Geri Dön

Optical classification and reconstruction through multimode fibers

Çok modlu fiberler üzerinden optik sınıflandırma ve yeniden oluşturma

  1. Tez No: 775602
  2. Yazar: ŞAHİN KÜREKCİ
  3. Danışmanlar: DOÇ. DR. EMRE YÜCE
  4. Tez Türü: Doktora
  5. Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Fizik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 142

Özet

Bir ışık demeti yüksek saçıcılık özelliklerine sahip bir ortamdan geçtiğinde, ortam içerisindeki karmaşık saçıcılıktan ötürü iki boyutlu düzensiz şiddet dağılımları (benek desenleri) oluşur. Giriş sinyali ve yayılma ortamının karakteristiği hakkında değerli bilgiler içermelerine rağmen benek desenlerini çözümlemenin zor olması saçıcı ortam üzerinden görüntülemeyi oldukça zorlayıcı bir hâle getirir. Kipsel dağılım yoluyla girişteki bilgiyi karıştırmaları ve uzak uçta benek desenleri yaratmaları sebebiyle çok modlu fiberler de saçıcı ortamlara benzer davranışlar gösterirler. Çok modlu fiberlerin büyük miktarda veriyi eşzamanlı olarak uzun mesafeler boyunca iletme yeteneğine sahip kompakt ve düşük maliyetli yapılar olmaları sebebiyle, bir çok modlu fiber tarafından yaratılan benek desenini çözümlemenin ve girişteki bilgiyi tekrar oluşturmanın fiber optik iletişim, sensör teknolojisi, optik görüntüleme ve endoskopi gibi invazif biyomedikal uygulamaları içeren geniş uygulama alanlarına büyük etkileri vardır. Bu tez çalışmasında, benek desenlerini çözümlüyoruz ve bir çok modlu fiberin yakın ucundaki giriş bilgisini üç farklı senaryoda yeniden oluşturuyoruz. Giriş sinyallerimiz ikili rakamlar şeklinde kodlanmış sayıları, el yazısıyla yazılmış harfleri ve optik frekansları içeriyor. El yazısıyla yazılmış harfleri sınıflandırmak ve yeniden oluşturmak için bir derin öğrenme modeli eğitirken diğer durumlar için girişteki sinyalleri ve çıkıştaki benekli desenleri birbiriyle ilişkilendiren bir iletim matrisi oluşturarak ters yayılım problemini cebirsel olarak çözdük. Tüm durumlarda benek deseni ile o desene ait giriş sinyali arasındaki ilişki düşük hata oranlarıyla öğrenildi, dolayısıyla sinyaller kendileri tarafından oluşturulan benek desenleri kullanılarak başarılı bir şekilde sınıflandırıldı ve yeniden oluşturuldu. Rakamları, harfleri ya da görüntüleri benek deseni bilgisi ile sınıflandırmak optik görüntülemede, optik iletişimde ve kriptografide faydalı olabilecek sistemler inşa etmeyi amaçlamaktayken optik frekansların sınıflandırılması ise özgün spektrometreler inşa etmenin önünü açmaktadır. Halihazırda mevcut olan kompakt, düşük bütçeli ve yüksek çözünürlüklü çok modlu fiber spektrometreyi tekrarlamanın yanı sıra, algılama tarafındaki kompaktlığı artırmak ve sistemin uygulama alanlarını genişletmek amacıyla tek pikselli bir fiber spektrometre inşa ediyoruz. Sunduğumuz tek pikselli spektrometre, dalga önünü uzaysal bir ışık modülatörü ile şekillendirerek ışığın odaklandığı sabit bir hedef bölgenin entegre yoğunluk ölçümlerine dayanmaktadır. Uzaysal ışık modülatörleri ve dalga önü şekillendirme teknikleri, istenen giriş sinyallerini oluşturmak için bu tezdeki diğer sınıflandırma çalışmalarında da kullanılmıştır.

Özet (Çeviri)

When a light beam travels through a highly scattering medium, two-dimensional random intensity distributions (speckle patterns) are formed due to the complex scattering within the medium. Although they contain valuable information about the input signal and the characteristics of the propagation medium, the speckle patterns are difficult to unscramble, which makes imaging through scattering media an extremely challenging task. Multimode fibers behave similarly to scattering media since they scramble the input information through modal dispersion and create speckle patterns at the distal end. Because multimode fibers are compact and low-cost structures with the ability to transmit large amounts of data simultaneously for long distances, decoding the speckle patterns formed by a multimode fiber and reconstructing the input information has great implications in a wide range of applications, including fiber optic communication, sensor technology, optical imaging, and invasive biomedical applications such as endoscopy. In this thesis, we decode the speckle patterns and reconstruct the input information on the proximal end of a multimode fiber in three different scenarios. Our choice of input signals consists of numbers encoded as binary digits, handwritten letters, and optical frequencies. We train a deep learning model to classify and reconstruct the handwritten letters, while for the rest of the cases, we construct a transmission matrix between the input signals and the output speckle patterns, and solve the inverse propagation equation algebraically. In all cases, the relation between a speckle pattern and the corresponding input signal is learned with low error rates; thus, the signals are classified and reconstructed successfully using the speckle patterns they created. Classifying digits, letters, or images with speckle information aims to build useful systems in optical imaging, communication, and cryptography, while the classification of optical frequencies paves the way for building novel spectrometers. In addition to replicating the currently existing compact, low-budget, and high-resolution multimode fiber spectrometer, we also build a single-pixel fiber spectrometer in order to increase the compactness on the detection side and expand the application areas of the system. The single-pixel spectrometer we offer is based on the integrated intensity measurements of a fixed target region, where the light is focused by shaping the wavefront with a spatial light modulator. Spatial light modulators and wavefront shaping techniques are also utilized in other classification tasks in this thesis to generate the desired input signals.

Benzer Tezler

  1. Seyreklik ve sözlük öğrenme yaklaşımlarının sınıflandırma ve yüz tanımaya uygulanması

    Classification and face recognition application of sparsity and dictionary learning based methods

    BERNA AZİZOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ENDER METE EKŞİOĞLU

  2. Rastgele markov alanları ve hücresel sinir ağları ile görüntü işleme

    Image processing with markow random fields and cellular neural networks

    MAHMUT ŞAMİL SAĞIROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2001

    Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN NURİ UÇAN

  3. 3d reconstruction, classification and mechanical characterization of microstructures

    Mikroskopik yapıların 3b rekonstrüksiyonu, sınıflandırılması ve mekanik nitelendirilmesi

    MUHAMMET ALİ HOCAOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ÜNEL

  4. Seyreklik temelli sınıflandırmanın hiperspektral görüntülerde uygulamaları

    Sparsity based classification application of hyperspectral images

    HALİL ÇAĞLAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ENDER METE EKŞİOĞLU

  5. Land cover and land use classification of multi-modal high-resolution satellite images using multi-task deep learning approach

    Çok görevli derin öğrenme tekniği ile çok kipli yüksek çözünürlüklü uydu görüntülerinin arazi örtüsü ve arazi kullanımı sınıflandırılması

    BURAK EKİM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İletişim Sistemleri Ana Bilim Dalı

    PROF. DR. ELİF SERTEL