数字全息显微成像技术因能高精度实现定量相位成像的优势受到生物成像与材料科学领域的关注,但共轭像的存在、相位包裹的困扰以及分辨率受限等问题一直阻碍了数字全息显微术的广泛应用。近些年,深度学习作为机器学习中一种对数据特征提取进行特化的模型,在光学成像领域中被广泛应用。除用于提高成像效率外,其解决成像逆问题的潜力也不断被研究人员发掘,为成像领域开辟了一条蹊径。本文从深度学习应用于数字全息显微成像的工作原理出发,介绍它解决光学成像逆问题的思路与重要数理概念,同时对深度学习的完整实施过程进行归纳。扼要地总结了近年来深度学习对于全息重建、自动聚焦与相位恢复、全息去噪与超分辨等方面的研究进展,并对该研究领域中存在的问题与发展趋势进行展望。

作为图像处理的一个重要手段, 边缘增强技术对振幅型和相位型物体成像有着重要的作用。而基于径向希尔伯特变换的涡旋滤波技术因其能够实现各向同性边缘增强倍受关注, 但传统的涡旋滤波由于中心奇点和锐利边缘引起的衍射会造成背景噪声的加剧和对比度的降低。近年来众多课题组针对涡旋滤波旁瓣抑制提出了种类各异的新型涡旋滤波器, 此外基于涡旋滤波的各向同性和各向异性边缘增强技术也得到了迅速发展。文中扼要地总结了近年来几种抑制涡旋旁瓣的方法, 包括拉盖尔高斯振幅调制、贝塞尔振幅调制、艾里振幅调制, 并从标量涡旋滤波和矢量涡旋滤波两个方面分别综述了各向同性和各向异性边缘增强的实现方法与研究进展。

通过调制入射光的振幅和相位，形成特殊结构分布的照明光以提高数字全息显微记录系统分辨率，结合结构光的特性设计了明场和暗场记录系统。明场记录系统中，在利用振幅型正弦光栅和随机散射元件调制入射光波前，将超出衍射极限的物体高频信息调制到系统截止频率以内，这部分信息可以通过成像系统被记录。数字再现过程中，将其与低频信息合成，可使再现像分辨率得到提高。在暗场记录系统中，通过在空间光调制器上加载相息图改变入射光的振幅和相位分布，分别用拉盖尔-高斯涡旋、径向艾里以及携带涡旋相位的径向艾里结构光照明物体，结合暗场聚光镜的应用，提高系统的分辨率和对比度。

为了实现单通道双彩色图像的同时加密, 首先将两幅待加密的彩色图像转换成索引图像的形式, 保留索引图像的颜色映射矩阵, 然后仅对数据矩阵采用复数合成、分数傅里叶变换、随机调制实现了双图像的加密。结果表明, 只有在使用完全正确密钥的情况下才能恢复出两幅无失真的图像。该算法具有很高的安全性。

根据矩阵光学理论，轴对称傍轴光学系统可以由一个2×2矩阵描述，在确定系统的光学矩阵时必须得到组成光学系统所有元件的准确的光学参数及几何位置。提出了不需要知道系统内部元件的相关参数而通过数字全息实验确定系统光学矩阵元素的方法，并给出了实验证明。实验研究表明，该方法可以足够准确地获得矩阵元素，对于矩阵光学的应用有实际意义。

提出了一种灰度图像的隐藏方法，将待隐藏图像按照直方图统计结果以及彩色宿主图像的特征分割成3幅灰度图像，再经双随机相位编码和加权运算后，将分割出来的3幅灰度图像隐藏于一幅彩色图像的红绿蓝(RGB)的3个分量中。由于双随机相位编码技术具有很高的安全性，而且加权系数也可以作为加密的密钥得以应用，因此增强了单纯双随机相位的安全性能。实验结果表明,该方法具有良好的抗剪切和抗噪声能力，并且重建的图像与原灰度图之间的相关系数达到99%以上。

对存在欠采样的包裹相位进行解包裹一直是一个难点，尽管横向剪切最小二乘相位解包裹算法有不错的抗欠采样能力，但当存在严重欠采样时，该算法还是不能得到令人满意的结果。针对这个问题作了分析，并通过引入二次剪切的方法改进了横向剪切最小二乘相位解包裹算法，通过模拟计算和实验验证，证明改进后的算法是正确和有效的，该算法可以保证当包裹相位二阶离散导数的绝对值不大于π时能得到正确的解包裹结果。

为了简化数字全息超分辨记录系统，分别在其物光和参考光部分引入一块相位模板，以获得垂直和倾斜方向照明物体的光束和具有不同载波频率的参考光束.当这些具有不同照射方向的光透过物体后，可以使CCD在位置固定的情况下记录到携带低频和高频信息的物体衍射场，不同载波频率的参考光则保证了高频和低频信息在复合全息图的频谱面上能够相互分离.实验结果证明，通过将记录到的物体高频和低频信息合成，可以获得超出系统衍射极限分辨率的再现像.

用振幅全息和菲涅耳衍射理论,分析离轴数字全息记录系统结构参数对数字全息再现的影响,并进行相应的实验验证.理论分析和实验研究结果都表明,如果记录物体和CCD的尺寸固定,记录物体和CCD之间的记录距离将直接影响数字全息再现像的分离状况和系统的分辨率,在保证再现像分离的前提下,缩短物体和CCD之间的距离将有利于数字全息再现像分辨率的提高.