4f系统中的Gabor同轴相移数字全息技术:提高再现像质量

1 下载量 42 浏览量 更新于2024-08-28 收藏 2.42MB PDF 举报
"基于4f系统的Gabor同轴相移数字全息技术是解决传统Gabor同轴全息中直透参考光波与衍射物光波空间重叠导致无法实现相移干涉的问题的一种新方法。该技术利用4f系统的空间光调制器在频谱面上对直透参考光波进行相位调制,从而实现相移干涉,进而通过相移干涉算法获取高质量的再现像。这种方法保留了Gabor同轴全息的优势,如简单的光路结构、低的环境干扰敏感性、对光源相干性和记录设备空间分辨率要求较低,同时消除了直流项和共轭像的影响,显著提高了全息图像的再现质量。关键词包括全息、傅里叶光学、Gabor同轴数字全息、相移干涉、光学4f系统和空间光调制器。" 本文介绍了Gabor同轴全息技术的一个创新应用,即基于4f系统的Gabor同轴相移数字全息。在传统的Gabor同轴全息中,由于直透参考光波与物光波在空间上的重叠,使得实现相移干涉成为挑战。为了解决这个问题,研究者提出了一个新方案,即在4f系统中利用空间光调制器对零频分量(即直透参考光波)进行相位调制,以实现相移。4f系统是一种光学系统,由两个透镜组成,其作用是将空间频率分布进行变换。 在4f系统的频谱面上,通过纯相位空间光调制器可以独立地对零频分量进行相位操作,而不影响其他频率成分。这种相位调制允许实现相移干涉,进而可以通过相移干涉算法来重建图像。相移干涉测量术是光学成像领域中常用的一种技术,通过改变相位来获取多个干涉图样,然后结合这些图样计算出物体的相位和振幅信息。 采用这种方法后,Gabor同轴全息不仅可以保持其原有的优势,如光路简洁、对环境振动和空气扰动的低敏感性、对光源相干性的低要求以及对记录设备空间分辨率的低需求,还能有效地去除直流项(常数值项)和共轭像,这有助于提高重建图像的质量和清晰度。 实验结果证明,基于4f系统的Gabor同轴相移数字全息技术在全息图像再现上取得了显著的进步,对于光学成像和数据存储等领域具有重要的应用价值。这一技术的创新之处在于巧妙地利用4f系统和空间光调制器实现了相移干涉,为全息技术的发展开辟了新的路径。
2011-08-26 上传
目 录(版权归原作者所有) 摘 要 ...........................................................................................................................I ABSTRACT.................................................................................................................... II 1 绪 论 ........................................................................................................................ 1 1.1 引言........................................................................................................................ 1 1.2 国内外发展现状.................................................................................................... 1 1.2.1 光学信息处理的发展 ..................................................................................... 1 1.2.2 光学小波的发展 ............................................................................................. 3 1.3 论文研究的背景和意义 ........................................................................................ 5 1.4 论文的主要内容 .................................................................................................... 6 2 图像复原基础 ............................................................................................................ 8 2.1 图像复原概述........................................................................................................ 8 2.1.1 图像退化模型 ................................................................................................. 8 2.1.2 图像复原与图像增强 ..................................................................................... 8 2.1.3 传统的图像复原方法 ..................................................................................... 9 2.2 图像盲复原的方法 .............................................................................................. 10 2.2.1 图像盲复原介绍 ........................................................................................... 10 2.2.2 图像盲复原的分类 ....................................................................................... 11 2.3 图像复原效果的评价标准 .................................................................................. 13 2.3.1 主观评价标准 ............................................................................................... 14 2.3.2 客观评价标准 ............................................................................................... 14 2.4 本章小结.............................................................................................................. 16 3 人工神经网络在图像复原中的应用 ...................................................................... 17 3.1 人工神经网络概述.............................................................................................. 17 3.2 人工神经网络的特点.......................................................................................... 17 3.3 人工神经网络的应用领域.................................................................................. 18 3.4 基于人工神经网络的图像复原技术的研究现状.............................................. 18 3.5 神经网络在图像复原中的应用.......................................................................... 19 3.5.1 基于 Hopfield 网络的图像复原 ................................................................... 19 3.5.2 基于 ARMA 模型的人工神经网络图像复原 ............................................. 20 3.5.3 基于 BP 神经网络的图像复原..................................................................... 22 3.6 本章小结.............................................................................................................. 22 4 基于 BP 神经网络的图像复原算法 ......................................................................... 23 4.1 基本原理.............................................................................................................. 23 4.2 BP 神经网络方法研究 ......................................................................................... 23 4.2.1 BP 网络概述................................................................................................... 23 4.2.2 BP 学习算法概述........................................................................................... 25 4.3 BP 网络的结构设计及参数配置 ......................................................................... 264.3.1 输入和输出层的设计 ................................................................................... 27 4.3.2 网络层数的确定 ........................................................................................... 28 4.3.3 隐含层神经元数的确定 ............................................................................... 28 4.3.4 初始权值的选取 ........................................................................................... 28 4.3.5 训练函数的选择 ........................................................................................... 29 4.4 实验结果及数据分析.......................................................................................... 29 4.5 改进的基于图像分块的复原算法 ...................................................................... 33 4.5.1 改进算法的原理 ........................................................................................... 33 4.5.2 改进算法的计算复杂度分析 ....................................................................... 34 4.5.3 改进算法的试验结果 ................................................................................... 35 4.6 本章小结 .............................................................................................................. 36 5 基于神经网络集成的图像复原 .............................................................................. 37 5.1 引言...................................................................................................................... 37 5.2 神经网络集成研究进展...................................................................................... 37 5.2.1 概述 ............................................................................................................... 37 5.2.2 实现方法 ....................................................................................................... 38 5.3 基于遗传算法的选择性神经网络集成.............................................................. 39 5.4 实验结果与分析.................................................................................................. 41 5.5 本章小结.............................................................................................................. 42 6 总结与展望 .............................................................................................................. 43 致 谢 ........................................................................................................................44 参 考 文 献 ..................................................................................................................45 附 录 ........................................................................................................................50 A. 参加的课题: ....................................................................................................... 50 B. 发表的论文: ....................................................................................................... 50 C. 国家发明专利........................................................................................................ 50