[发明专利]一种用于无透镜数字全息成像的自动聚焦方法

说明书

本发明提供一种用于无透镜数字全息成像的自动聚焦方法，包括：将全息图像进行反向传播，得到全息重建图像；将引导滤波作为模糊图像函数，采用梯度向量平方函数计算重建图像与模糊图像的方向信息差值，得到全息重建图像的评价函数；将黄金分割搜索法与评价函数相结合，确定最优离焦量，得到最优重建图像。本发明采用引导滤波器来模糊重建后的全息图像，并分别提取重建图像和模糊图像在不同方向的信息。通过比较重建图像和模糊后重建图像方向信息的变化情况确定最优离焦量，方向信息差异越小表明图像越清晰，反之衍射条纹越多。本发明将图像滤波与边缘提取相结合，消除了衍射条纹对目标物体的干扰，使得评价函数能够准确计算出正确聚焦位置。

技术领域

本发明涉及无透镜数字全息成像技术领域，具体而言，尤其涉及一种用于无透镜数字全息成像的自动聚焦方法。

背景技术

无透镜全息成像利用光电转换器件(CCD或CMOS)记录被测物体的全息图，并将数字化的全息图传入计算机，实现了全息图的快速与准确的记录。在无透镜数字全息成像系统中，物体所在平面和CCD成像面的位置距离称为离焦量，不能提前已知。但在数字全息重建算法中需要提供最优离焦量才能获得清晰的重建图像。因此为了获得最优离焦量，已有多种自动聚焦方法被提出。

目前出现的自动聚焦方法主要分为空域和频域两大类，从空域维度来分析，清晰聚焦的图像相较模糊离焦的图像灰度变化更加显著，边缘更加锐化。而从频域维度来看，当图像模糊时，其图像对比度比较小，也具有较少的图像高频分量。

2017年YIBO ZHANG等人的题为“Edge sparsity criterion for robustholographic autofocusing”的论文提出了一种基于复波前边缘稀疏性的自动聚焦方法。该方法获得在获得重建后的复数值全息图像并通过计算得到每幅图的边缘梯度方差，对梯度方差进行稀疏测量，求得最大值，该值即对应聚焦面。但是，该方法计算量很大，且极易受到系统和环境噪声的影响。导致评价函数曲线出现多个峰值，造成聚焦失败。

2018年专利文献CN108377658A发明公开了一种用于确定最优焦平面的自动聚焦方法。该方法在测量前重建全息图像，基于经重建图像的实部来执行至少两个经重建深度处的第一边缘检测，以及基于经重建图像的虚部来执行在这些经重建深度处的第二边缘检测，分别通过统计离差来获得清晰度标量测量。该方法提供了一种新的基于图像边缘信息的自动聚焦方法，计算同一图像中每个聚焦深度的实部与虚部清晰度，计算复杂且评价函数曲线不平滑，需要进行遍历查找每个评价值寻找最值点，因此该自动聚焦方法运行时间长，不能达到快速聚焦的效果。

综上，可以发现在进行数字全息自动聚焦时，自动聚焦方法极易受到系统、环境噪声、样本等的影响，导致聚焦失败或运行时间较长，不能准确化、快速化实现图像聚焦。

发明内容

根据上述提出的技术问题，而提供一种用于无透镜数字全息成像的自动聚焦方法。本发明基于引导滤波器设计了一种模糊评价函数，引导滤波器用来模糊重建后的全息图像，本发明中称为模糊图像，并分别提取重建图像和模糊图像在不同方向的信息。若重建图像包含了大量的衍射条纹，则重建图像的方向信息与模糊图像的方向信息变化会非常大，若重建图像中的衍射条纹较少时，重建图像的方向信息与经过模糊图像的方向信息变化不大。因此，通过比较重建图像和模糊后重建图像方向信息的变化情况确定最优离焦量，方向信息差异越小表明图像越清晰，反之衍射条纹越多。

本发明采用的技术手段如下：

一种用于无透镜数字全息成像的自动聚焦方法，包括：

S1、将采集到的全息图像进行反向传播，得到不同离焦量处的全息重建图像；

S2、将引导滤波作为模糊图像函数，采用梯度向量平方函数计算重建图像与模糊图像的方向信息差值，得到全息重建图像的评价函数；

S3、将黄金分割搜索法与所述步骤S2得到的评价函数相结合，确定最优离焦量，得到最优重建图像。