Repositorio creado para el proyecto final del curso Laboratorio Avanzado 2 del Instituto de Física de la Universidad de Antioquia.
Reconstrucción de imágenes con técnicas de Deep Learning a partir de hologramas de Fresnel simulados computacionalmente.
Autores: Ruiz A., J.N., Gutierrez C., C. David.
Asesor: Velez, Alejandro.
Instituto de Física - Universidad de Antioquia.
La holografía de Fresnel simulada computacionalmente es una técnica moderna aplicada de la física óptica que hace uso de herramientas digitales para la generación de hologramas de simples objetos con profundidad, es decir, imágenes cuyos puntos no residen en un mismo plano. Son varias las ventajas enumeradas en holografía en contraste con otras técnicas ópticas convencionales. No obstante, trantandosé de campos complejos (amplitud-fase), la reconstrucción de hologramas requiere una reducción dimensional del campo que conduce a la supresión de información asociada con la fase. Para recuperar está pérdida de información, algoritmos robustos como demodulacion, desenvolvimiento y calibracion de fase suelen ser utilizados.
En la última década los modelos de Deep learning han exhibido un amplio campo de apicación, caso particular, en el procesamiento de imágenes. Este trabajo propone evaluar cuantitativa y cualitativamente el desempeño de un modelo de Deep Learning basado en Redes Neuronales Convolucionales (CNN) como alternativa para la recontrucción de hologramas. El lenguaje de programación es ´Python 3.8.10´.