사전 학습 기반 다중 빔 디지털 홀로그래피
디지털 홀로그래피 현미경(DHM)은 수치 파동 전파, 위상 복원, 3D 재구성 등 대규모 행렬 연산에 기반한 계산 집약적인 작업을 포함합니다. 공간 해상도와 샘플링 밀도가 증가함에 따라 계산 부담이 크게 늘어나며, 실시간 고충실도 재구성을 위해 최적화된 신호 처리 전략이 요구됩니다. 본 연구는 이러한 문제를 해결하고자 적응형 사전 학습(DL) 기반의 희소 재구성 방법인 순차 일반화 K-평균(SGK)을 DHM에 통합합니다. 제안하는 방법은 입력 홀로그램을 패치로 나누고, 각 패치를 희소 사전 원자의 선형 조합으로 표현합니다. 사전의 각 원자는 고정된 희소 계수와 관련된 훈련 패치들을 평균하여 순차적으로 업데이트됩니다. SGK는 K-SVD와 달리 사전 업데이트에 필요한 비용이 큰 특이값 분해(SVD)를 피하여 계산 시간을 최소화하고 홀로그램 재구성 정확도를 향상시킵니다. 또한, 패치 크기, 사전 크기, 희소성 수준과 같은 핵심 매개변수의 최적 선택을 통해 재구성 품질을 더욱 높입니다. 실험 결과는 제안된 SGK 기반 희소 재구성이 기존 사전 학습 방식보다 높은 충실도의 재구성과 빠른 수렴을 달성함을 보여줍니다. 이는 실시간 현미경 이미징 응용 분야에 대한 SGK의 적합성을 강조합니다.