CN113448232B - 三维分层目标压缩全息术的测量矩阵降维方法 - Google Patents

三维分层目标压缩全息术的测量矩阵降维方法 Download PDF

Info

Publication number
CN113448232B
CN113448232B CN202110761139.8A CN202110761139A CN113448232B CN 113448232 B CN113448232 B CN 113448232B CN 202110761139 A CN202110761139 A CN 202110761139A CN 113448232 B CN113448232 B CN 113448232B
Authority
CN
China
Prior art keywords
target
dimensional layered
layer
holography
hologram
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110761139.8A
Other languages
English (en)
Other versions
CN113448232A (zh
Inventor
于雪莲
班江
孙彦乾
王康维
余嘉静
暴兴旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Citic Digital Intelligence Wuhan Technology Co ltd
Original Assignee
Harbin University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Harbin University of Science and Technology filed Critical Harbin University of Science and Technology
Priority to CN202110761139.8A priority Critical patent/CN113448232B/zh
Publication of CN113448232A publication Critical patent/CN113448232A/zh
Application granted granted Critical
Publication of CN113448232B publication Critical patent/CN113448232B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/04—Processes or apparatus for producing holograms
    • G03H1/08—Synthesising holograms, i.e. holograms synthesized from objects or objects from holograms
    • G03H1/0866—Digital holographic imaging, i.e. synthesizing holobjects from holograms
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/02—Details of features involved during the holographic process; Replication of holograms without interference recording
    • G03H1/0252—Laminate comprising a hologram layer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/04—Processes or apparatus for producing holograms
    • G03H1/08—Synthesising holograms, i.e. holograms synthesized from objects or objects from holograms
    • G03H1/0866—Digital holographic imaging, i.e. synthesizing holobjects from holograms
    • G03H2001/0883—Reconstruction aspect, e.g. numerical focusing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Theoretical Computer Science (AREA)
  • Holo Graphy (AREA)

Abstract

三维分层目标压缩全息术的测量矩阵降维方法，属于计算成像、全息三维成像领域。三维分层目标压缩全息术重建时，受测量矩阵维度和串扰噪声的限制，其重建速度和成像质量被制约。本发明通过在三维分层目标全息图的分层表示的基础上，利用分割算子和并行算子，降低测量矩阵的维度，消除串扰噪声。相比于传统压缩全息术，本方法具有更快的重建速度和更高的重建质量。

Description

三维分层目标压缩全息术的测量矩阵降维方法
技术领域
本发明涉及三维分层目标压缩全息术的测量矩阵降维方法，属于计算成像、全息三维成像领域，尤其涉及三维分层目标压缩全息术的测量矩阵降维领域。
背景技术
全息术在成像领域中，备受瞩目的原因是其具有三维成像的能力。传统全息术采用卷积方法、角谱方法等进行反向传播重建。然而由于层间串扰噪声，传统反向传播方法无法重建三维分层目标。因此压缩全息术被提出，其可以实现高质量的三维分层目标重建。但是在三维分层目标压缩全息重建中，有两个弊病：第一个弊病是重建速度慢，第二个弊病是成像质量受串扰噪声影响。第一个弊病的原因：重建的三维分层目标通常为具有数百万变量的多维数据矩阵，并且计算时间随着三维分层目标的数据量增长而线性增长，计算量与测量矩阵的维度直接相关，压缩全息的重建速度由测量矩阵的维度来反映。第二个弊病的原因：压缩全息术可以较好的抑制层间串扰噪声，但是一定程度上仍然受到串扰噪声的影响。目前的压缩全息术重建不可避免的出现上述问题。为此，本发明提出了三维分层目标压缩全息术的测量矩阵降维方法。
发明内容
三维分层目标压缩全息术的测量矩阵降维方法，本方法适用于各种压缩全息系统。基础压缩全息系统包括光源、目标、图像传感器。由压缩全息术系统记录三维分层目标全息图，使用Orzo提出的全息分割算法作为分割算子，对所述三维分层目标全息图进行分割，获得三维分层目标中每一层目标的单层目标全息图，使用单程序多数据(single-program-multiple-data,SPMD)技术作为并行算子，对所述三维分层目标中每一层目标的单层目标全息图使用两步迭代收缩阈值(the two-step iterative shrinkage/thresholding,TwIST)算法进行并行重建，根据所述三维分层目标中每一层目标的重建图像，进行逐层拼接，获得所述三维分层目标图像。本方法包括如下步骤：步骤1，三维分层目标全息图的记录；步骤2，三维分层目标全息图的分割；步骤3，单层目标全息图的并行计算；步骤4，三维分层目标图像的重建。
定义压缩全息术中横向方向的像素数量为Nx、Ny，轴向方向的像素层数为Nz。
步骤1：由所述压缩全息术系统记录所述三维分层目标全息图，所述三维分层目标全息图的向量形式表示为
Figure BDA0003149124520000011
其为维度为(Nx×Ny)×1。
Figure BDA0003149124520000012
其中
Figure BDA0003149124520000021
为所述测量矩阵，其维度为(Nx×Ny)×(Nx×Ny×Nz)。
Figure BDA0003149124520000022
为所述三维分层目标的向量形式，其维度为(Nx×Ny×Nz)×1；对所述三维分层目标全息图进行分层表示。
Figure BDA0003149124520000023
其中
Figure BDA0003149124520000024
为所述三维分层目标中每一层目标的单层目标全息图的向量形式，其维度为(Nx×Ny)×1；
Figure BDA0003149124520000025
为所述单层目标的所述测量矩阵，其维度为(Nx×Ny)×(Nx×Ny×1)；
Figure BDA0003149124520000026
为所述单层目标的向量形式，其维度为(Nx×Ny×Nz)×1。
步骤2：使用Orzo提出的全息分割算法作为分割算子[]Filter，对所述三维分层目标全息图进行分割，获得所述三维分层目标中每一层目标的单层目标全息图。
Figure BDA0003149124520000027
步骤3：使用SPMD技术作为并行算子[·]P-TwIST，对所述三维分层目标中每一层目标的单层目标全息图使用TwIST算法进行并行重建，使得每个并行池中的测量矩阵的维度变为(Nx×Ny)×(Nx×Ny×1)，获得所述三维分层目标中每一层目标的重建图像。
Figure BDA0003149124520000028
其中，f为所述三维分层目标中单层目标的重建图像。所述的并行池个数等于所述三维分层目标中单层目标的数量。
步骤4：
根据所述三维分层目标中每一层目标的重建图像，进行逐层拼接，获得所述三维分层目标图像。
附图说明
图1具体实施方式的装置图，1单色激光光源，2第一透镜，3第二透镜，4三维分层目标，5CMOS图像传感器。
图2三维分层目标压缩全息术的测量矩阵降维方法流程图。
图3具体实施方式的实验结果，(a)三维分层目标，(b)传统全息术反向传播的实验结果，(c)传统压缩全息术的实验结果，(d)本发明所提出方法的实验结果。
具体实施方式
实施例1
结合图1所示的装置，对本发明进一步说明。
图1为具体实施方式的装置图，其包括单色激光光源(1)，第一透镜(2)，第二透镜(3)，三维分层目标(4)，CMOS图像传感器(5)。单色激光光源(1)、第一透镜(2)、第二透镜(3)组成光源系统。单色激光光源(1)经过第一透镜(2)、第二透镜(3)组成的透镜组，输出为准直光束。单色激光光源(1)的中心波长为532nm。
步骤1：中心波长为532nm单色激光光源发出的光经过所述透镜组，输出为准直光束，所述准直光束与三维分层目标相互作用产生的物光波与未与三维分层目标相互作用的所述准直光束之间干涉，由所述CMOS图像传感器记录三维分层目标全息图。
步骤2：使用Orzo提出的全息分割算法作为所述分割算子[]Filter。使用角谱方法以最优重建距离重建所述三维分层目标全息图Hs1，获得所述单层目标的全息重建结果I1。所述最优重建距离由Tenenbaum梯度自动聚焦算法获取。所述最优重建距离为所述单层目标的所述最优重建距离。使用背景值BV填充I1的非支持部分，获得I1′。所述非支持部分为所述单层目标没有覆盖的像素平面。支持部分为所述单层目标覆盖的像素平面。所述支持部分由阈值处理获取。所述背景值BV为Bexp(-i2πz/λ)，其中B为所述单层目标的全息重建结果的平均值，z为所述单层目标的所述最优重建距离，λ为波长。所述支持部分为所述单层目标覆盖的像素范围。使用角谱方法以所述最优重建距离将I1′传播至图像传感器平面，获得Hs2。从所述Hs1中减去两倍的所述Hs2的实部，再加上两倍的BV的绝对值，获得Hs′2。使用角谱方法以所述最优重建距离将所述H′s2传播至所述单层目标平面获得I2，使用BV填充I2的所述非支持部分，获得I′2。使用角谱方法以所述最优重建距离将I′2传播至图像传感器平面，获得Hs3，并进行如下计算，获得Hs。所述的Hs为所述单层目标的全息图。
Hs＝Hs1-Re[H′s2-Hs3+BV]
经上述过程，对所述三维分层目标全息图进行分割，获得所述三维分层目标中每一层目标的单层目标全息图。
步骤3：使用SPMD技术作为所述并行算子[·]P-TwIST，对所述三维分层目标中每一层目标的单层目标全息图使用TwIST算法进行并行重建，使得每个并行池中的测量矩阵的维度变为(Nx×Ny)×(Nx×Ny×1)，获得所述三维分层目标中每一层目标的重建图像。所述的并行池个数等于所述三维分层目标中单层目标的数量。
步骤4：根据所述三维分层目标中每一层目标的重建图像，进行逐层拼接，获得所述三维分层目标图像。
图3(b)为传统全息术反向传播的实验结果。图3(c)为传统压缩全息术的实验结果，重建耗时22450s。图3(c)为本发明所提出方法的实验结果，重建耗时414s。本发明的结果无串扰噪声，具有更加锐利边缘，意味着本发明所提出的方法具有更快的重建速度和更高的重建质量。
具体实施方式中的实施例仅代表本发明的一种实施方式。实施例1是按照本发明所提出方法，设计的一种实施装置及流程，不代表本发明的保护范围。所有从事相关技术领域的技术人员，均能够按照本发明提出方法设计多种不同的实施例。凡实施方式符合本发明权利要求，均在本专利的保护范围内。

Claims (5)

1.三维分层目标压缩全息术的测量矩阵降维方法，其特征在于，包括以下四个步骤：步骤1，三维分层目标全息图的记录；步骤2，三维分层目标全息图的分割；步骤3，单层目标全息图的并行计算；步骤4，三维分层目标图像的重建；
定义压缩全息术中横向方向的像素数量为Nx、Ny，轴向方向的像素层数为Nz；
压缩全息术系统至少由依次放置的光源、目标、图像传感器组成；
步骤1：
由所述压缩全息术系统记录三维分层目标全息图；
步骤2：
使用分割算子[·]Filter，对所述三维分层目标全息图进行分割，获得三维分层目标中每一层目标的单层目标全息图；所述分割算子[·]Filter为任意一种可以实现全息图分割的技术；
步骤3：
使用并行算子[·]P-TwIST，对所述三维分层目标中每一层目标的单层目标全息图使用两步迭代收缩阈值(the two-step iterative shrinkage/thresholding,TwIST)算法进行并行重建，使得每个并行池中的测量矩阵的维度变为(Nx×Ny)×(Nx×Ny×1)，获得所述三维分层目标中每一层目标的重建图像；所述并行算子[·]P-TwIST为任意一种可以实现并行计算的技术；所述的并行池个数等于所述三维分层目标中单层目标的数量；
步骤4：
根据所述三维分层目标中每一层目标的重建图像，进行逐层拼接，获得所述三维分层目标图像。
2.根据权利要求1所述三维分层目标压缩全息术的测量矩阵降维方法，其特征在于：在步骤1中所述三维分层目标全息图的向量形式表示为
Figure FDA0003149124510000011
其维度为(Nx×Ny)×1；
Figure FDA0003149124510000012
其中
Figure FDA0003149124510000013
为所述测量矩阵，其维度为(Nx×Ny)×(Nx×Ny×Nz)；
Figure FDA0003149124510000014
为所述三维分层目标的向量形式，其维度为(Nx×Ny×Nz)×1。
3.根据权利要求1所述三维分层目标压缩全息术的测量矩阵降维方法，其特征在于：在步骤1中所述三维分层目标全息图的分层表示为；
Figure FDA0003149124510000015
其中
Figure FDA0003149124510000016
为所述三维分层目标中每一层目标的单层目标全息图的向量形式，其维度为(Nx×Ny)×1；
Figure FDA0003149124510000021
为所述单层目标的所述测量矩阵，其维度为(Nx×Ny)×(Nx×Ny×1)；
Figure FDA0003149124510000022
为所述单层目标的向量形式，其维度为(Nx×Ny×Nz)×1。
4.根据权利要求1所述三维分层目标压缩全息术的测量矩阵降维方法，其特征在于：在步骤2中所述分割算子[·]Filter可以选择为Orzo提出的全息分割算法；在步骤2中所述三维分层目标全息图进行分割的表达式为；
Figure FDA0003149124510000023
5.根据权利要求1所述三维分层目标压缩全息术的测量矩阵降维方法，其特征在于：在步骤3中所述并行算子[·]P-TwIST可以选择为单程序多数据(single-program-multiple-data,SPMD)技术；在步骤3中对所述三维分层目标中每一层目标的单层目标全息图使用TwIST算法进行并行重建的表达式为；
Figure FDA0003149124510000024
其中，f为所述三维分层目标中单层目标的重建图像。
CN202110761139.8A 2021-07-06 2021-07-06 三维分层目标压缩全息术的测量矩阵降维方法 Active CN113448232B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110761139.8A CN113448232B (zh) 2021-07-06 2021-07-06 三维分层目标压缩全息术的测量矩阵降维方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110761139.8A CN113448232B (zh) 2021-07-06 2021-07-06 三维分层目标压缩全息术的测量矩阵降维方法

Publications (2)

Publication Number Publication Date
CN113448232A CN113448232A (zh) 2021-09-28
CN113448232B true CN113448232B (zh) 2022-06-21

Family

ID=77815252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110761139.8A Active CN113448232B (zh) 2021-07-06 2021-07-06 三维分层目标压缩全息术的测量矩阵降维方法

Country Status (1)

Country Link
CN (1) CN113448232B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101238993A (zh) * 2008-02-01 2008-08-13 哈尔滨工业大学 基于整数提升小波多分辨分析的医学超声图像配准方法
CN109683461A (zh) * 2019-01-24 2019-04-26 杭州光粒科技有限公司 基于光场渲染的全息图生成方法、系统、存储介质及近眼ar全息三维显示系统
CN110363843A (zh) * 2019-06-18 2019-10-22 安徽大学 基于相移压缩菲涅尔全息的三维图像光学重建方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7039252B2 (en) * 1999-02-25 2006-05-02 Ludwig Lester F Iterative approximation environments for modeling the evolution of an image propagating through a physical medium in restoration and other applications
US10810767B2 (en) * 2018-06-12 2020-10-20 Siemens Healthcare Gmbh Machine-learned network for Fourier transform in reconstruction for medical imaging
US11137719B2 (en) * 2018-12-11 2021-10-05 University Of North Carolina At Chapel Hill Methods, systems, and computer readable media for improved digital holography and display incorporating same

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101238993A (zh) * 2008-02-01 2008-08-13 哈尔滨工业大学 基于整数提升小波多分辨分析的医学超声图像配准方法
CN109683461A (zh) * 2019-01-24 2019-04-26 杭州光粒科技有限公司 基于光场渲染的全息图生成方法、系统、存储介质及近眼ar全息三维显示系统
CN110363843A (zh) * 2019-06-18 2019-10-22 安徽大学 基于相移压缩菲涅尔全息的三维图像光学重建方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
于雪莲、田佳峻、姚勇、赵新辉、刘超、孙云旭.基于单幅干涉图的波前重构技术研究.《光学与光电技术》.2010,第八卷(第一期),39-43. *

Also Published As

Publication number Publication date
CN113448232A (zh) 2021-09-28

Similar Documents

Publication Publication Date Title
US10911735B2 (en) Layered scene decomposition CODEC with asymptotic resolution
CN110363843B (zh) 基于相移压缩菲涅尔全息的三维图像光学重建方法及系统
Chen et al. Computer generated hologram with geometric occlusion using GPU-accelerated depth buffer rasterization for three-dimensional display
CN105629696B (zh) 一种基于迭代去噪收缩阈值算法的数字全息重构方法
Shimobaba et al. Deep-learning computational holography: A review
US11869138B2 (en) Light field volume rendering system and methods
US20230205133A1 (en) Real-time Photorealistic 3D Holography With Deep Neural Networks
CN111366557A (zh) 一种基于薄散射介质的相位成像方法
Huang et al. Light-field reconstruction and depth estimation from focal stack images using convolutional neural networks
CN113448232B (zh) 三维分层目标压缩全息术的测量矩阵降维方法
Tsang et al. Modern methods for fast generation of digital holograms
CN117575915A (zh) 一种图像超分辨率重建方法、终端设备及存储介质
Shiomi et al. Fast hologram calculation method using wavelet transform: WASABI-2
Lu et al. Complex-valued speckle effect and its suppression for high quality of phase unwrapping reconstruction in coherent digital holographic microscopy
CN115690252A (zh) 一种基于卷积神经网络的全息图重建方法及系统
KR101498474B1 (ko) 다단계 보간법을 이용한 디지털 홀로그래피의 분해능 향상 방법
CN109920039B (zh) 一种全彩色压缩全息成像系统及重建方法
Zhuang et al. Deep-learning based reconstruction in optical scanning holography
Chen et al. Physics-based holo-net for three-dimensional imaging
Liu et al. Radiance-field holography for high-quality 3D reconstruction
Rui et al. Generating real-scene hologram through light field imaging and deep learning
CN114895542B (zh) 一种三维计算全息图非迭代快速生成方法
Li Deep Learning based digital hologram processing
Xiong et al. Phase imaging for digital holography with deep learning
Xia et al. Unsupervised speckle denoising in digital holographic interferometry based on 4-f optical simulation integrated CycleGAN

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20231119

Address after: 509 Kangrui Times Square, Keyuan Business Building, 39 Huarong Road, Gaofeng Community, Dalang Street, Longhua District, Shenzhen, Guangdong Province, 518000

Patentee after: Shenzhen Litong Information Technology Co.,Ltd.

Address before: No. 52 Xuefu Road, Nangang District, Harbin, Heilongjiang Province

Patentee before: HARBIN University OF SCIENCE AND TECHNOLOGY

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231221

Address after: 430000, 7th floor, No. 41 Jiefang Park Road, Jiang'an District, Wuhan City, Hubei Province

Patentee after: CITIC digital intelligence (Wuhan) Technology Co.,Ltd.

Address before: 509 Kangrui Times Square, Keyuan Business Building, 39 Huarong Road, Gaofeng Community, Dalang Street, Longhua District, Shenzhen, Guangdong Province, 518000

Patentee before: Shenzhen Litong Information Technology Co.,Ltd.

TR01 Transfer of patent right