[发明专利]一种基于迭代去噪收缩阈值算法的数字全息重构方法

说明书

技术领域

本发明涉及数字全息技术领域，特别涉及一种基于迭代去噪收缩阈值算法的数字全息重构方法。

背景技术

压缩感知技术应用于数字全息技术中，和传统的光学全息术相比，具有以下优点：1)是由于用电子成像器件代替全息干板来记录全息图，所需的曝光时间可以很短，而没有化学银盐干版的湿处理过程，可连续记录运动物体的各个瞬间过程，有利于实现实时在线全息记录；2)是数字计算得到的再现图样可通过计算机进行定量分析。数字再现全息图得到的是物场的复振幅分布，并可通过计算得到强度和相位分布，易于实现两个或多个全息图的相加减、增减背景图像、叠加图像[1]等操作，而这些在光学全息中很难做到，由此也显现了数字全息技术更具实用性；3)将压缩感知理论与数字全息图再现相结合，消除了传统算法对数字全息重构过程中出现的0极像、共轭像干扰[2，3]的问题，对实现计算全息实时性具有重要的意义。

在后续工作中针对稀疏表示中还可以考虑冗余字典上的稀疏分解理论，进一步减少测量值提高重构效果。目前国内外已经有一系列的工作针对基于压缩感知的数字全息成像问题展开。文献[4]研究了2种不同变换域对全息图稀疏化的影响，根据压缩感知理论直接获取图像的压缩表示，并且利用傅里叶稀疏域下使用正交匹配追踪(OMP)重构算法能获得1.5％的压缩率。文献[5]将压缩感知理论与数字全息图再现相结合提出基于全变差的重构算法，并应用于数字全息图压缩感知全息图重建，消除了传统算法对数字全息重构过程中会出现0级像、共轭像干扰的问题。文献[6]将压缩感知应用在相移全息图中，通过利用可变密度采样结构将更多信号积聚在中心位置，很少的信号分布在全息图的边缘，利用全变分求解最优值，从而获得再现像。文献[7]验证了压缩感知技术从低维数据中产生高维图像的重要性，并且阐明了利用压缩感知2D全息数据中重构出一幅3D层析图。文献[8]详细阐明了基于全变分的两步迭代收缩阈值的重构算法，尤其说明了对于病态的问题，相比IST算法，此法对于目标函数求解最优化值有很快的收敛速度。文献[9]介绍了基于压缩感知的次曝光同轴全息结构，能够捕捉微生物的行为动态，相比在线数字全息术，此方法只需要一次曝光特性。文献[10]主要将压缩感知技术应用在获得多个视图全息投影，并且通过对生成的全息图二次抽样重构3D场景。

现有技术中，数字全息图像重构过程中，收敛速度慢，重构精度低。

参考文献

[1]T.-C.Poon and P.P.Banerjee,Contemporary Optical Image Processing with MATLAB(Elsevier,2001).

[2]Yair Rivenson and Adrian Stern.”Conditions for practicing Compressive Fresnel holography,”Opt.Lett.36,3365-3367(2010).

[3]V.Mico,J.Garc1a,Z.Zalevsky,and B.Javidi,“Phase-shifting Gabor holography,”Opt.Express 17,1492–1494(2009).

[4]李科,李军.基于压缩传感的全息图压缩研究[J].华南师范大学学报,2012,44(4):61-65.

[5]简献忠,周海,乔静远,李莹,王佳.基于全变差重构算法的数字全息研究[J].激光技术,

2014,38(2):236-239.

[6]Yair Rivenson,Adrian Sterna and Bahram,Javidi.”Compressive Fresnel Holography,”J.Display Technol,vol.6,NO.10,pp.506-509,Oct.2010.

[7]David J.Brady,Kerkil Choi,Daniel L.Marks,Ryoichi Horisaki and Sehoon Lim.”Compressive Holography,”Opt.Express 17(15),13040-13049.