной степени зависит от уровня шумов. В системах, основанных на методах цифровой голографии, знание шумовых характеристик позволит заранее, на основе одного только численного моделирования, оценить качество восстановления, достижимое с использованием конкретного фоторегистратора.

Методы, применяющиеся для повышения качества регистрации и обработки световых распределений в высокопроизводительных фотонных информационных системах, активно развиваются и являются предметом большого количества исследований. Современные цифровые шумоподавляющие фильтры (в том числе наиболее эффективные - BM3D и ЫЪМ) обеспечивают снижение шумов, но ограничиваются аппроксимацией по световому шуму. При этом формально темновые шумы учитываются, но только как одно фиксированное значение, и поэтому не могут быть подавлены в полной мере. Помимо этого, большинство характеристик камер, необходимых для эффективного шумоподавления, априори неизвестны так как не измеряются производителями. Для высокотехнологичных научных камер и камер технического зрения, применяющихся при решении ряда современных задач, знание этих характеристик необходимо, они требуют оперативного и точного измерения. Во всех указанных случаях, требующих учёта различных параметров элементной базы фотонных информационных систем, важнейшую роль будут играть аспекты создания и практического использования цифровых аппаратных средств, цифровых алгоритмических и интеллектуальных методов.

Таким образом, в настоящее время актуальны исследование, разработка и апробация принципов и методов, обеспечивающих высокоскоростную, высококачественную и высокоинформативную регистрацию, обработку и визуализацию световых распределений. В связи с этим создание оптико-цифровых, цифровых и интеллектуальных методов для решения различных задач,

в том числе рассмотренных выше, является чрезвычайно важным и практически-ориентированным направлением и определяет их высокий потенциал для применения в высокопроизводительных фотонных информационных системах с размерностями сигналов на уровне десятков Мп и пропускной способностью на уровне десятков Гбит/с.

Цель работы и основные задачи исследования

Целью работы является создание принципов построения высокопроизводительных фотонных информационных систем с использованием инструментов цифровой регистрации, алгоритмической и интеллектуальной обработки когерентных и некогерентных пространственно-временных световых распределений, скоростной адаптации и модификации данных.

Для достижения данной цели были поставлены следующие задачи:

1) Выявление основных факторов, ограничивающих пропускную способность и точность современных и перспективных фотонных систем регистрации и передачи информации. Оценка принципиальной возможности повышения информативных качеств пространственно-временных световых распределений, обрабатываемых в таких системах.

2) Оценка достижимых и предельных технических возможностей высокопроизводительных фотонных систем регистрации световых распределений с большой пространственно-частотной базой. Определение принципов построения фотонных систем высокопроизводительной обработки и отображения аналоговых и цифровых данных с учётом специфики используемых оптоэлектронных компонентов.

3) Разработка теоретического описания и математических моделей процессов регистрации и восстановления световых распределений с учётом особенностей аппаратной реализации оптической системы, возможностей современной и перспективной элементной базы, параметров регистрируемых и восстанавливаемых распределений. Апробация моделей, созданных в рамках данного подхода, на регистраторах различного типа и назначения.

4) Создание методов характеризации высокопроизводительных регистраторов световых распределений мегапиксельного разрешения. Разработка высокоточных и высокоскоростных методов измерения временных шумов по

контролируемому объёму регистрируемой информации. Разработка методов повышения отношения сигнал/шум регистрируемых световых распределений на основе извлечения портрета световых пространственных шумов.

5) Разработка принципов скоростной цифровой обработки световых распределений высокой информационной ёмкости и их модификации в соответствии с требованиями систем отображения и передачи данных. Исследование возможности применения интеллектуальных методов обработки в оптико-цифровых дифракционных системах для повышения качества регистрации и восстановления световых распределений. Разработка высокоскоростных методов сжатия, бинаризации и квантования компьютерно-синтезированных и цифровых голограмм.

6) Обоснование принципов цифровой коррекции регистрируемого сигнала в высокоскоростных фотонных системах. Оценка возможностей цифровой посткомпенсации нелинейных искажений сигнала в сверхширокополосных сверхвысокочастотных аналоговых оптических трактах. Исследование особенностей формирования изображений в высокоскоростных системах регистрации, основанных на применении методов сжатого зондирования.

7) Развитие и совершенствование методов представления данных и обработки световых распределений в некогерентных оптико-цифровых дифракционных системах пространственной фильтрации с целью обеспечения высокой скорости обработки информации в таких системах.

Научная новизна

1) Разработаны принципы построения фотонных систем передачи, обработки и отображения данных, обеспечивающие пропускную способность до десятков Гбит/с. На основе сформулированных принципов обоснованы и разработаны методы цифровой, интеллектуальной и аппаратной обработки пространственно-временных световых распределений.

2) Впервые разработана математическая модель цифровой голографии диффузных объектов, учитывающая возможные случайные распределения фазоров в плоскости голографической регистрации. Получена многопараметрическая зависимость отношения сигнал/шум восстанавливаемых с цифровых голограмм световых распределений от размера голографируемого

объекта, интенсивностей опорной и объектной волн, неоднородностей фоточувствительности и темнового сигнала, темнового временного и фотонного дробового шумов и динамического диапазона регистрирующего фотосенсора.

3) Обоснованы и разработаны оптико-цифровые высокоточные методы характеризации фотосенсоров цифровых камер мегапиксельного разрешения. Разработанные методы обеспечивают высокоскоростное измерение временных шумов фотосенсоров с рекордной точностью.

4) Принцип высокоскоростной интеллектуальной обработки цифровых голограмм, основанный на подавлении дополнительных порядков дифракции и применении свёрточной нейронной сети с разветвленной архитектурой, обеспечил рекордную точность реконструкции световых распределений. Показана возможность реконструкции подобной нейронной сетью наборов сечений трёхмерной сцены напрямую из зарегистрированной цифровой голограммы мегапиксельного разрешения с точностью, на 40% превышающей передовые интеллектуальные методы.

5) Разработаны новые методы адаптации и модификации цифровых данных, получаемых в результате регистрации световых распределений. Предложены методы пространственно-частотного сжатия цифровых голограмм, обеспечивающие коэффициент компрессии более 300. Созданы новые методы квантования компьютерно-синтезированных и цифровых голограмм, обеспечивающие повышение точности восстановления световых распределений до 3 раз (по различным стандартным метрикам) по сравнению с традиционными цифровыми методами и как минимум 10-кратное ускорение относительно передовых итерационных методов. Впервые разработаны многопараметрические методы бинаризации компьютерно-синтезированных и цифровых голограмм, специализированые для высокоскоростных фотонных систем на основе микрозеркальных модуляторов света.

6) Разработан экспериментальный метод определения предельно допустимого уровня пространственных потерь интенсивности в системах однопиксельной регистрации изображений, учитывающий особенности метода сжатого зондирования и параметры аппаратной реализации. Продемонстрировано, что при формировании изображения бинарного объекта в

данной системе пиковое отношение сигнал/шум снижается незначительно при уровне потерь до 50%.

7) Разработан принцип и экспериментально реализована техника оптического кодирования цифровой информации в пространственно -некогерентном свете, допускающая использование ключей кодирования с эквивалентной длиной не менее 128 кбит. Обоснована возможность эффективного применения в оптико-цифровых криптографических системах матричных контейнеров цифровых данных с 20-кратно увеличенной информационной емкостью.

Научная и практическая значимость заключается в том, что результаты работы являются теоретической и экспериментальной основой для построения высокопроизводительных фотонных систем, решающих задачи регистрации, анализа, передачи, хранения и обработки световых распределений с высокими пространственным и временным разрешениями. Разработанные методы оценки параметров фотосенсоров, использующие доступную элементную базу, обеспечивают быструю и точную характеризацию цифровых камер различных типов: от любительских камер и камерофонов до научных регистраторов; и позволяют оценить возможности их применения в исследовательских и прикладных задачах, включая: оптико-цифровые системы визуализации и обработки данных; улучшение качества регистрируемых световых распределений; повышение скорости съемки, в том числе быстропротекающих процессов, в сложных погодных условиях и условиях низкой освещённости. Разработанные методы могут быть использованы для повышения качества как восстановленных с цифровых голограмм 2D- и 3D-световых распределений, так и при их регистрации другими методами (в том числе в птихографии и когерентной дифракционной визуализации), а также при регистрации произвольных пространственных световых распределений, в том числе сфокусированных изображений, дифрактограмм и спеклограмм. Метод характеризации, являющийся зарегистрированным программным продуктом, показал высокий класс по скорости и точности оценки параметров фотосенсоров цифровых фото- и видеокамер. Предложенный метод измерения портретов пространственных шумов может быть использован в различных прикладных задачах, включая охрану авторских прав, идентификацию цифровых камер и

анализ достоверности изображений, в том числе в социальных сетях. Методы повышения качества оптической реконструкции обеспечат развитие методов трёхмерной визуализации, улучшение эффективности работы оптических пинцетов и трёхмерной печати на основе аддитивных технологий. Разработанные методы бинаризации и квантования цифровых голограмм позволят как существенно сжимать объемы информации для хранения и передачи по каналам связи, так и преобразовывать их для вывода на высокоскоростные модуляторы света (например, микрозеркального типа) для разработки голографических дисплеев, оптических корреляторов, оптического кодирования информации. Разработанные методы сжатия данных обеспечат высокоэффективную компрессию голограмм, получаемых в рамках голографической диагностики, видеонаблюдения, регистрации микро- и макрообъектов в медико-биологических задачах и др., что позволит использовать доступные носители для хранения этих данных. Метод является зарегистрированным программным продуктом. Метод оптического кодирования с повышенной информационной ёмкостью обеспечит защищённую передачу изображений по открытым каналам связи, восстановление сцен по сигналам распознавания в корреляторах, увеличение глубины резкости изображений, а также позволит снизить стоимость, массу и габариты кодирующих систем. Результаты оценки возможностей цифровой посткомпенсации нелинейных искажений сигнала в сверхширокополосных сверхвысокочастотных аналоговых оптических трактах и предложенные техники обеспечат продвижение в области высокопроизводительных фотонных информационных систем, в том числе с компенсацией искажений и шумов в режиме реального времени. Результаты исследований были применены при создании радиотехнической системы на основе фотонных аналого-цифровых преобразователей, которая успешно прошла полевые испытания. Проведённая оценка предельно допустимого уровня пространственных потерь интенсивности в системе однопиксельной регистрации с использованием сжатого зондирования позволит эффективно использовать данный метод в задаче получения информации в случае динамически изменяющих сред (в том числе со значительной потерей света из-за различных воздействий), регистрируемых как в видимом, так и инфракрасном диапазоне.

Результаты работ использовались в ряде научно-исследовательских и опытно-конструкторских работ: РНФ № 22-79-10340 (руководитель), РНФ № 2079-00291 (руководитель), РНФ № 18-79-00277 (руководитель), РНФ № 24-1900899 (основной исполнитель), РНФ № 23-12-00336 (исполнитель), РНФ №22-2900603 (исполнитель), РНФ № 14-19-01751 (основной исполнитель), РФФИ № 1607-00389 (руководитель), РФФИ № 17-07-00829 (исполнитель), РФФИ № 14-2908174 (исполнитель), РФФИ № 13-07-00395 (исполнитель), государственное задание № 2.5674.2011 (исполнитель), государственное задание № FSWU-2023-0070 (исполнитель), государственное задание № 3.2066.2014/К (исполнитель), «Фонд содействия развитию малых форм предприятий в научно -технической сфере» №368гу1/2013 (руководитель), ФЦП № 14.B37.21.0248 (исполнитель), ФЦП № П874 от 26.05.2010 г. (исполнитель), а также хоздоговорных тем.

Основные положения, выносимые на защиту

1) Разработанные принципы построения оптико-цифровых дифракционных систем формирования, регистрации и обработки пространственно-временных световых распределений высокой информационной емкости обеспечивают

11 7

достижение пропускной способности до 10 бит/с при организации до 10 дискретных информационных каналов с частотой обновления до 104 Гц в каждом.

2) Построенные многопараметрические математические модели цифровой голографии диффузных объектов одновременно учитывают влияние неоднородностей фоточувствительности и темнового сигнала, темнового временного и фотонного дробового шумов, динамического диапазона фотосенсора цифровой камеры, размер голографируемых объектов, интенсивности опорной и объектной волн. Для широкого диапазона камер различного назначения созданные модели демонстрируют высокую (отклонение не более 5%) точность определения отношения сигнал/шум восстановленного светового распределения без необходимости предварительно макетировать полную оптическую систему.

3) Созданные оптико-цифровые методы характеризации фотосенсоров цифровых камер мегапиксельного разрешения, основанные на автоматической сегментации регистрируемых изображений, обеспечивают оценку временных шумов с рекордно низкой ошибкой (менее 0,2%). Дополнительная модификация

таких методов гарантирует высокоскоростную и высокоточную (ошибка менее 2%) характеризацию фотосенсоров по результатам регистрации 2 изображений одной сцены, имеющих широкий динамический диапазон интенсивности. Разработанные методы, основанные на извлечении портрета световых пространственных шумов с улучшенной техникой подавления темновых шумов, с высокой точностью идентифицируют камеры по критерию свой/чужой (соотношение коэффициентов корреляции не менее 60).

4) Разработанные принципы скоростной интеллектуальной обработки цифровых голограмм, основанные на алгоритмическом подавлении дополнительных порядков дифракции и нейросетевом восстановлении вспомогательных световых распределений, позволяют достичь рекордной точности реконструкции. Интеграция разработанной свёрточной нейронной сети с разветвленной архитектурой в систему реконструкции световых распределений демонстрирует 40% (по стандартным метрикам) повышение точности восстановления по сравнению с существующими передовыми интеллектуальными методами при отсутствии характерной для традиционных алгоритмических подходов потребности во вспомогательной информации.

5) Предложенные методы адаптации и модификации цифровых данных, получаемых в результате регистрации световых распределений, существенно повышают возможности фотонных систем отображения и передачи информации. Разработанные алгоритмы сжатия цифровых голограмм позволяют достичь коэффициента компрессии более 300 без существенных потерь в качестве восстановления. Методы квантования и бинаризации компьютерно-синтезированных и цифровых голограмм делают возможной высокоскоростную (более 1010 бит/с) передачу голографических данных.

6) Разработанные принципы цифровой коррекции регистрируемого сигнала обеспечивают высокоскоростные передачу и регистрацию информации в фотонных системах. Показаны возможности методов цифровой линеаризации для посткомпенсации искажений сигнала сверхширокополосных сверхвысокочастотных аналоговых оптических трактов. Определен предельно допустимый уровень пространственных потерь интенсивности (до 50%) в системах однопиксельной регистрации изображений методом сжатого

зондирования, при котором качество зарегистрированных изображений снижается менее чем на 2 дБ по величине пикового отношения сигнал/шум.

7) Применение разработанных методов пространственной фильтрации световых распределений обеспечивает для оптико-цифровых криптографических систем с пространственно-некогерентным освещением пропускную способность более 1010 бит/с при эквивалентной длине ключа кодирования не менее 128 кбит. Предложенный метод кодирования матричных контейнеров цифровых данных рекордной информационной емкости (в 20 раз превышающей достигнутую ранее) снижает относительную ошибку декодирования более чем в 2 раза по сравнению с системами с когерентным освещением.

Апробация работы Основные результаты диссертационного исследования были представлены на международных конференциях IS&T/SPIE Electronic Imaging (Берлингейм, США, 2012, 2014, 2015), SPIE Photonics Europe (Брюссель, Бельгия, 2012, 2014, 2016; Страсбург, 2018), «Оптика лазеров» (Санкт-Петербург, 2018), «ХОЛОЭКСПО» (Москва, 2010; Минск, 2011; Суздаль, 2012; Москва, 2013; Ярославль, 2016; Звенигород, 2017; Нижний Новгород, 2018; Москва, 2020; Геленджик, 2021); по Фотонике и Информационной оптике (г. Москва, 2012-2025 гг.); Школы-симпозиума по голографии и когерентной оптике (Нижний Новгород, 2013; Калининград, 2017; Екатеринбург, 2019; Санкт-Петербург, 2022); SPIE Photonics West (Сан-Франциско, 2014, 2015, 2017, 2018, 2020, 2021); Speckle metrology (Янов-Подласки, Польша, 2018), Asia-Pacific Conference on Fundamental Problems of Opto- and Microelectronics (Москва-Самара, 2011; Хабаровск, 2016); SPIE Security & Defence (Амстердам, 2014; Тулуза, 2015; Варшава, 2017), SPIE Optics & Photonics (Сан-Диего, 2014), SPIE Optics+Optoelectronics (Прага, 2015), SPIE Photonics Asia (Пекин, 2016), Digital Holography & 3-D Imaging (Чеджу, Республика Корея, 2017; Бордо, 2019), «Оптика» (Санкт-Петербург, 2011, 2013,

2015, 2017); «Фундаментальные проблемы оптики» (Санкт-Петербург, 2012, 2014,

2016, 2018, 2019); Научных сессиях НИЯУ МИФИ (г. Москва, 2010, 2011); Всероссийских научных конференциях по проблемам математики, информатики, физики и химии (Москва, 2010); «Молодежь и наука» (Москва, 2010-2013); по проблемам физики частиц, физики плазмы и конденсированных сред,

оптоэлектроники (Москва, 2011, 2012, 2014, 2019, 2022, 2024); молодёжных Самарских конкурсах-конференциях научных работ по оптике и лазерной физике (Самара, 2011-2013); 2-й Школе-семинаре «Фотоника нано- и микроструктур» (Владивосток, 2013). Результаты работы были многократно отмечены научным сообществом, в том числе получена первая премия имени Ю.И. Островского за лучшую научную работу в области оптической голографии и интерферометрии (2022 г.), присуждена медаль ВВЦ «За успехи в научно-техническом творчестве» (2013 г.), неоднократно занято первое место за доклады на всероссийских и международных конференциях.

Публикации по теме работы По теме работы опубликовано 200 печатных работ, среди них 2 8 статей в рецензируемых журналах из списка ВАК; 98 - в изданиях из баз данных Scopus и Web of Science, в том числе в 19 периодических рецензируемых изданиях уровня Q1, 14 уровня Q2, 8 уровня Q3, 7 уровня Q4; 117 - в трудах международных конференций, 23 - в трудах всероссийских конференций, 1 раздел в монографии и 4 результата интеллектуальной деятельности.

Структура и объём работы Диссертация состоит из введения, 7 глав, заключения и списка литературы. Общий объём диссертации составляет 296 страниц, включая 146 рисунков, 8 таблиц и список литературы из 333 наименований.

Список литературы диссертационного исследования доктор наук Черёмхин Павел Аркадьевич, 2025 год

Список литературы

[1] Euclid, et al. La prospettiva di Euclide. Nella stamperia de'Giunti, In Fiorenza (1573).

[2] Janesick J.R. Scientific charge-coupled devices. SPIE Press. (2001).

[3] Fossum E.R. Active pixel sensors: Are CCDS dinosaurs? // Proc. SPIE 1900, 214 (1993).

[4] Schnars U., et al. Digital Holography and Wavefront Sensing, Springer Berlin Heidelberg (2015)

[5] Kim M.K. Digital holographic microscopy. principles, techniques, and applications. New York, NY, USA: Springer-Verlag (2011).

[6] Fienup J.R. Phase retrieval algorithms: a comparison // Appl. Opt. 21, 2758-69 (1982).

[7] Zheng G., et al. Concept, implementations and applications of Fourier ptychography // Nature Reviews Physics 3, 3 (2021).

[8] Miao J. Computational microscopy with coherent diffractive imaging and ptychography // Nature 637, 281-295 (2025).

[9] Boominathan V., et al. Recent advances in lensless imaging // Optica 9, 1-16 (2022).

[10] Mait J.N., et al. Computational imaging // Adv. Opt. Photon. 10, 409-483 (2018).

[11] Rani M., et al. A Systematic Review of Compressive Sensing // IEEE Access 6, 4875-4894 (2018).

[12] Simon D.S., et al. Chapter 6 — Ghost Imaging and Related Topics, Quantum Metrology, Imaging, and Communication, 131-158 (2017).

[13] Hahne C., et al. Refocusing distance of a standard plenoptic camera // Opt. Express 24, 21521-21540 (2016).

[14] Gibson G.M., et al., Single-pixel imaging 12 years on: a review // Opt. Express 28, 28190-28208 (2020).

[15] Anat Levin A., et al. Image and depth from a conventional camera with a coded aperture // ACM Transactions on Graphics 26, 70 (2007).

[16] Lane B., et al. Full-field strain mapping of healthy and pathological mouse aortas using stereo digital image correlation // J. Mech. Behav. Biomed. Mater. 141, 105745 (2023).

[17] Nowak L. J., et al. Fish Detection Using Electrical Impedance Spectroscopy // IEEE Sens. J. 22, 20855-20865 (2022).

[18] Castillo-Ramírez A., et al. Use of Digital Images as a Low-Cost System to Estimate Surface Optical Parameters in the Ocean // Sensors 23, 3199-3199 (2023).

[19] Tajika Y., et al. Correlative microscopy and block-face imaging (CoMBI): a 3D imaging method with wide applicability in the field of biological science // Anat. Sci. Int. 98, 1-7 (2023).

[20] Hassani S., et al. A Systematic Review of Advanced Sensor Technologies for Non-Destructive Testing and Structural Health Monitoring // Sensors 23, 2204 (2023).

[21] Emilsson M., et al. Experiences of using surveillance cameras as a monitoring solution at nursing homes: The eldercare personnel's perspectives // BMC Health Services Research 23, 144 (2023).

[22] Fan Y., et al. Digital image colorimetry on smartphone for chemical analysis: A review // Measurement 171, 108829 (2021).

[23] Pandharipande A., et al. Sensing and Machine Learning for Automotive Perception: A Review // IEEE Sens. J. 23, 11097-11115 (2023).

[24] Putro M.D., et al. An Efficient Face Detector on a CPU Using Dual-Camera Sensors for Intelligent Surveillance Systems // IEEE Sens. J. 22, 565-574 (2022).

[25] Pleskow D.K., et al. Coherent Confocal Light Scattering Spectroscopic Microscopy Evaluates Cancer Progression and Aggressiveness in Live Cells and Tissue // ACS Photonics 8, 2050-2059 (2021).

[26] Ingle A., et al. Passive Inter-Photon Imaging // CVPR, 8585-8595 (2021).

[27] Kovanic E., et al. Long-Exposure RGB Photography with a Fixed Stand for the Measurement of a Trajectory of a Dynamic Impact Device in Real Scale // Sensors 21, 6818 (2021).

[28] Han D., et al. Nanosecond resolution photography system for laser-induced cavitation based on PIV dual-head laser and industrial camera // Ultrason. Sonochem. 78, 105733 (2021).

[29] Soomro T. A., et al. Image Segmentation for MR Brain Tumor Detection Using Machine Learning: A Review // IEEE Rev. Biomed. Eng. 16, 70-90 (2022).

[30] Vahadane A., et al. Development of an automated combined positive score prediction pipeline using artificial intelligence on multiplexed immunofluorescence images // Comput. Biol. Med. 152, 106337 (2022).

[31] M. Sahin. Image processing and machine learning-based bone fracture detection and classification using X-ray images // Int. J. Imaging Syst. Technol. 33, 853-865 (2023).

[32] Sarkar P., et al. A Review on Applications of Artificial Intelligence on Bionic Eye Designing and Functioning // Scand. J. Inf. Syst. 35, 1119-1127 (2023).

[33] Houhou R., et al. Comparison of denoising tools for the reconstruction of nonlinear multimodal images // Biomed. Opt. Express 14, 3259-3278 (2023).

[34] Zhu Y., et al. Automatic damage detection and diagnosis for hydraulic structures using drones and artificial intelligence techniques // Remote Sens. 15, 615 (2023).

[35] Liu F., et al. Depth Estimation from a Hierarchical Baseline Stereo with a Developed Light Field Camera // Appl. Sci. 14, 550 (2024).

[36] Xu D., et al. Design of artificial intelligence image encryption algorithm based on hyperchaos // Ain Shams Eng. J.14, 101891 (2023).

[37] Soori M., Bet al. Artificial intelligence, machine learning and deep learning in advanced robotics, A review // Cognitive Robotics 3, 54-70 (2023).

[38] Wang Y., et al. Motion estimation from noisy data with unknown distributions using multi-frame phase-preserving denoising // Mech. Syst. Signal Process. 206, 110924 (2024).

[39] Cheremkhin P.A., et al. Virtual camera-based analysis of photosensor characterization methods // Procedia Computer Science 213, 232-239 (2022).

[40] Yue H., et al. Supervised Raw Video Denoising With a Benchmark Dataset on Dynamic Scenes // Presented at CVPR, 2301-2310 (2020).

[41] Zamir S.W., et al. CycleISP: Real Image Restoration via Improved Data Synthesis // Presented at CVPR 9156752, 2693-2702 (2020).

[42] European Machine Vision Association. EMVA Standard 1288 Standard for Characterization of Image Sensors and Cameras // www.emva.org. https://www.emva.org/standards-technology/emva-1288/emva-standard-1288-downloads-2/

[43] Zhang T., et al. CMOS Fixed Pattern Noise Elimination Based on Sparse Unidirectional Hybrid Total Variation // Sensors 20, 5567 (2020).

[44] Lukas J., et al. Digital Camera Identification From Sensor Pattern Noise // IEEE Trans. Inf. Forensics Secur. 1, 205-214 (2006).

[45] Qi T., et al. A method for reducing transient electromagnetic Noise: Combination of variational mode decomposition and wavelet denoising algorithm // Measurement 198, 111420 (2022).

[46] Lin J., et al. Suppressing Shot Noise Using Quadratic Variable Step-Size Quantization for the Initial Acquisition of Camera-Raw Image Data // IEEE Trans. Image Process. 31, 5242-5256 (2022).

[47] Cheremkhin P.A., et al. Shot noise and fixed-pattern noise effects on digital hologram reconstruction // Opt. Lasers Eng. 139, 106461 (2021).

[48] Компанец И.Н. и др. Микродисплеи в системах пространственной модуляции света // Квантовая электроника 47, 294-302 (2017).

[49] Correa-Rojas N.A., et al. Generation of linearly polarized modes using a digital micromirror device and phase optimization // Comput. Opt. 46, 30-38 (2022).

[50] Conkey D.B., et al. High-speed scattering medium characterization with application to focusing light through turbid media // Opt. Express 20, 1733-1740 (2012).

[51] Черёмхин П.А. и др. Высокоскоростная оперативная реализация голографических и дифракционных элементов с применением микрозеркальных пространственно-временных модуляторов света // Квантовая электроника 50, 667674 (2020).

[52] Goorden S., et al. Superpixel-based spatial amplitude and phase modulation using a digital micromirror device // Opt. Express 22, 17999-18009 (2014).

[53] Shin S., et al. Active illumination using a digital micromirror device for quantitative phase imaging // Opt. Lett. 40, 5407-5410 (2015).

[54] Geng Q., et al. Ultrafast multi-focus 3-D nano-fabrication based on two-photon polymerization // Nat. Commun. 10, 2179 (2019).

[55] Hu X.-B., et al. High-speed generation of singular beams through random spatial multiplexing // J. Opt. 23, 044002 (2021).

[56] Jaramillo-Osorio A., et al. Experimental Fresnel and Fourier digital holography using a digital micro-mirror device. J. Opt. 23, 035701 (2021).

[57] Jiao S., et al. Review on optical image hiding and watermarking techniques // Opt. Laser. Technol. 109, 370-380 (2019).

[58] Geng Y., et al. Generation of Mathieu beams based on the detour phase encoding method // Opt. Commun. 486, 126754 (2021).

[59] Kim T. Recent Progress of an Optical Scanning Holography Camera // Proceedings of the International Symposium on Industrial Electronics (IEEE), Cairns, QLD, Australia, 13-15 June 2018; 1335-1339.

[60] Cheremkhin P.A., et al. Wavelet compression of off-axis digital holograms using real/imaginary and ampli-tude/phase parts // Sci. Rep. 9, 7561 (2019).

[61] Yoneda N., et al. Binary computer-generated-hologram-based holographic data storage. Appl. Opt. 2019, 58, 3083-3090. https://doi.org/10.1364/AO.58.003083.

[62] Cheremkhin P.A., et al. Lensless optical encryption with speckle-noise suppression and QR codes // Appl. Opt. 60, 7336-7345 (2021).

[63] Nakamura J. Image sensors and signal processing for digital still cameras. Boca Raton, FL: CRC Press, 2006. 322 p.

[64] Cheremkhin P.A., et al. A family of methods based on automatic segmentation for estimating digital camera noise: A review // IEEE Sensors Journal 24, 17353-17365 (2024).

[65] Healey G.E., Kondepudy R. Radiometric CCD camera calibration and noise estimation // IEEE Transactions on Pattern Analysis and Machine Intelligence 16, 267276 (1994).

[66] Donoho D. De-noising by soft-thresholding // IEEE Transactions on Information Theory Intelligence 41, 613-627 (1995).

[67] Forstner W. Image Preprocessing for Feature Extraction in Digital Intensity, Color and Range Images // Chap. 4 in Geomatic Methods for the Analysis of Data in the Earth Sciences, A. Dermanis, A. Griin, F. Sansb, Eds., Springer-Verlag, BerlinHeidelberg, 165-189 (2000).

[68] De Stefano A., et al. Training methods for image noise level estimation on wavelet components // EURASIP Journal on Applied Signal Processing 16, 2400-2407 (2004).

[69] Liu C., et al. Automatic estimation and removal of noise from a single image // IEEE Trans. Pattern Anal. Mach. Intell. 30, 299-314 (2007).

[70] Grossberg M.D., et al. Determining the camera response from images: What is knowable? // IEEE Trans. Pattern Anal. Mach. Intell. 25, 1455-1467 (2003).

[71] Mandracchia B., et al. Fast and accurate sCMOS noise correction for fluorescence microscopy // Nat. Commun. 11, 94 (2020).

[72] Katkovnik V., et al. Sparse phase imaging based on complex domain nonlocal BM3D techniques // Digital Signal Processing: A Review Journal 63, 72-85 (2017).

[73] Chen, H., et al. Fuzzy singular value shrinkage for Poisson image denoising // J. Mod. Opt. 66, 1569-1578 (2019).

[74] Di Serafino D., et al. ACQUIRE: an inexact iteratively reweighted norm approach for TV-based Poisson image restoration // Applied Mathematics and Computation 364, 124678 (2020).

[75] Babcock H.P. et al. Correcting Artifacts in Single Molecule Localization Microscopy Analysis Arising from Pixel Quantum Efficiency Differences in sCMOS Cameras // Scientific Reports 9, 18058 (2019).

[76] Dong Z., et al. Automatic filtering for zero-order and twin-image elimination in off-axis digital holography // Opt. Eng. 58, 023112 (2019).

[77] Ren R., et al. Quasi-noise-free and detail-preserved digital holographic reconstruction // IEEE Access 7, 52155-52167 (2019).

[78] Ren Z., et al. Fringe Pattern Improvement and Super-Resolution Using Deep Learning in Digital Holography // IEEE Transactions on Industrial Informatics 15, 6179-6186 (2019).

[79] Dong J., et al. Hybrid method for speckle noise reduction in digital holography // J. Opt. Soc. Am. A. 36, D14-D22 (2019).

[80] Canon U.S.A. Inc. Canon's full-frame CMOS sensors: the finest toolsfor digital photography. White paper (2006).

[81] Yadid-Pecht O., et al. In-pixel autoexposure CMOS APS // IEEE Journal of Solid-State Circuits 38, 1425-1428 (2003).

[82] Fowler B., et al. A 640x512 CMOS image sensor with ultrawide dynamic range floating-point pixel-level adc // IEEE J. Solid-State Circuits 34, 1821-1834 (1999).

[83] Yadid-Pecht O., et al. Wide intrascene dynamic range CMOS APS using digital sampling // IEEE Trans. Electron Devices 44, 1721-1723 (1997).

[84] Winder S., et al. High dynamic range video // ACM Trans. on Graphics 22, 319 -325 (2003).

[85] Borman S., et al. Estimation theoretic approach to dynamic range improvement through multiple exposures // Proc. of IEEE International Conference on Image Processing, 159-163 (1999).

[86] Narasimhan S.G., et al. Enhancing resolution along multiple imaging dimensions using assorted pixels // IEEE Transactions on Pattern Analysis and Machine Intelligence 27, 518-530 (2005).

[87] Kreis T., et al. Suppression of the dc term in digital holography // Opt. Eng. 36, 2357-2360 (1997).

[88] Chen J., et al. New insights into the noise reduction Wiener filter // IEEE Transactions on Audio, Speech, and Language Processing 14, 1218-1234 (2006).

[89] Lee J. Digital Image Enhancement and Noise Filtering by Use of Local Statistics // IEEE Transactions on Pattern Analysis and Machine Intelligence 2, 165-168 (1980).

[90] Frost V., et al. A Model for Radar Images and Its Application to Adaptive Digital Filtering of Multiplicative Noise // IEEE Transactions on Pattern Analysis and Machine Intelligence 4, 157-166 (1982).

[91] Pan F., et al. Coherent noise reduction in digital holographic phase contrast microscopy by slightly shifting object // Opt. Express 19, 3862-3869 (2011).

[92] Wang Y., et al. Speckle noise suppression in digital holography by angular diversity with phase-only spatial light modulator // Opt. Express 21, 19568-19578 (2013).

[93] Rong L., et al. Speckle noise reduction in digital holography by use of multiple polarization holograms // Chin. Opt. Lett. 8, 653-655 (2010).

[94] Junmin L., et al. Speckle suppression in digital holographic imaging with random phases and different wavelengths // Opt. Eng. 53, 033105 (2014).

[95] Yamaguchi I., et al. Phase-shifting color digital holography // Opt. Lett. 27, 11081110 (2002).

[96] Sinharoy I. Progression of pixel resolution in digital cameras, https://indranilsinharoy.com/2014/02/09/pixel-resolution-in-digital-cameras/ (2014).

[97] Edwards B. Looking back at 35 years of the digital camera, https://www.macworld.com/article/209593/35yearsofdigitalcameras.html (2011).

[98] Cheremkhin P.A., et al. Modified temporal noise measurement method with automatic segmentation of non-uniform target, its accuracy estimation and application to cameras of different types // Opt. Eng. 53, 102107 (2014).

[99] Coffin D. Decoding raw digital photos in Linux, http://www.cybercom.net/~dcoffin/dcraw (2010).

[100] Cheryomkhin P.A., et al.Measurement of noises and modulation transfer function of cameras used in optical-digital correlators // Proc. SPIE 8301, 830113 (2012).

[101] Foi A., et al. Noise measurement for raw-data of digital imaging sensors by automatic segmentation of non-uniform targets // IEEE Sensors Journal 7, 1456-1461 (2007).

[102] Hudson D.J. Statistics Lectures on Elementary Statistics and Probability // CERN, Geneva (1964).

[103] Cheremkhin P.A., et al. Accurate estimation of camera shot noise in the real-time // Proc. SPIE 10433, 104330I (2017).

[104] Черёмхин П.А. и др. Сравнительный анализ и измерение временных шумов фотосенсоров камер оперативной методикой автоматической сегментации неоднородной сцены и стандартом EMVA 1288 // Измерительная техника 4, 28-35 (2021).

[105] Черёмхин П.А. и др. Оценка влияния динамического диапазона и шумов регистрирующих камер на качество цифровых голограмм // Оптический журнал 80, 53-64 (2013).

[106] Черёмхин П.А. и др. Методика измерения спектральных характеристик матричных приемников любительских и профессиональных фотокамер и их применение для задач цифровой голографии // Оптика и спектроскопия 115, 633643 (2013).

[107] Shaotong F., et al. Single-exposure Color Digital Holography // Proc. SPIE 7848, 784826 (2010).

[108] Xia P, et al. Improvement of color reproduction in color digital holography by using spectral estimation technique // Appl. Opt. 50, H177-H182 (2011).

[109] Cheremkhin P.A., et al. Use of spectral characteristics of DSLR cameras with Bayer filter sensors // J. Phys. Conf. Ser. 536, 012021 (2014).

[110] Черёмхин П.А. и др. Получение портрета световых пространственных шумов фотосенсора камеры для идентификации цифровых камер и увеличения отношения сигнал/шум при регистрации изображений // Наукоёмкие технологии 4, 47-55 (2013).

[111] Черёмхин П.А. и др. Моделирование влияния шумов фотосенсоров камер на качество восстановления изображений с цифровых голограмм Фурье // Известия вузов. Физика 58, 172-174 (2015).

[112] Cheremkhin P.A., et al. Increasing signal-to-noise ratio of registered images by using light spatial noise portrait of camera's photosensor // Proc. SPIE 9025, 90250X (2014).

[113] Черёмхин П.А. и др. Увеличение отношения сигнал/шум за счёт пространственного усреднения при регистрации изображений // Вестник РУДН, Серия «Математика. Информатика. Физика» 4, 122-136 (2012).

[114] Кронрод М.А. и др. Опыты по цифровой голографии // Автометрия 6, 30-40 (1972).

[115] Goodman J.W., et al. Digital image formation from electronically detected holograms // Applied Physics Letters 11, 77-79 (1967).

[116] Juptner W., et al. Principles of direct holography for interferometry // Proceedings of the 2nd International Workshop on Automatic Processing of Fringe Patterns, Berlin, 115-120 (1993).

[117] Seebacher S., et al. The determination of material parameters of microcomponents using digital holography // Opt. Lasers Eng. 36, 103-126 (2001).

[118] Javed I., et al. Compact and inverted digital holographic microscope based on common-path configuration // Appl. Opt. 64, B65-B71 (2024).

[119] Javidi., et al. Three-dimensional object recognition by use of digital holography // Opt. Lett. 25, 610-612 (2000).

[120] Ferraro P., et al. Optical reconstruction of digital holograms recorded at 10.6 ^m: route for 3D imaging at long infrared wavelengths // Opt. Lett. 35, 2112-2114 (2010).

[121] Belashov A.V., et al. Investigation of Nonlinear Optical Properties of Quantum Dots Deposited onto a Sample Glass Using Time-Resolved Inline Digital Holography // J. Imag. 8, 74-74 (2022).

[122] Poon T.C. Digital Holography and Three-Dimensional Display. Principles and Applications. N. Y., Springer US, 430 p. (2006).

[123] Shimobaba T., et al. In-line digital holographic microscopy using a consumer scanner // Sci. Rep. 3, 2664 (2013).

[124] Pavillon N., et al. Suppression of the zero-order term in off-axis digital holography through nonlinear filtering // Appl. Opt. 48, 186-195 (2009).

[125] Гудмен Дж. Введение в фурье-оптику // М.: Мир (1970).

[126] Gabor D. A new microscopic principle // Nature 161, 777-778 (1948).

[127] Leith E.N., et al. Reconstructed wavefronts and communication theory // Jour.Opt.Soc.Amer. 52. 1123-1130 (1962).

[128] Денисюк Ю.Н. Голография с записью в трехмерных и двухмерных средах // Труды государственного оптического института имени С.И.Вавилова 36, 121-131 (1969).

[129] Yamaguchi I., et al. Phase-shifting digital holography // Opt. Lett. 22, 1268-1270 (1997).

[130] Tahara T., et al. Single-shot polarizationimaging digital holography based on simultaneous phaseshifting digital holography // Opt. Lett. 36, 3254-3256 (2011).

[131] Suzuki H., et al. Dynamic recording of a digital hologram with single exposure by a wave-splitting phase-shifting method // Opt. Rev. 17, 176-180 (2010).

[132] Demetrakopoulos T., et al. Digital and optical reconstruction of images from suboptical diffraction patterns // Appl. Opt. 13, 665-670 (1974).

[133] Yu L., et al. Wavelength-scanning digital interference holography for tomographic three-dimensional imaging by use of the angular spectrum method // Opt. Lett. 30, 2092-2094 (2005).

[134] Bennink R.S., et al. An efficient method of implementing near-field diffraction in computer-generated hologram design // Opt.Commun. 141, 194-202 (1997).

[135] Mas D., et al. Fast numerical calculation of Fresnel patterns in convergent systems // Opt. Commun. 227, 245-258 (2003).

[136] Restrepo J.F., et al. Magnified reconstruction of digitally recorded holograms by Fresnel-Bluestein transform // Appl. Opt. 49, 6430-6435 (2010).

[137] Li J., et al. Digital holographic reconstruction of large object using a convolution approach and adjustable magnification // Opt. Lett. 34, 572-574 (2009).

[138] Liebling M, et al Fresnelet: new multiresolution wavelet bases for digital holography // IEEE Trans. Image Process. 12, 29-43 (2003).

[139] Cheremkhin P.A., et al. Estimation of objects transverse parameters in off-axis and inline Fresnel digital holography // Proc. SPIE 9508, 95080X (2015).

[140] Черёмхин П.А. и др. Запись и численное восстановление цифровых голограмм Френеля // Вестник РУДН, Серия «Математика. Информатика. Физика» 4, 113-123 (2011).

[141] Fienup J.R. Invariant error metrics for image reconstruction // Appl.Opt. 36, 8352-8357 (1997).

[142] Cheryomkhin P.A., et al. Numerical and optical reconstruction of digital off-axis Fresnel holograms // Proc. SPIE 8429, 84291M (2012).

[143] Cheremkhin P.A., et al. Dynamic Reconstruction of 3D-scenes from Registered Digital Holograms // Physics Procedia 73, 333-337 (2015).

[144] Rincon O.J., et al. Novel method for automatic filtering in the Fourier space applied to digital hologram reconstruction // Proceedings of SPIE 8082, 80822E (2011).

[145] Zhu M. Electrical Engineering and Control. Berlin-Heidelberg: Springer-Verlag, 575-582 (2011).

[146] Lie C., et al. Elimination of zero-order diffraction in digital holography // Opt. Eng. 41, 2434-2437 (2002).

[147] Ma L., et al. Elimination of zero-order diffraction and conjugate image in off-axis digital holography // J. Mod. Opt. 56, 2377-2383 (2009).

[148] Кольер Р. и др. Оптическая голография. М.: Мир, 1973. 698 с.

[149] Middleton, D. An Introduction to Statistical Communication Theory // New York: McGraw-Hill Book Company (1960).

[150] Picart P., et al. Digital Holography // Hoboken-London: Wiley (2012).

[151] Черёмхин П.А. и др. Оценка дифракционной эффективности и качества изображений при оптическом восстановлении цифровых голограмм Френеля // Известия вузов. Радиофизика 57, 711-727 (2014).

[152] Castañeda R, et al. Experimental study of the effects of the ratio of intensities of the reference and object waves on the performance of off-axis digital holography // Optik 132, 274-283 (2017).

[153] Röder F, et al. Noise estimation for off-axis electron holography // Ultramicroscopy 144, 32-42 (2014).

[154] Montrésor S, et al. Reference-free metric for quantitative noise appraisal in holographic phase measurements // J. Opt. Soc. Am. A 35, A53-A60 (2018).

[155] Cheremkhin P.A., et al. Fast increase of quality of optically reconstructed images in digital holography // Proc. SPIE 11306, 113060W (2020).

[156] Cheremkhin P.A., et al. An optical-digital method of noise suppression in digital holography // J. Opt. 24, 115702 (2022).

[157] Wyrowski F., et al. Computer-generated holography: hologram repetition and phase manipulations // J. Opt. Soc. Am. A 4 (4), 694-698 (1987).

[158] Ma W., et al. Deep learning for the design of photonic structures // Nature Photonics 15, 77-90 (2021).

[159] Szegedy C., et al. Inception-v4, inception-ResNet and the impact of residual connections on learning // Proceedings of 31st AAAI Conference on Artificial Intelligence, 4278-4284 (2017).

[160] Альес М.Ю. и др. Применение искусственных нейронных сетей для анализа мультиспектральных изображений // Оптический журнал 88, 48-53 (2021).

[161] Liu T., et al. Deep learning-based superresolution in coherent imaging systems // Sci. Rep. 9, 3926 (2019).

[162] Li S., et al. Depth map denoising using a bilateral filter and a progressive CNN // Journal of Optical Technology 87, 361-364 (2020).

[163] Cheremkhin P.A., et al. Machine learning methods for digital holography and diffractive optics // Procedia Computer Science 169, 440-444 (2020).

[164] Zeng T., et al. Deep learning for digital holography: a review // Opt. Express 29, 40572-40593 (2021).

[165] Черёмхин П.А. и др. Нейросетевые методы в цифровой и компьютерной голографии. Обзор // Оптический журнал 91, 62-78 (2024).

[166] Ding B., et al. Activation functions and their characteristics in deep neural networks // Chinese Control And Decision Conference (CCDC), 1836-1841 (2018).

[167] Черёмхин П.А. и др. Нейросетевая реконструкция сцен с цифровых голограмм на основе извлечения амплитуды и фазы // Оптический журнал 89, 11 -19 (2022).

[168] Ronneberger O., et al. U-Net: Convolutional Networks for Biomedical Image Segmentation // Int. Conf. Med. image Comput. Comput. Interv. 9351, 234-241 (2015).

[169] Kaiqiang W., et al. Y-Net: a one-to-two deep learning framework for digital holographic reconstruction // Opt. Lett. 44, 4765-4768 (2019).

[170] Gonzalez R.C., et al. Thresholding. Digital Image Processing, 4th ed., N.Y.: Pearson, 1022 p. (2019).

[171] Wang Z., et al. Image quality assessment: from error visibility to structural similarity // IEEE Trans. Image Process. 13, 600-612 (2004).

[172] Cheremkhin P.A., et al. HoloForkNet: digital hologram reconstruction via multi-branch neural network // Applied Sciences 13, 6125 (2023).

[173] Wu Y., et al. Dense-U-net: Dense encoder-decoder network for holographic imaging of 3D particle fields // Opt. Commun. 493, 126970 (2021).

[174] Cheremkhin P.A., et al. Iterative synthesis of binary inline Fresnel holograms for high-quality reconstruction in divergent beams with DMD // Opt. Lasers Eng. 150, 106859 (2022).

[175] Lohmann A.W., et al. Synthesis of Binary Holograms. IEEE J. Quantum. Electron. 2, 153 (1966).

[176] Liu Z., et al. Efficient image preprocessing of digital holograms of marine plankton // IEEE J. Ocean Eng. 43, 83-92 (2018).

[177] Cheremkhin, P.A., et al. Comparative appraisal of global and local thresholding methods for binarisation of off-axis digital holograms // Opt. Lasers Eng. 115, 119-130 (2019).

[178] Eschbach R. Comparison of error diffusion methods for computer-generated holograms // Appl. Opt. 30, 3702-3710 (1991).

[179] Cheremkhin, P.A., et al. Comparative analysis of off-axis digital hologram binarization by error diffusion // J. Opt. 23, 075703 (2021).

[180] Min K., et al. Quality enhancement of binary-encoded amplitude holograms by using error diffusion // Opt. Express 28, 38140-38154 (2020).

[181] Liu K., et al. Pattern-adaptive error diffusion algorithm for improved phase-only hologram generation // Chin. Opt. Lett. 9, 050501 (2021).

[182] Sezgin M., et al. Survey over image thresholding techniques and quantitative performance evaluation. J Electron Imaging 13, 146-165 (2004).

[183] Bradley D., et al. Adaptive Thresholding Using the Integral Image // J Graph Tools 12, 13-21 (2007).

[184] Tsang P.W.M. A comparison of several methods for generation of binary holograms of three dimensional (3D) scenes // 3D Research 3, 1-6 (2012).

[185] Cao W.-B., et al. Binary hologram generation based on discrete wavelet transform // Optik 127, 558-561 (2016).

[186] Doyle W. Operation useful for similarity-invariant pattern recognition // J ACM 9, 259-267 (1962).

[187] Glasbey C.A. An analysis of histogram-based thresholding algorithms // Graph Models Image Process 55, 532-537 (1993).

[188] Prewitt J.M.S., et al. The analysis of cell images // Ann N Y Acad Sci 128, 10351053 (1966).

[189] Zack GW., et al. Automatic measurement of sister chromatid exchange frequency // J. Histochem. Cytochem. 25, 741-753 (1977).

[190] Kittler J., et al. Minimum error thresholding // Pattern Recogn 19, 41-47 (1986).

[191] Lloyd S.P. Least squares quantization in PCM // IEEE Trans Inf Theory 28, 129137 (1982).

[192] Max J. Quantizing for minimum distortion // IRE Trans Inf Theory 6, 7-12 (1960).

[193] Otsu N. A threshold selection method from gray-level histograms // IEEE Trans. Sys., Man., Cyber. 9, 62-66 (1979).

[194] Ridler T.W., et al. Picture thresholding using an iterative selection method // IEEE Trans. Syst. Man. Cybern. 8, 630-632 (1978).

[195] Kapur J.N., et al. A new method for gray-level picture thresholding using the entropy of the histogram // Graph Models Image Process 29, 273-285 (1985).

[196] Li C.H., et al. An iterative algorithm for minimum cross entropy thresholding // Pattern Recogn Letters 1998;18:771-6. https://doi.org/10.1016/S0167-8655(98)00057-9

[197] Sahoo P., et al. Threshold selection using Renyi's entropy // Pattern Recogn. 30, 71-84 (1997).

[198] Shanbhag A.G. Utilization of information measure as a means of image thresholding // Graph Models Image Process 56, 414-419 (1994). https ://doi.org/10.1006/cgip. 1994.1037

[199] Yen J.C., et al. A new criterion for automatic multilevel thresholding // IEEE Trans. Image Process. 4, 370-8 (1995).

[200] Huang L.-K., et al. Image thresholding by minimizing the measure of fuzziness // Pattern Recognit. 28, 41-51 (1995).

[201] Tsai W. Moment-preserving thresholding: a new approach // Comput. Gr. Image Process. 29, 377-93 (1985).

[202] Niblack W. An introduction to digital image processing // Upper Saddle River, NJ, USA: Prentice Hall (1986).

[203] Khurshid K., et al. Comparison of Niblack inspired Binarization methods for ancient documents // Proc. SPIE 7247, 72470U (2009).

[204] Feng M., et al. Adaptive binarization method for document image analysis // IEEE International Conference on Multimedia and Expo (ICME), Taipei, Taiwan, IEEE 1, 339-342 (2004).

[205] Sauvola J., et al. Adaptive Document Image binarization // Pattern Recogn 33, 225-236 (2000).

[206] Phansalskar N., et al. Adaptive local thresholding for detection of nuclei in diversity stained cytology images // Proceedings of International Conference on Communications and Signal Processing (ICCSP), Calicut, India, IEEE, 218-220 (2011).

[207] Bernsen J. Dynamic thresholding of grey-level images // Proceedings of 8th International Conference on Pattern Recognition, Paris, France, IEEE, 1251-1255 (1986).

[208] Chaubey A.K. Comparison of the Local and Global Thresholding Methods in Image Segmentation // World J Res Rev 2, 1-4 (2016).

[209] Soille P. Morphological Image Analysis: Principles and applications // BerlinHeidelberg: Springer-Verlag (2004).

[210] Huynh-Thu Q., et al. Scope of validity of PSNR in image/video quality assessment // Electron. Lett. 44, 800-801 (2008).

[211] Floyd R.W., et al. An adaptive algorithm for spatial grey scale // Proc. Soc. Inf. Disp. 17, 75-77 (1976).

[212] Jarvis J.F., et al. A survey of techniques for the display of continuous-tone pictures on bilevel displays // Comput. Graph. Image Process. 5, 13-40, (1976).

[213] Seckar J., et al. Relation of statistical information and visual quality in halftone images // Annals of DAAAM and Proceedings of the International DAAAM Symposium, Zadar, Croatia, 1419-1420 (2010).

[214] Stucki P. MECCA - a multiple-error correcting computation algorithm for bilevel image hardcopy reproduction // IBM Thomas J. Watson Research Center, 1991.

[215] Burkes D. Presentation of the Burkes error filter for use in preparing continuous-tone images for presentation on bi-level devices // LIB 15, CIS Graphics Support Forum (unpublished), (1988).

[216] Fan Z. A simple modification of error-diffusion weights // Proc. IS&T 46th Annual Conference, Boston, USA, 113-115 (1993).

[217] Guo J., et al. Digital Halftone Database (DHD): A Comprehensive Analysis on Halftone Types // Proc. Asia-Pacific Signal and Information Processing Association Annual Summit and Conference, Honolulu, Hawaii, USA, 1091-1099 (2018).

[218] Guo J., et al. Watermarking in dot-diffusion halftones using adaptive class-matrix and error diffusion // ECTI Transactions on Computer and Information Technology 13, 1-8 (2019)

[219] Barnard E. Optimal error diffusion for computer-generated holograms // J. Opt. Soc. Am. A 5, 1803-1817 (1988).

[220] Руис Л.А. Алгоритм вычисления адаптивного лифтинг вейвлет -преобразования на основе диффузии ошибок предсказания // Доклады БГУИР. 6, 55-61 (2013).

[221] Федосеев В.А. Оптимизация ядра диффузии ошибки для растрирования полутоновых изображений // Компьютерная оптика 37, 368-375 (2013).

[222] Fedoseev V.A. Kernel weights optimization for error diffusion halftoning method // Proc. SPIE 9445, 944521 (2015).

[223] Knuth D.E. Digital halftones by dot diffusion // ACM Trans. Graph. 6, 245-273 (1987).

[224] Arney J.S., et al. Error Diffusion and Edge Enhancement: Raster Versus OmniDirectional Processing // J. Imaging Sci. Tech. 46, 359-364 (2002).

[225] Fung Y.H. ., et al. Optimizing the error diffusion filter for blue noise halftoning with multiscale error diffusion // IEEE Trans. Image Process. 22, 1, 413-417 (2013),

[226] Liu., Y. et al. Dot-Diffused Halftoning With Improved Homogeneity // IEEE Trans. Image Process. 24, 4581-4591 (2015)

[227] Velho L., et al. Stochastic screening dithering with adaptive clustering // Proc. 22nd annual conference on Computer graphics and interactive techniques, Los Angeles, CA, USA, 273-27 (1995).

[228] Черёмхин П.А. и др. Адаптивный итеративный метод подбора весовых коэффициентов операции диффузии ошибки для бинаризации цифровых голограмм // Измерительная техника 6, 41-45 (2022).

[229] Cheremkhin P.A., et al. Adaptive digital hologram binarization method based on local thresholding, block division and error diffusion // Journal of Imaging 8, 15 (2022).

[230] Locatelli M., et al. Imaging live humans through smoke and flames using far-infrared digital holography // Opt. Express 21, 5379-5390 (2013).

[231] Демин В.В. и др. Цифровое голографическое видео для исследования биологических частиц // Оптический журнал 79, 42-46 (2012).

[232] Li H., et al. The Study of Tooth Erosion Tested by the Color Digital Holography (CDH) Detection System // Appl. Sci. 12, 8613 (2022).

[233] Petrov V., et al. Advances in Digital Holographic Interferometry // J. Imaging 2022, 8, 196. https://doi.org/10.3390/jimaging8070196.

[234] Galande A.S., et al. Quantitative phase imaging of biological cells using lensless inline holographic microscopy through sparsity-assisted iterative phase retrieval algorithm // J. Appl. Phys. 132, 243102 (2022).

[235] Kemper B., et al. Digital holographic microscopy for live cell applications and technical inspection // Appl. Opt. 47, A52-A61 (2007).

[236] Peixeiro J. P., et al. Holographic data coding: Benchmarking and extending hevc with adapted transforms // IEEE Trans. Multimed. 20, 282-297 (2018).

[237] Bruylants T., et al. Microscopic off-axis holographic image compression with JPEG 2000 // Proc. SPIE 9138, 91380F (2014).

[238] Gu H., et al. Phase-difference-based compression of phase-only holograms for holographic three-dimensional display // Opt. Express 26, 33592 (2018).

[239] Xing Y., et al. Comparative study of scalar and vector quantization on different phase-shifting digital holographic data representations // Proc. 3DTV Conf., Budapest, Hungary 1-4 (2014).

[240] Schelkens P., et al. Compression strategies for digital holograms in biomedical and multimedia applications // Light: Advanced Manufacturing 3, 1 (2022).

[241] Brunet-Saumard C., et al. K-bMOM: A robust Lloyd-type clustering algorithm based on bootstrap median-of-means // Computational Statistics & Data Analysis 167, 107370 (2022).

[242] Mallat S. A wavelet tour of signal processing // 3rd ed. Burlington, MA, USA: Academic Press (2009).

[243] Naughton T.J., et al. Compression of digital holograms for secure three-dimensional image storage and transmission // Opt. digital techniques for information security, New York, NY, USA: Springer-Verlag, 173-191 (2007).

[244] Huffman D. A method for the construction of minimum-redundancy codes // Proc. IRE 40, 1098-1101 (1952).

[245] Cheremkhin P.A., et al. Adaptive non-iterative histogram-based hologram quantization // Optik 311, 171933 (2024).

[246] Martinez-Rach M., et al. Optimizing the image R/D coding performance by tuning quantization parameters // Journal of Visual Communication and Image Representation. 49, 274-282 (2017).

[247] Cao H., et al. Robust and reversible color image watermarking based on DFT in the spatial domain // Optik. 262, 169319-169319 (2022).

[248] Paul S., et al. On visual masking estimation for adaptive quantization using steerable filters // Signal Processing: Image Communication 96, 116290 (2021).

[249] Lu H., et al. Edge and color contexts based object representation and tracking // Optik 126, 148-152 (2015).

[250] Smith B. Instantaneous companding of quantized signals // The Bell System Technical Journal. 36, 653-710 (1957).

[251] Bernardo M.V., et al. Efficient coding of experimental holograms using speckle denoising // Signal Processing-Image Communication. 96 (2021) 116306-116306.

[252] Chen J., et al. Compression of color digital hologram using wavelet thresholds and two-times quantization // Opt. Commun. 537, 129439-129439 (2023).

[253] Cheremkhin P.A., et al. Lensless Optical Encryption of Multilevel Digital Data Containers Using Spatially Incoherent Illumination // Appl. Sci. 12, 406-406 (2021).

[254] Refregier P., et al. Optical image encryption based on input plane and Fourier plane random encoding // Opt. Lett. 20, 767-769 (1995).

[255] Rajput S.K., et al. Image encryption based on interference that uses fractional Fourier domain asymmetric keys // Appl. Opt. 51, 1446 (2012).

[256] Rajput S.K., et al. Fresnel domain nonlinear optical image encryption scheme based on Gerchberg - Saxton phase-retrieval algorithm // Appl. Opt. 53, 418-425 (2014).

[257] Gonzalez-Moncada J.A., et al. Multiplane experimental optical data encryption using phase only holography // Opt. Lasers Eng. 188, 108900 (2025).

[258] Tajahuerce E., et al. Optical security and encryption with totally incoherent light. Opt. Lett. 26, 678-680 (2001).

[259] Cheryomkhin P.A., et al. Method of optical image coding by time integration // Proc. SPIE 8429, 84291P (2012).

[260] Zang J., et al. Optical image encryption with spatially incoherent illumination // Opt. Lett. 38, 1289-1291 (2013).

[261] Черёмхин П. А. и др. Оптическое кодирование массивов двоичных чисел в пространственно-некогерентном свете // Известия вузов. Физика 58, 29-36 (2015).

[262] Barrera J.F., et al. Optical encryption and QR codes: secure and noise-free information retrieval // Opt. Express 21, 5373-5378 (2013).

[263] Barrera J.F., et al. Experimental QR code optical encryption: noise-free data recovering // Opt. Lett. 39, 3074-3077 (2014).

[264] Barrera J.F., et al. Experimental scrambling and noise reduction applied to the optical encryption of QR codes // Opt. Express 22, 20268-20277 (2014).

[265] Lin C., et al. Four-dimensional key design in amplitude, phase, polarization and distance for optical encryption based on polarization digital holography and QR code // Opt. Express 22, 20727 (2014).

[266] Wang Z., et al. Single-intensity-recording optical encryption technique based on phase retrieval algorithm and QR code // Opt. Commun. 332, 36-41 (2014).

[267] International Organization for Standardization 2006 ISO/IEC 18004:2006 -Information technology, Automatic identification and data capture techniques, QR Code 2005 bar code symbology specification ISO Stand.

[268] Seenivasagam V. et al. A QR code based zero-watermarking scheme for authentication of medical images in teleradiology cloud // Comput. Math. Methods Med. 516465 (2013).

[269] Carnicer A., et al. Security authentication using phase-encoded nanoparticle structures and polarized light // Opt. Lett. 40, 135-138 (2015)

[270] Cheremkhin P.A., et al. QR code optical encryption using spatially incoherent illumination // Laser Physics Letters 14, 026202 (2017).

[271] Арсенин В.Я. и др. Методы решения некорректных задач // М: Наука (1979).

[272] Сойфер В.А. и др. Дифракционная компьютерная оптика // М: Физматлит, 736 с. (2007).

[273] Gerchberg R.W., et al. A practical algorithm for the determination of phase from image and diffraction plane pictures // Optik 35, 237-246 (1972).

[274] Cox C. Analog Optical Links: Theory and Practice (Cambridge: Cambridge University Press, 2004).

[275] Черёмхин П.А. и др. Методы линеаризации аналоговых оптических трактов // Успехи современной радиоэлектроники 75, 42-62 (2021).

[276] Farwell M.L., et al. Increased linear dynamic range by low biasing the Mach-Zehnder modulator // IEEE Photon. Technol. Lett. 5, 779 (1993).

[277] Karim A., et al. Optimization of Linearity Figure of Merit for Microwave Photonic Links // IEEE Photon. Technol. Lett. 21, 950 (2009).

[278] Betts G.E. Linearized modulator for suboctave-bandpass optical analog links // IEEE Trans. Microw. Theory Techn. 42, 2642 (1994).

[279] Li S., et al. Highly Linear Radio-Over-Fiber System Incorporating a Single-Drive Dual-Parallel Mach-Zehnder Modulator // IEEE Photon. Technol. Lett. 22, 1775 (2010).

[280] Sun J., et al. A single sideband radio-over-fiber system with improved dynamic range incorporating a dual-electrode dual-parallel Mach-Zehnder modulator // Opt. Comm. 336, 315 (2015).

[281] Lim C., et al. Intermodulation Distortion Improvement for Fiber -Radio Applications Incorporating OSSB+C Modulation in an Optical Integrated-Access Environment // J. Lightwave Technol. 25, 1602 (2007).

[282] McKinney J., et al. Linearization of Phase-Modulated Analog Optical Links Employing Interferometric Demodulation // J. Lightwave Technol. 27, 1212 (2009).

[283] Dai Y., et al. Feedforward linearization for RF photonic link with broadband adjustment-free operation // Opt. Express 25, 20770 (2017).

[284] Johnson L.M., et al. Reduction intermodulation distortion in interferometric optical modulators // Opt. Lett. 13, 928 (1988).

[285] Huang M., et al. Linearized analog photonic links based on a dual-parallel polarization modulator // Opt. Lett. 37, 1823 (2012).

[286] Han X., et al. Simultaneous even- and third-order distortion suppression in a microwave photonic link based on orthogonal polarization modulation, balanced detection, and optical sideband filtering // Opt. Express 24, 14812 (2016).

[287] Zhao F., et al. Linearized microwave photonic link based on dual-driven Mach-Zehnder modulator // Opt. Eng. 59, 1 (2020).

[288] Ackerman E.I. Broad-band linearization of a mach-zehnder electrooptic modulator // IEEE Trans. Microw. Theory Techn. 47, 2271 (1999).

[289] Zhang W., et al. Dual-wavelength linearization of analog photonic link based on PM-IM conversion // Opt. Commun. 420, 174-178 (2018).

[290] Xie X., et al. Linearized Mach-Zehnder intensity modulator // IEEE Photon. Technol. Lett. 15, 531 (2003).

[291] Dingel B., et al. Analytical model, analysis and parameter optimization of a super linear electro-optic modulator (SFDR > 130 dB) // Opt. Comm. 284, 5578 (2011).

[292] Cohen R.A., et al. Linearized electro-optic racetrack modulator based on double injection method in silicon // Opt. Express 23, 2252 (2015).

[293] Childs R.B., et al. Multichannel AM video transmission using a high-power Nd:YAG laser and linearized external modulator // IEEE J. Sel. Areas Comm. 8, 1369 (1990).

[294] Agarwal A., et al. Predistortion Compensation of Nonlinearities in Channelized RF Photonic Links Using a Dual-Port Optical Modulator // IEEE Photon. Technol. Lett. 23, 24 (2010).

[295] Hosseinzadeh N., et al. A Distributed Low-Noise Amplifier for Broadband Linearization of a Silicon Photonic Mach-Zehnder Modulator // IEEE J. Solid-State Circuits. 56, 1897-1909 (2021).

[296] Nazarathy M., et al. Progress in externally modulated AM CATV transmission systems // J. Lightwave Technol. 11, 82 (1993).

[297] Chou H.-F., et al. Highly linear coherent receiver with feedback // IEEE Photon. Technol. Lett. 19, 940 (2007).

[298] Bhatia A., et al. Linearization of phase-modulated analog optical links using a four-wave mixing comb source // Opt. Express 22, 30899 (2014).

[299] O'Connor S.R., et al. Wideband Adaptive Feedforward Photonic Link // J. Lightwave Technol. 26, 2810 (2008).

[300] Ismail T., et al. High-Dynamic-Range Wireless-Over-Fiber Link Using Feedforward Linearization // J. Lightwave Technol. 25, 3274 (2007).

[301] Fard A., et al. Digital broadband linearization technique and its application to photonic time-stretch analog-to-digital converter // Opt. Lett. 36, 1077 (2011).

[302] Lam D., et al. Digital broadband linearization of optical links // Opt. Lett. 38, 446 (2013).

[303] Clark T.R., et al. A phase-modulation I/Q-demodulation microwave-to-digital photonic link // IEEE Trans. Microw. Theory Tech. 58, 3039 (2010).

[304] Li P., et al. Fast Self-adaptive Generic Digital Linearization for Analog Microwave Photonic Systems // J. Light. Technol. 39, 15 (2021).

[305] Liu E., et al. Nonlinear Distortions Compensation Based on Artificial Neural Networks in Wideband and Multi-Carrier Systems // IEEE J. Quantum Electron., 55, 15 (2019).

[306] Bai W., et al. Multi-octave linearized off-quadrature biased MZM analog optical link using blind digital linearization // Asia Commun. Photonics Conf. ACP 1, 4-6 (2020).

[307] Jiang T., et al. Broadband Spurious-Free Dynamic Range Expander for Microwave Photonic Links Based on Optical Distortion Control // IEEE Photonics J. 11, 1-8 (2019).

[308] Hao T., et al. Recent advances in optoelectronic oscillators // Advanced Photonics 2, 044001-044001 (2020).

[309] Ming L., et al. Tutorial on optoelectronic oscillators // APL Photonics 6, 061101 (2021).

[310] Zhang H., et al. Photonic generation of linearly chirped microwave waveforms with tunable parameters // IEEE Photonics Technology Letters 32, 1037-1040 (2020).

[311] Tang J., et al. Integrated optoelectronic oscillator // Opt. Express 26, 1225712265 (2018).

[312] Hu J., et al. Tuneable photonic microwave waveforms generation based on a dual-loop optoelectronic oscillator // IEEE Photonics Journal 16, 1-5 (2024).

[313] Черёмхин П.А. и др. Оптоэлектронная система генерации сигнала с низким уровнем фазовых шумов на основе сверхвысокочастотного мультиплексора: оценка возможностей построения // Измерительная техника 11, 14-18 (2024).

[314] Bortsov A.A., et al. Nanostructural optoelectronic oscillators with the fiber-optical delay line // Laser optoelectronic oscillators, Springer Series in Optical Sciences 232, 15-71 (2020).

[315] Kondrashov A., et al. Influence of Mach-Zehnder modulator bias point on chaotic dynamics in spin-wave optoelectronic oscillator // J. Phys. Conf. Ser. 1697, 012166 (2020).

[316] Candès E.J., et al. An Introduction To Compressive Sampling // IEEE Signal Process. Mag. 25, 21-30 (2008).

[317] Rani M., et al. A Systematic Review of Compressive Sensing: Concepts, Implementations and Applications // IEEE Access 6, 4875-4894 (2018).

[318] Zhang F., et al. Building Corner Reflection in MIMO SAR Tomography and Compressive Sensing-Based Corner Reflection Suppression // IEEE Geosci. Remote Sen. Lett. 17, 446-450 (2020).

[319] Watts C.M., et al. Terahertz compressive imaging with metamaterial spatial light modulators // Nat. Photon. 2014. V. 8. P. 605-609 (2014).

[320] Duarte M.F., et al. Single-pixel imaging via compressive sampling // IEEE Signal Process. Mag. 25, 83-91 (2008).

[321] Zhang W., et al. Twin-Image-Free Holography: A Compressive Sensing Approach // Phys. Rev. Lett. 121, 093902 (2018).

[322] Edgar M.P., et al. Principles and prospects for single-pixel imaging // Nat. Photonics 13, 13-20 (2019).

[323] Cheremkhin P. A., et al. Objects Reconstruction By Compressive Sensing from Single-pixel Registrations Using DMD // KnE Energy 3, 509-522 (2018).

[324] Rudin L. I., et al. Nonlinear total variation based noise removal algorithms. // Physica 60, 259-268 (1992).

[325] Candes E.J., et al. Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information // IEEE Trans. Image Process. 52, 489-509 (2006).

[326] Bioucas-Dias J.M., et al. Two-Step Iterative Shrinkage/Thresholding Algorithms for Image Restoration // IEEE Trans. Image Process. 16, 2992-3004 (2007)

[327] Afonso M.V., et al. Fast Image Recovery Using Variable Splitting and Constrained Optimization // IEEE Trans. Image Process. 19, 2345-2356 (2010).

[328] Черёмхин П.А. и др. Влияние пространственных потерь сигнала, регистрируемого однопиксельным детектором, на качество восстановления изображений объектов // Известия вузов. Радиофизика 63, 644-655 (2020).

[329] Chen Q., et al. Low-Complexity Rate-Distortion Optimization of Sampling Rate and Bit-Depth for Compressed Sensing of Images // Entropy 22, 125 (2020).

[330] Gopalsami N., et al. Passive millimeter-wave imaging with compressive sensing // Opt. Eng. 51, 091614 (2012).

[331] Tajahuerce E., et al. Image transmission through dynamic scattering media by single-pixel photodetection // Opt. Express 22, 16945-16955 (2014).

[332] Duran V., et al. Compressive imaging in scattering media // Opt. Express. 23, 14424-14433 (2015).

[333] A-qian S., et al. Optical scanning holography based on compressed sensing using a digital micro-mirror device // Opt. Commun. 385, 19-24 (2017).