数字全息显微术能够测量定量光场信息, 但全息相位重建通常需要经过频谱滤波、模拟衍射、相位展开、畸变补偿等步骤, 且在滤波时人工选取滤波窗口的尺寸误差会很大程度上影响成像质量。提出了一种基于改进DeepLabV3+网络的一步数字全息相位重建方法, 在DeepLabV3+网络的基础上引入MobileNetV2结构进行改进。使用MobileNetV2提取全息图特征; 通过空洞空间金字塔池融合多尺度特征; 采用双线性插值的方法进行上采样, 以得到高精度的定量相位重建结果。实验结果表明, 与使用PhaseNet重建相比, 方法在结构相似性指数上提高了6.5%, 能够准确高效地实现数字全息高精度定量相位重建。

零频分量在离轴全息图中分布广且不携带物体的相位信息, 该分量的存在会显著降低全息图的信噪比从而影响重建精度。现有的零频分量抑制方法需要记录多张全息图或手动调节全息图的小波分解层数才能达到最佳效果, 虽然拉普拉斯算子也可用于抑制零频分量, 但难以提取+1级像。为了克服这些问题, 提出了一种基于希尔伯特-黄变换的零频抑制方法, 只需记录一张全息图且避免了手动调整分解层数。为了验证所提出方法的有效性, 将所提出方法处理后的全息图频谱与未零频抑制的全息图频谱、采用Haar小波变换和采用Laplace算子处理后的全息图频谱进行了对比, 还比较了三个随机选取的对比区域的标准偏差和截面图。实验结果表明所提出的方法不仅可以有效地抑制零频分量并且性能优于其他两种方法。

全息防伪技术已经实现了工业上的应用, 但仍存在精度差、成本高等问题。通过计算出二值图的傅里叶变换频谱, 采用罗曼三型编码, 计算出二元全息图。通过电子束蒸发镀膜、等离子增强化学气相沉积、电子束曝光、感应耦合等离子干法刻蚀、纳米压印等半导体工艺, 制备出了高精度、低成本、可复制的全息图。并对所制备的全息图分别用红色、绿色激光进行了测试, 得到的衍射图案清晰, 复现方式简单。

基于摄像头的多光源多输入多输出(MIMO)通信系统能够提高光源的利用率和传输带宽, 但多光源之间的干扰和环境光的干扰为可见光的颜色判断带来了极大的困难。针对这种情况, 提出了基于自联想神经网络的可见光MIMO颜色检测算法。设计了基于自联想神经网络的主成分提取方法, 在训练速度和模型准确率方面取得平衡; 提出了神经网络学习光源颜色的具体训练方法,基于欧氏距离决定光源的实际颜色符号。在真实的实验数据集的基础上完成了验证实验, 结果显示该算法实现了较好的收敛速度和较高的检测准确率。

为了解决数字全息显微术相位重建中的欠采样问题, 引用一种基于横向剪切干涉术的改进型最小二乘法相位展开算法, 并与基于离散余弦变换的原始最小二乘法算法以及质量图导向路径算法进行比较。采用欠采样高斯函数进行计算机模拟, 并进行了实验验证, 结果表明了横向剪切干涉术方法的有效性。上述改进型最小二乘法相位展开算法在解决包裹相位图中的欠采样问题更有效, 从而能够更精准地重建物体的相位信息。

针对液晶可调滤波片高光谱成像系统记录动态场景的成像特点, 提出一种图-谱结合的压缩感知高光谱视频图像复原方法。首先, 通过前景目标检测获得运动前景目标的高光谱图像, 实现运动前景目标与背景区域分离, 并根据前景目标检测结果将背景区域划分为运动区域(被前景目标遮挡区域)与静止区域(未被前景目标遮挡区域)。然后, 基于高光谱图像空间维、光谱维相关性, 对静止区域进行字典学习获得稀疏先验信息, 结合压缩感知理论用于运动区域恢复, 得到完整的背景区域高光谱图像。最后, 将运动前景目标高光谱图像与背景区域高光谱图像相结合, 得到高光谱视频图像。实验结果表明: 本文提出的高光谱视频图像复原方法在峰值信噪比和视觉效果上都要优于现有算法, 峰值信噪比平均提高5 dB以上。

为了测量材料在高温甚至超高温下的力学性能, 采用数字图像相关方法, 并研究其在高温下的最优成像。采取不同的散斑制作方法, 同时加入不同颜色的高温漆, 在不同的温度节点, 外加不同光源及相应的滤波片, 采集并观察图像是否具有良好的对比度。普通的单色光源在800 ℃以后会逐渐失效, 无法获取图像, 而紫外光在1 200 ℃时依然可以获取较好的图像, 且直接利用试件本身颜色作为底色效果更佳。采用紫外光照明可以实现DIC在高温环境下的测量。同时利用黑色或者蓝色散斑直接喷涂在试件上有着最佳的对比度, 要优于常规的散斑制作方法。

针对单次傅里叶变换算法(S-FFT算法)受到采样定理的约束，衍射面画幅尺寸和有效内容像素数无法灵活控制，很容易出现衍射面画幅尺寸大小与衍射距离不匹配的情况，本文提出了一种分段衍射算法。首先，在采样数、光的波长、初始衍射面大小确定的情况下，利用拆分的衍射距离比控制最终衍射面画幅尺寸。然后，对单次衍射计算结果与分段衍射计算结果进行了图像相似度对比。实验表明，分段衍射算法可在画面强度分布不变的情况下，提高有效像素数目，数据量增加了2~3个数量级。此外，文章分析了造成误差的一个主要原因来自有效数据分辨率提高后，细节分布与低分辨率像素值之间的差别。在图像细节较丰富时，其差别较大。因此这种差别应视为优于直接计算的一种结果。本算法能够获得更加清晰的图像细节，灵活调整衍射面画幅尺寸，使得S-FFT算法在大衍射距离问题计算中能发挥其算法优势。

本文通过分析自然图像的边缘3个通道之间的关联性，提出“同一物体的边缘在3个颜色通道应处于相同位置”的色差先验约束，该约束在数学上近似为各通道的相对导数相等，基于此色差先验约束，建立了一种新的像差校正模型即图像解卷积模型，并给出了基于交替方向乘子法的模型求解算法。实验结果表明: 本文的像差校正技术可以提升图像的峰值信噪比10 dB以上，明显优于目前主流的BM3D和YUV算法，并且视觉提升效果明显，基本满足普通光学系统对像差的校正要求。

针对高光谱图像相邻波段之间具有强光谱相关性的特点，为了提高高光谱图像压缩感知的重构效果，本文提出一种利用边缘信息设计动态测量率的压缩感知算法。首先，通过随机投影的分块压缩感知方法对每个图像块以固定测量率采样，重构出单波段图像作为其他波段的先验信息，并对其提取出图像边缘区域; 然后，根据每个图像块边缘信息的丰富程度来自适应分配测量值。在固定总测量数的前提下，对不同图像块分配不同的测量次数。最后，利用分配好的测量次数对其余波段进行采集和重构。仿真结果表明，在相同总测量数情况下，本文提出的动态测量算法重构出的高光谱图像质量(PSNR)与传统固定测量压缩感知策略相比提高了1~4 dB，相比较下的重构时间也减少，在成功重构高光谱图像的基础上更增强了细节处的图像质量。