De heldere gedeelten van digitale afbeeldingen zijn vaak overbelicht, waardoor de details verloren gaan. Dit verlies van informatie is funest bij technieken voor gezichtsherkenning.  De Universiteit van Californië heeft een algoritme voor fase-uitrekking (Phase Stretch Transform, PST) ontwikkeld waarmee de signaalbehandeling van overbelichte beelden aanzienlijk wordt verbeterd. Hierdoor wordt het voor computers mogelijk om details te onderscheiden die bij de standaard-opnametechniek verloren gaan. PST is gebaseerd op een beproefde A/D-conversietechniek voor signalen met zeer grote bandbreedte (<10 GHz!) door tijduitrekking (time-stretch). Onder de naam photonic time stretch wordt deze ook gebruikt bij  medische afbeeldingstechnieken. 
Met de resultaten van dit onderzoek wordt het ook mogelijk om een gedetailleerde afbeelding te maken van bijvoorbeeld de interne structuur van een ledlamp, waarbij met de huidige afbeeldingstechniek totaal geen contouren zichtbaar zijn. Ook zou er in de astronomie een beter onderscheid tussen verafgelegen sterren kunnen worden gemaakt, of zou bij industriële kwaliteitsbewaking een betere herkenning van de structuur van objecten kunnen plaatsvinden. De wiskundige bewerking zou ook bij de ontwikkeling van zelfsturende auto’s of bij iris- of vingerafdrukherkenning kunnen worden toegepast. 
Door deze veelheid aan toepassingsmogelijkheden hebben de onderzoekers van de UCLA besloten de broncode open te stellen voor de wetenschappelijke gemeenschap.