⚡ electrical engineering

Phase shifting digital holography with random phase steps: A novel robust algorithm

Cet article présente un algorithme robuste et novateur pour l'holographie numérique à déphasage qui élimine la nécessité d'une connaissance a priori des déphasages de référence ou d'un étage piézoélectrique calibré, permettant une récupération précise de la phase de l'objet pour des applications biologiques et de métrologie en utilisant des pas de phase aléatoires.

Auteurs originaux : Damien Peter Kelly, Kristiana Topi, Rainer Wittig

Publié 2026-08-27

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Damien Peter Kelly, Kristiana Topi, Rainer Wittig

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La lumière transporte deux types d'informations sur le monde qu'elle touche : sa luminosité et le moment précis de l'arrivée de ses ondes. Si les caméras et nos yeux sont excellents pour enregistrer la luminosité, ils sont aveugles à ce synchronisme, appelé phase. Cette information manquante est cruciale pour voir les objets transparents, tels que les cellules vivantes, qui ne bloquent pas la lumière mais la ralentissent légèrement. Sans la mesure de ce retard, une cellule ressemble à une tache fantomatique et invisible. Pour révéler ces détails cachés, les scientifiques utilisent une technique appelée holographie numérique. Cette méthode mélange la lumière réfléchie par un objet avec un faisceau de référence, créant un motif complexe de stries appelé hologramme. En analysant comment ces stries se déplacent, les chercheurs peuvent reconstruire mathématiquement la phase invisible et transformer un objet transparent en une carte tridimensionnelle claire de sa forme et de son épaisseur.

Le défi a toujours été que, pour lire cette carte avec précision, le faisceau de référence doit être décalé selon des étapes très précises et connues. Traditionnellement, cela nécessite une machinerie coûteuse et délicate pour déplacer un miroir avec une précision microscopique. Si la machine se déplace d'un mauvais montant, ou si les étapes sont irrégulières, l'image résultante devient déformée ou inutile. Cette dépendance à un matériel parfait a limité les lieux et les modalités de ces mesures. Une équipe de chercheurs de l'Université d'Ulm a maintenant développé une nouvelle façon de résoudre ce problème sans avoir besoin de connaître les étapes exactes à l'avance. Ils ont créé un algorithme robuste capable de récupérer l'information de phase cachée même lorsque la lumière de référence est décalée de manières totalement aléatoires et imprévisibles.

Dans leurs travaux, les chercheurs ont démontré qu'ils pouvaient capturer une série d'hologrammes où la lumière de référence était décalée de manière aléatoire, peut-être par les vibrations naturelles d'un bâtiment ou par un moteur simple et non calibré. Au lieu d'avoir besoin d'une machine se déplaçant avec une précision parfaite, leur nouvelle méthode traite l'aléatoire comme une caractéristique plutôt que comme un défaut. Le processus commence par l'estimation des niveaux de luminosité de base de la lumière impliquée. À partir de ces mesures, l'équipe calcule une estimation préliminaire de la phase. Cependant, cette première estimation comporte une ambiguïté mathématique : pour chaque point de l'image, il existe deux réponses possibles, l'une réelle et l'autre qui est une image miroir de la vérité. Pour résoudre cela, l'algorithme compare différents points de l'image à un point de référence, déterminant laquelle des deux possibilités est correcte pour l'ensemble de la scène.

Une fois que l'équipe possède une carte initiale fiable de la phase, elle passe à une seconde étape où elle génère un ensemble d'hologrammes « synthétiques ». Ce sont des motifs générés par ordinateur basés sur leur meilleure estimation actuelle de la phase et des intensités lumineuses. Ils comparent ensuite ces motifs synthétiques aux hologrammes réels qu'ils ont capturés en laboratoire. En trouvant le motif synthétique qui correspond le plus étroitement aux données réelles, l'algorithme peut déduire exactement de combien la lumière de référence a été décalée entre chaque capture, même si ce décalage était aléatoire. Avec cette connaissance des décalages aléatoires, le système effectue un raffinement final, cherchant à travers un large éventail de possibilités pour se verrouiller sur la version la plus précise de la carte de phase. Cette recherche par force brute, bien que gourmande en calcul, évite le recours à des modèles mathématiques complexes qui échouent souvent lorsque les données sont bruitées ou irrégulières.

Les chercheurs ont testé cette approche dans deux contextes très différents pour prouver sa polyvalence. Dans la première expérience, ils ont utilisé une configuration simple sans microscope pour imager une cible présentant une pente linéaire. Même s'ils ont utilisé un moteur non calibré pour créer les décalages aléatoires, l'algorithme a reconstruit la pente avec une grande précision. Dans la seconde expérience, ils ont supprimé le moteur. Ils ont construit un microscope numérique et se sont appuyés uniquement sur les vibrations naturelles et passives de l'environnement du laboratoire pour créer les décalages aléatoires nécessaires. Ils ont imagé des cellules cancéreuses mammaires MCF-7, qui sont transparentes et difficiles à voir avec une lumière standard. Le système a réussi à cartographier la surface des cellules, révélant leur hauteur et leur forme. En éliminant les distorsions de fond causées par la lentille du microscope, ils ont pu calculer l'épaisseur réelle des cellules, les mesurant en micromètres.

Les résultats montrent que la méthode est à la fois robuste et précise. Dans les simulations informatiques, l'algorithme a été capable de produire une carte de phase claire en utilisant seulement cinq cadres holographiques, et la qualité de l'image s'améliorait à mesure que davantage de cadres étaient ajoutés. Dans les expériences physiques, les mesures étaient cohérentes sur plusieurs essais, montrant que le système pouvait gérer le bruit et les imperfections d'un environnement réel. L'équipe a constaté qu'en limitant leur recherche à 256 niveaux possibles pour les décalages de phase, ils pouvaient équilibrer la vitesse de calcul et la précision du résultat. Cette approche signifie que l'imagerie de haute qualité, sans marquage, de cellules biologiques et d'autres objets transparents peut être réalisée sans avoir besoin de platines de mouvement parfaitement calibrées et coûteuses. Cela ouvre la voie à des dispositifs plus simples et plus portables capables de mesurer les propriétés invisibles de la lumière dans une grande variété de contextes, des laboratoires de biologie aux usines d'inspection industrielle.

Résumé Technique : Holographie Numérique à Déphasage par Décalages de Phase Aléatoires

Énoncé du Problème
L'holographie numérique à déphasage (PSDH) est une technique interférométrique standard pour la récupération de l'amplitude complexe (magnitude et phase) d'un champ d'onde optique. Traditionnellement, cela nécessite la capture de plusieurs hologrammes où la phase du champ de référence est décalée par des montées de phase précises et connues, généralement réalisées à l'aide d'une platine de mouvement piézoélectrique calibrée. Cependant, la précision de la récupération de phase dans les algorithmes traditionnels dépend fortement de la précision de ces décalages de phase. Si les décalages de phase sont inconnus, non uniformes ou aléatoires, les algorithmes standards peuvent échouer ou stagner. Bien que des recherches antérieures aient abordé les décalages de phase inconnus à l'aide de méthodes de moindres carrés itératives, d'analyse en composantes principales ou de techniques dans le domaine de Fourier, celles-ci nécessitent souvent des conditions spécifiques (par exemple, un grand nombre de trames, une estimation précise de l'arrière-plan ou des distributions spécifiques de décalages de phase) et peuvent être sensibles au bruit, particulièrement lorsque les valeurs d'intensité approchent les limites de saturation.

Méthodologie
Les auteurs proposent un nouvel algorithme robuste capable de récupérer la phase de l'objet $\alpha(x)$ à partir d'une série d'hologrammes capturés avec des décalages de phase aléatoires et inconnus ( $\theta_n$ ). La méthode ne nécessite aucune connaissance a priori des décalages de phase ni d'actionneur piézoélectrique calibré. L'algorithme fonctionne via quatre modules distincts :

Module de Mesure : Le système capture $N$ hologrammes ( $H_n$ ). Les intensités de l'onde de l'objet ( $I_o$ ) et de la référence ( $I_r$ ) sont soit mesurées directement, soit estimées à partir de la pile d'hologrammes pour déterminer le terme DC ( $I_{DC}$ ) et le terme AC ( $I_{AC}$ ).
Module d'Estimation :
- L'algorithme calcule $\cos[\alpha(x)]$ en utilisant la relation $\Gamma_1(x) = [H_1(x) - I_{DC}(x)]/I_{AC}(x)$ .
- Puisque $\cos[\alpha(x)]$ produit deux solutions possibles (une solution réelle $\alpha$ et une solution conjuguée $2\pi - \alpha$ ), l'algorithme introduit une fonction binaire $T(x)$ pour sélectionner la bonne branche pour chaque pixel.
- Pour déterminer $T(x)$ , l'algorithme compare un pixel de référence ( $x_{ref}$ ) à un pixel de comparaison ( $x_{comp}$ ). Il calcule les décalages de phase potentiels ( $\theta_n$ ) pour les solutions réelles et conjuguées à travers plusieurs trames. En calculant une moyenne complexe glissante des différences entre ces solutions, l'algorithme détermine statistiquement si la solution réelle ou la solution conjuguée est cohérente à travers la trame, résolvant ainsi l'ambiguïté de phase.
Module de Prédiction :
- En utilisant l'estimation initiale de la phase $\alpha(x)$ , l'algorithme génère un ensemble d'hologrammes synthétiques ( $Z_p$ ) pour une plage quantifiée de décalages de phase ( $\Theta_P$ ).
- En comparant les hologrammes réellement capturés ( $H_n$ ) à ces prédictions synthétiques, l'algorithme identifie le décalage de phase spécifique $\theta_n$ qui minimise l'erreur pour chaque capture. Cela permet l'estimation précise des décalages de phase aléatoires sans calibration préalable.
Module de Raffinement :
- Avec les décalages de phase $\theta_n$ estimés désormais connus, l'algorithme effectue un raffinement final de l'estimation de la phase $\alpha(x)$ .
- Il effectue une recherche par "force brute" sur un vecteur quantifié de valeurs de phase ( $A_Q$ ) pour trouver la valeur qui minimise la différence entre les hologrammes mesurés et la prédiction du modèle, produisant ainsi la phase raffinée finale $\alpha_R(x)$ .

Contributions Clés

Gestion des Décalages de Phase Aléatoires : L'algorithme récupère avec succès l'information de phase sans nécessiter d'actionneur piézoélectrique calibré ou de décalages de phase connus, s'appuyant plutôt sur des décalages de phase aléatoires générés soit par un actionneur non calibré, soit par des vibrations environnementales passives.
Résolution de l'Ambiguïté ( $T(x)$ ) : L'introduction de la fonction $T(x)$ fournit une méthode statistique robuste pour distinguer entre les solutions de phase réelle et conjuguée, une source d'erreur courante dans la récupération de phase.
Prédiction d'Hologrammes Synthétiques : L'utilisation d'hologrammes synthétiques pour estimer activement les décalages de phase aléatoires et l'erreur de mesure est un concept novateur dans ce contexte.
Robustesse au Bruit : La méthode démontre une stabilité même lorsque $\Gamma_1(x)$ approche $\pm 1$ , une région où les estimateurs basés sur l'arccosinus traditionnels échouent typiquement ou deviennent bruyants.

Résultats
Les auteurs ont validé l'algorithme via des simulations numériques et deux configurations expérimentales distinctes :

Simulations Numériques : Utilisant des hologrammes de 20x1440 pixels avec du bruit ajouté, l'algorithme a récupéré avec succès la phase en utilisant seulement 5 trames, avec une précision qui s'améliore à mesure que le nombre de trames augmente (jusqu'à 35). La phase raffinée ( $\alpha_R$ ) présentait un bruit considérablement réduit par rapport à l'estimation initiale, particulièrement près des valeurs de phase $0, \pi,$ et $2\pi$ .
Système Expérimental 1 (Interféromètre sans lentille) : Un actionneur piézoélectrique non calibré a été utilisé pour générer des décalages de phase aléatoires sur une cible de rampe de phase linéaire. L'algorithme a récupéré avec succès le profil de phase, démontrant que les caractéristiques structurelles de la cible étaient préservées et que la mesure était robuste à travers de multiples essais.
Système Expérimental 2 (Microscope Holographique Numérique) : Un système sans actionneur actif a été utilisé, s'appuyant uniquement sur les vibrations passives du laboratoire pour créer des décalages de phase aléatoires. Le système a imagé des cellules cancéreuses mammaires MCF-7. L'algorithme a récupéré avec succès la phase, qui a ensuite été déroulée (unwrapped) et corrigée pour les aberrations de Zernike (piston, inclinaison, défocalisation) afin de générer une carte de hauteur cellulaire.

Signification et Revendications
L'article affirme que cette approche offre une alternative robuste et flexible à la PSDH traditionnelle. En éliminant le besoin d'un étage piézoélectrique calibré, la méthode simplifie la configuration optique et réduit les coûts matériels. Les auteurs soulignent que l'algorithme est efficace même lorsque les décalages de phase sont entièrement aléatoires et inconnus, ce qui le rend adapté aux applications où le contrôle mécanique précis est difficile ou impossible. Les résultats indiquent que la méthode est cohérente et précise tant pour la métrologie (rampes de phase linéaires) que pour l'imagerie biologique (mesure de hauteur cellulaire sans marquage), fournissant une solution pratique pour les environnements où le déphasage passif (par exemple, via la vibration) est la seule option. Les auteurs notent que bien que la recherche par force brute introduise une erreur de quantification, la résolution de 8 bits (256 niveaux) offre un équilibre optimal entre temps de traitement et précision pour leurs conditions expérimentales.

Articles similaires