离轴数字全息波前重建算法讨论

在离轴数字全息的应用研究中,将数字全息图视为单位振幅平面波照射下的光波场,利用1次快速傅里叶变换(FFT)计算菲涅耳衍射积分是最流行的物光波前重建方法(简称1-FFT法)。然而,用球面波为重建波,利用像平面滤波技术及角谱衍射理论,存在需要4次FFT的另一种波前重建方法(简称FIMG4FFT法)。基于快速傅里叶变换理论对这两种方法进行研究。结果表明,尽管FIMG4FFT重建方法需要进行4次FFT计算,却能用较少的计算资源高效率地重建同等质量的物光场。为便于实际应用,详细给出FIMG4FFT方法在彩色数字全息图像重建及物体微形变检测中的应用实例。     

彩色数字全息常见波面重建算法的实现与比较

为了研究彩色数字全息检测应用中波面重建方法对重建场质量与计算速度的影响,及不同波长记录的重建场的准确融合,采用理论分析及实验验证的方法,给出了不同色光物光重建场准确重叠的方法及彩色数字全息波面实时再现的详细过程,并分析比较了几种波面重建算法的特点及计算速率。结果表明,使用球面波为重建光的可变放大率波面重建算法能适应各种大小的物体,且可获得较高分辨率的像,并占用较少的计算时间,能较好适用于彩色数字全息检测应用。     

彩色数字全息系统中透镜色差影响的研究

在物光通过透镜系统到达CCD平面的彩色数字全息研究中,将每一色光的像视为像空间中的物体。基于全息图补零的一次傅里叶变换(1-FFT)重建方法,导出既能较好地统一不同色光重建物体的物理尺寸,又能考虑透镜色差影响的彩色数字全息图像重建方法。对该方法的研究结果表明,透镜色差的影响等效于让物体的重建像偏离了理想的重建像平面。然而,数字全息重建图像具有一定的焦深,在多数情况下,可以忽略透镜色差的影响,利用厂家给定的焦距标称值获得满足实际需要的彩色重建图像。     

数字全息波前准确重建的实验研究

为了得到数字全息图波前的准确重建场,采用常见的波前重建算法进行实验研究和理论分析,得到了物光波通过非单一介质传播时的等效距离,并利用该等效距离修改常用波面重建公式中的相关参量,与柯林斯公式对数字全息图进行重建的结果进行比较分析,发现当物光波通过非单一介质时,采用等效距离修正的重建公式或者柯林斯公式均能得到准确的数字全息再现像。结果表明,采用等效距离对数字全息图进行波前重建的结果与采用柯林斯公式重建的结果一致,此方法能够简化光波通过非单一介质时对数字全息图的波前准确重建。该研究结果可为显微数字全息及数字全息检测应用提供有益的参考。     

数字全息显微中常见重建算法比较

基于理论分析和实验验证相结合的方法,对数字全息显微术中常见的三种重建算法即菲涅耳变换算法、角谱算法和卷积算法做了比较研究。结果表明:利用菲涅耳变换算法对离轴无透镜傅里叶变换数字全息进行重建时,无重建距离的限制;采用卷积重建法只能在最佳再现距离附近一个非常小的范围内才能获得高分辨率再现像;而采用角谱重建法在略小于最佳再现距离及大于最佳再现距离较大范围内重建,均能获得高分辨率的再现像。角谱重建法总体上优于卷积重建法。菲涅耳变换重建法简单、快捷,是优化的重建算法。     

非相干数字全息自适应光学波前校正特性研究

非相干数字全息自适应光学是一种新型的自适应波前探测和校正的技术。它利用全息图可以完整记录光波场的特性进行波前探测,结合适当的数值再现算法对光波前像差进行校正。基于菲涅耳非相干相关数字全息术(FINCH),从理论上阐明了非相干数字全息自适应的基本原理,并给出了数值仿真结果。采用改进的迈克耳孙干涉仪光路配置,分别记录待观测物体与引导星的全息图,利用引导星全息图的复共轭对待测物光波进行波前校正,从实验上定量地研究了引导星尺寸、选取位置对波前校正效果的影响,在系统各光学元件给定的情形下,明确了引导星选择的空间和系统等晕区范围,实现了良好的波前校正效果。     

数字全息重建像质量影响因素的模型仿真与分析

重建像质量的优劣是衡量数字全息成像最主要的标准.针对影响重建像质量的三个主要因素:参物角、CCD像素间距和再现距离,采用离轴全息记录与菲涅尔衍射近似重建算法对数字全息记录与再现过程进行了模型仿真,系统地探讨了各个因素对重建像质量的影响.通过仿真和分析获得了CCD像素间距和再现距离的参数范围以及参物角最大允许值,为具体实验验证提供了理论依据和操作指导.仿真实验结果表明,只有当参物角在最大允许值以内,选取合适的CCD像素间距和再现距离参数才能再现出清晰的重建物像.     

基于减采样技术的快速高分辨数字全息重建算法

为了缓和传统数字全息重建算法在分辨率和计算量之间的相互制约关系,基于欠采样数字解调理论,通过对恢复后的物波场先进行空域或频域减采样,滤除物波中的冗余信息,然后通过补零算法提高有用信息的重建分辨率,从而实现高分辨数字全息的快速重建。分别给出了减采样菲涅尔重建（FR）算法和减采样角谱重建（AS）算法的最大允许采样间隔,推导...     

基于开放运算语言加速的数字全息卷积重建算法实现

针对数字全息重建算法计算速度慢、实时应用能力弱以及现有GPU加速策略跨平台移植性差等问题,该文提出一种利用开放运算语言(OpenCL)架构提高数字全息重建算法执行效率的方案。该方案充分利用OpenCL架构的异构协同计算能力,对数字全息卷积重建算法进行CPU+GPU的异构运行设计,并采用数据并行模式编程实现。针对不同分辨率数字全息图、不同GPU加速平台的测试结果表明,该加速策略的平均执行时间均比CPU低1个数量级,最高总加速比达到54.2,并行运算加速比甚至高达94.7,且具有规模增长性及良好的跨平台特性,加速效率显著,更加适用于数字全息技术的工程化实现及实时性应用场合。     

一种基于Shack-Hartmann传感器的自适应波前重建算法

波前重建是自适应光学系统中的一个重要环节,对系统性能影响明显。研究了一种无参考输入光条件下,基于Shack-Hartmann波前传感器的自适应波前重建算法,能根据实际光斑图的特点,自动确定探测窗口、计算实际质心、参考质心、选择重建区域和获取入射波前的Zernike模式系数,讨论了参考质心选择对波前重建结果的影响。搭建自适应光学系统,通过测量和校正模拟大气像差对重建算法进行了验证。实验结果表明,基于该重建算法的自适应光学系统可以把大气扰动引起的波前像差校正到0.1 λ以下,获得接近衍射极限的成像质量,说明该重建算法具有可靠性与实用性。     

柯林斯公式的逆运算及其在波面重构中的应用

给出描述光波通过傍轴光学系统衍射的柯林斯公式及其逆运算表达式，然后将数字全息检测研究中的物平面及CCD探测平面视为ABCD系统的输入平面及输出平面，提出通过柯林斯公式的逆运算进行波面重构的一种计算方法。为便于该方法的实际应用，研究了参考光是球面波时全息图的频谱结构，并从理论上证明，全息图的频率空问中存在可以通过滤波器分离的物光及共轭物光的频谱。最后．通过理论模拟及实验研究证明了使用柯林斯公式的逆运算重构波面的可能性。     

基于小波变换的太赫兹数字全息成像自动聚焦算法

自动聚焦技术是实现数字全息成像快速、准确再现的关键技术之一。在分析聚焦和离焦过程中小波变换高频和低频系数变化特点的基础上,提出了一种基于小波变换的聚焦判据函数。采用无噪声和被噪声污染的模拟太赫兹(THz)数字全息图,比较分析了这种聚焦判据函数和五种经典的数字全息聚焦判据函数的性能,给出了综合评价。仿真结果表明：同五种经典聚焦判据函数相比,基于小波变换的聚焦评价函数具有更好的单峰性、更高的主峰锐度和极佳的抗噪性,是一种性能优越的THz数字全息成像自动聚焦判据函数。     

夏克-哈特曼传感器任意形状孔径波前的模式重构及Zernike多项式描述

根据高等代数内积和欧氏空间的概念及线性无关向量正交化方法 ,提出了在任意形状区域上 ,利用Zernike多项式在给定区域的正交化方法 ,通过线性变换生成一组新的正交多项式 ,实现在任意区域哈特曼 夏克波前传感器的相位模式重构的方法 ,并通过线性反变换 ,实现任意区域的波前相位的Zernike多项式表示。     

超松弛法哈特曼传感器波前重构仿真分析

哈特曼传感器是一种对环境要求低，测量精度高的光束质量测量仪器，但传统方法不能对任意形状的光斑进行波前重构，即光束质量测量。文中采用超松驰进行计算机仿真，验证了该方法能够适应任意入射形状光斑的波前复原，从原理上解决了哈特曼传感器测量任意形状光斑光束质量问题。     

改善数字全息显微术分辨率的几种方法

从理论和实验上研究了数字全息显微术的分辨率问题。通过分析几种不同数字全息记录光路对记录介质空间分辨率的要求表明,无透镜傅里叶变换全息光路对CCD的空间分辨率要求最低,最能充分利用CCD的带宽;再现像面的空间分辨率在不同方向上的不一致,会导致再现像在空间分辨率高的方向上相对展宽,而在空间分辨率低的方向上相对压缩;再现像的横向分辨率主要由CCD所能记录的物体的最高空间频率决定,它随CCD的尺寸和空间分辨率的提高及记录距离D的减小而提高。给出了消除再现像畸变的方法及实验结果,并提出了3种改善横向分辨率的方法。     

太赫兹数字全息成像的研究进展

随着太赫兹成像技术的发展,人们对太赫兹成像系统的成像性能如分辨率、成像速率、成像维度等均提出了越来越高的要求。为了消除衍射对太赫兹成像的影响,提高太赫兹成像系统所能达到的性能指标,许多学者已针对太赫兹数字全息技术进行了研究。首先对太赫兹数字全息的基本原理进行了概述,阐述并分析了目前国内外有关太赫兹数字全息成像的研究进展,这些研究显示太赫兹数字全息技术在提高成像分辨率、扩展成像维度等方面具有很大的发展潜力,且具备实时成像的能力,具有十分广阔的应用及发展前景。