基于压缩感知算法的无透镜数字全息成像研究

发布时间：2020-12-18 11:11

　　无透镜数字全息计算成像可以实现大视场高分辨率三维成像,但面临成像分辨率低和信噪比差的问题。为此,构建了基于衍射传输的无透镜压缩数字全息成像模型,开发了基于全变分正则化约束和两步迭代收缩阈值的优化算法,抑制了全息重建的二阶项噪声与孪生像噪声,并在重建模型中引入滤波层,提高了三维图像的重建信噪比。同时,提出了基于有效抗混叠区域的压缩全息分块并行重建算法,提升了压缩数字全息重建效率。建立了基于双角度照明的压缩数字全息成像模型,提高了三维成像的轴向分辨能力。基于上述算法,在多层掩模版和粒子流场上实现了大视场无透镜显微成像。 

【文章来源】：激光与光电子学进展. 2020年08期 北大核心

【文章页数】：11 页

【部分图文】：

压缩感知的数学模型

下面通过仿真验证压缩数字全息模型的三维重建能力，在图2的模型中，平行光的照射波长λ=632.8nm，三维物体距离像感器的距离z0=5mm，三维物体的水平采样间隔和垂直采样间隔都为Δ=10μm，水平采样数目和垂直采样数目都为64，轴向采样间隔Δz=200μm，采样层数为3。三层结构中分别放置字母“T”、“H”、“U”样式的不透光物体。平行光照明到物体每一层上，部分光子与物体相互作用形成散射光，而有些光子直接穿透不发生散射形成参考光，散射光和参考光发生干涉，在像感器平面上形成伽博全息图。图3(a）为字母图样在不同层上的分布，图3(b）为不同深度的点扩展函数，三维物体在像平面上的散射光可以看作是不同深度的物体与相应的点扩展函数卷积后相互叠加的结果。如果使用传统的反传播算法，伽博全息图在不同层的重建结果如图3(c）所示。层内的重建结果包含来自其他深度物体的波前干扰，同时全息图的二阶项噪声也会出现在重建结果中，不同深度位置的图像无法排除其他层的串扰噪声。不同深度的点扩展函数具有一定的正交性，点扩展函数是伽博全息对不同层物体分布的编码，这种编码方式符合矩阵的“非相干性”，因此可以使用压缩感知算法将不同层的物体进行解耦重建。图3(d）是压缩数字全息算法对单幅伽博全息图的重建结果。三个字母图样可以在正确的位置得到重建，同时重建结构的层间串扰得到有效的抑制，提高了三维重建的信噪比。

压缩数字全息模型。（a）压缩数字全息滤波机制示意图；（b）滤波层的位置对重建结果的影响

【参考文献】：
期刊论文
[1]压缩成像技术的应用与挑战[J]. 张华,曹良才,金国藩,白瑞迪.  科技导报. 2018(10)
[2]压缩感知三维重建算法控制参数对太赫兹数字全息再现的影响[J]. 袁静,李琦,巩文盼.  中国激光. 2018(10)
[3]基于压缩感知的光学干涉双灰度图像加密系统[J]. 白音布和,吕晓东,李根全,秦怡.  激光与光电子学进展. 2016(04)
[4]单幅弱相干光数字全息图的压缩感知重建[J]. 翁嘉文,秦怡,杨初平,李海.  激光与光电子学进展. 2015(10)
[5]基于压缩感知理论的无透镜离轴傅里叶全息编码与重建[J]. 韩超,吴伟,李蒙蒙.  中国激光. 2014(02)
[6]压缩感知重建数字同轴全息[J]. 吴迎春,吴学成,王智化,陈玲红,周昊,岑可法.  光学学报. 2011(11)



本文编号：2923903