由于太赫兹面阵探测器像元数少，且目标像素数较少，全息图的衍射效应明显，因此其重建较可见光全息图重建困难。研究两种将深度学习用于二维连续太赫兹同轴数字全息振幅重建的方法，并与传统的角谱法（ASM）和带切趾的振幅约束相位恢复算法（APRA）进行对比。第一种是端对端的U-net网络重建方法（H-UnetM），即网络输入图像为全息图；第二种是角谱法加U-net网络重建方法（AS-UnetM）。仿真研究表明，对于记录距离15~20 mm、分辨率0.3~0.5 mm目标的2.52 THz全息图，AS-UnetM重建优于APRA，而H-UnetM仅优于ASM但不如APRA。最后通过真实实验加以验证，结果表明H-UnetM能够重建目标，但部分背景噪声也被突出，而采用AS-UnetM在目标附近的重建效果最佳。

太赫兹同轴数字全息是一种全场、无透镜、定量相衬成像方法，具有简单且稳健的光路结构，适合太赫兹波应用，然而其固有的孪生像问题会严重降低再现像的质量。提出一种将物理模型和卷积神经网络相结合的迭代相位复原方法，在无需施加约束以及准备预训练的标记数据集情况下，可从单幅同轴数字全息图中高保真度地恢复出样品的复振幅分布，并充分抑制孪生像干扰。仿真和实验结果表明了该方法的可行性，再现像质量优于目前主流方法，即基于物理增强神经网络的方法可以进一步拓展太赫兹数字全息成像的应用范围。

讨论了同轴数字全息术测量PM2.5大气可吸入颗粒物的可行性,并设计了一套针对PM2.5颗粒测量的同轴数字全息实验装置。在讨论同轴全息图的数字图像处理方法基础上,利用所设计的装置测量了与PM2.5颗粒粒径相当的标准粒子,对实验结果进行了分析和讨论。实验证明,同轴数字全息术可有效应用于PM2.5颗粒的测量与分析。

对于近场同轴数字全息在聚焦再现(再现距离精确等于实际记录距离)时，采用多重再现方法可以很好地消除共轭像的影响,但该方法没有考虑和分析再现距离与实际记录距离存在偏差时的影响。然而在实际应用中，实际记录距离难于精确测定，数字再现时采用的再现距离往往与实际记录距离存在偏差。对该方法进行了进一步的深入分析，分析发现该方法对距离偏差十分敏感，且随着距离偏差增大其共轭像消除效果会急剧下降；利用该方法对距离偏差的敏感特性，可以提高同轴数字全息自动聚焦的精准性和灵敏性。对上述结论进行了原理分析和实验验证。

传统Gabor同轴全息中的直透参考光波与衍射物光波空间重叠，因而无法实现相移干涉。针对这一问题，提出了一种在Gabor同轴全息中引入相移的数字全息方法。根据空间频谱域中不同频率分量空间分离的特点，通过在4f系统的频谱面上采用纯相位空间光调制器对空间频谱的零频分量（直透参考光波）单独进行相位调制实现相移干涉，然后利用相移干涉算法得到再现像。理论分析和实验结果表明，基于4f系统的Gabor同轴相移数字全息方法可以在保留Gabor同轴全息光路简单、受环境振动和空气扰动影响小、对光源相干性和记录器件空间分辨率要求较低等优点的基础上，消除直流项和共轭像的影响，提高了再现像质量。

在对3维粒子场全息图的数值重构过程中,为了提高和改善聚焦粒子再现像的对比度,减小直透光、孪生像以及离焦粒子像的影响,采用了1种数值处理方法,通过对数值重构出的2个聚焦与非聚焦面上粒子复振幅相减,可以将直透光、孪生像和离焦粒子像对聚焦粒子的影响同时减小,并给出了简要理论以及仿真、实验结果。结果表明,在同轴数字全息层析再现粒子场过程中,该方法适用于在某一聚焦面仅显示聚焦粒子; 此外,该过程仅需要一张全息图,而且不需要对全息图做预前和后期处理。