无透镜全息成像新突破：压缩感知算法提升三维重建质量与效率

"基于压缩感知算法的无透镜数字全息成像研究" 本文主要探讨了如何通过利用压缩感知（Compressive Sensing, CS）算法解决无透镜数字全息成像中的分辨率低和信噪比差的问题。无透镜数字全息成像是一种新兴的计算成像技术，它可以实现大视场、高分辨率的三维成像，但其固有的成像缺陷限制了其应用。为改善这一状况，研究者构建了一个基于衍射传输的无透镜压缩数字全息成像模型。 在这个模型中，研究者开发了一种优化算法，该算法结合了全变分正则化约束（Total Variation Regularization）和两步迭代收缩阈值方法。这种优化策略有效地抑制了全息重建过程中的二阶项噪声和孪生像噪声，显著提升了三维图像重建的信噪比。此外，他们还在重建模型中引入了滤波层，进一步增强了图像质量。 为了提高重建效率，研究团队提出了一种基于有效抗混叠区域的压缩全息分块并行重建算法。这个算法将大图像分割成小块，然后并行处理，从而大大加快了重构速度，使得高分辨率图像的快速获取成为可能。 另外，为了提升三维成像的轴向分辨能力，研究者建立了一个基于双角度照明的压缩数字全息成像模型。这种双角度照明方法通过从两个不同角度照射被测物体，能更精确地分辨出物体的深度信息，从而改善了轴向分辨率。 最终，这些创新算法在多层掩模版和粒子流场的实验中得到了验证，成功实现了大视场无透镜显微成像。这项研究对于无透镜成像系统的改进和发展具有重要意义，尤其是在生物医学、微纳光学和工业检测等领域有着广泛的应用前景。 关键词：成像系统、计算成像、编码成像、数字全息、压缩感知 这篇研究论文详细介绍了如何通过创新的压缩感知算法优化无透镜数字全息成像技术，包括构建新的成像模型、设计优化算法以及提出高效的重建策略，旨在提升成像质量和速度，特别是在三维成像的轴向分辨能力上取得了显著进步。这些成果不仅推动了理论研究，也为实际应用提供了有力的技术支持。