[发明专利]一种基于分类学习与二分法的光学扫描全息自聚焦方法

说明书

本发明提出了一种基于分类学习与二分法的光学扫描全息自聚焦方法，属于光学扫描全息与深度学习领域，主要解决了光学扫描全息自聚焦的问题。本发明利用深度学习对重建的全息图的相位图进行分类，然后利用二分法不断逼近全息图的聚焦位置。本发明有效地、智能化地实现了光学扫描全息中的自聚焦。这种自聚焦的方法适用于各个领域。

技术领域

本发明涉及光学扫描全息领域与深度学习领域，具体来说，涉及一种基于分类学习与二分法的光学扫描全息自聚焦方法。

背景技术

光学扫描全息技术，简称OSH，它利用逐点扫描的方法将三维物体以二维数字图像形式存储，相较于一般的数字全息技术，其最大的优势是没有孪生像的干扰。自该技术提出以来，已在多个领域得到了应用，比如：扫描全息显微镜、3D图像识别以及3D光学遥感等领域。

在全息领域中，图像的重建一直是本领域的一个研究热点，而对于全息图的重建，找到全息图的聚焦位置又是重建过程中的关键步骤。近年来，深度学习成为了中外学者研究的一个热门方向，而利用深度学习来解决各个领域的实际问题，使得各个领域的相关技术更加智能化、高效。数字全息同样受到类似的影响，因此，利用深度学习解决光学扫描全息的实际问题也成了近年的研究热点。

文献“Performance of Autofocus Capability of Deep Convolutional NeuralNetworks in Digital Holographic Microscopy”率先提出利用深度神经网络对全息图做分类，实现数字全息中自聚焦。

文献“Convolutional neural network-based regression for depthprediction in digital holography”和文献“Learning-based nonparametricautofocusing for digital holography”公开了一种通过识别的方法实现数字全息中的自聚焦。

但是，上述方法都存在泛化能力低的问题，只能实现某些位置的全息图的自聚焦。

发明内容

本发明的目的在于实现光学扫描全息中的自聚焦，提出一种基于分类学习与二分法的光学扫描全息自聚集方法，利用深度卷积神经网络，经过对样本的训练，实现对重建全息图的重建距离与聚焦距离的大小关系；然后，通过二分法实现光学扫描全息的自聚焦。

本发明采用的技术方案是：

一种基于分类学习与二分法的光学扫描全息自聚焦方法，包括以下步骤：

步骤1.首先，激光器发射一束频率为ω₀的激光，经过第一分束器BS1被分为两束光；然后，其中一束光经过第一反射镜M1以及第一光瞳p₁(x,y)和第一凸透镜L1；同时，另一束光波经过声光调制器AOFS频率被提升为ω₀+Ω，并经过第二反射镜M2以及第二光瞳p₂(x,y)和第二凸透镜L2；其中第一光瞳为狄利克拉δ(x,y)函数，第二光瞳为矩形1函数；

步骤2：两束光波在第二分束器BS2处干涉形成菲涅尔波带板，再经X-Y扫描振镜反射扫描物体，其中透过物体的光波经第三凸透镜L3汇聚，并被光电探测器PD接受，经过解调后得到全息图；

步骤3：重复步骤1和步骤2，重复获取N幅全息图，并通过传统重建的方法找到聚焦距离；然后，利用这些全息图在不同的距离下重建，记录重建距离与聚焦距离的大小关系；最后，利用重建的全息图以及记录的重建距离与聚焦距离的大小关系作为训练训练数据，训练一个能够判断重建距离与聚焦距离大小关系的模型；

步骤4：首先，根据步骤1和2，重新获取一幅全息图，并初始化两个重建距离，在两个距离上重建全息图；然后，通过步骤3判断重建的全息图的重建距离与聚焦距离的大小关系；最后，通过二分法迭代获得全息图的聚焦距离。