一种数字全息自动聚焦技术研究及实例分析

一、引言

数字全息的自动聚焦整个过程在计算机中完成，可根据测量过程待测物体实际位置的变化情况，自动确定最优的重建距离，进而为测量提供可靠清晰的图像。因此，如何快速、准确地寻到最优重建距离是数字全息自动聚焦技术的一个关键问题。

数字聚焦算法的重建平面检测流程如下：首先沿轴向方向以固定间隔重建一系列图像，通过对比度指标检测每幅图像，重建图像越清晰，重建位置越接近最佳重建平面位置，从而确定最佳聚焦位置。数字聚焦中的图像对比度指标包括熵指标、方差指标、频谱指标、频谱范数指标、强度梯度指标等。通过运用数字聚焦算法的对比度指标，可以量化重建图像的对比度，客观地反映图像的重建状况，找到物体的最佳重建平面位置。

二、自动聚焦-角谱法重构实例演示

根据角谱法得到衍射100mm后的衍射场(粗糙物体，即为散射场)，对该散射场进行自动聚焦处理，得到最佳重建距离，如下图所示，根据最佳重建距离便可重构得到清晰的像。

自动聚焦过程如下动画所示：

三、自动聚焦-卷积法重构实例演示

首先，根据卷积法记录得到衍射200mm后的衍射场(粗糙物体，即为散射场)，对该散射场进行自动聚焦处理，得到最佳重建距离，如下图所示，根据最佳重建距离便可重构得到清晰的像。

该自聚焦过程如下动画所示：

四、自动聚焦-菲涅耳变换法重构实例演示

首先，根据菲涅耳衍射法记录衍射30mm的衍射场，对该衍射场进行自动聚焦处理，得到最佳重建距离，根据最佳重建距离便可重构得到清晰的像。

该自聚焦过程如下动画所示。

五、应用

5.1 单波长数字全息自动聚焦

数字全息图的传输光路采用的是共光路结构，在这里，卤素灯发出的白色照明光束（λ=574 nm）经过准直透镜CL后，通过光阑AP滤波，经聚光透镜CO后为准直白光束，照射样品S (美国空军分辨率板)，携带样品信息的物光被物镜MO放大，经平面镜M反射和镜筒透镜 TL 后，由相位光栅 G 复制两束平面波，在透镜 L1 后的傅里叶平面上经针孔掩膜板 PH 的针孔滤波产生一束参考光，完全透过 PH 的光形成物光，经过透镜 L2 之后，得到的离轴干涉图被1024×1280像素的CCD相机记录。

单波长数字全息自动聚焦实验[1]

5.2 双波长数字全息自动聚焦

对于单波长数字全息技术，采用单个光源作为照射光源，当物体的厚度所等效长的波长比照射波长更大时则会发生相位包裹现象，这会影响到对物体的定量分析。为了研究不同测量物体更普遍适用的方法，双波长数字全息技术吸引了广泛的关注。 DWDH可以产生一个合成相位图，从两个波长的记录全息图中恢复得到无包裹的相位，从而避免出现相位包裹问题。

双波长数字全息自动聚焦[1]

5.3 基于卷积神经网络的数字全息自聚焦

传统的数字全息自聚焦成像技术通常是基于迭代的方法，这限制了聚焦成像的速度。而基于卷积神经网络技术，实现由离焦全息图预测聚焦重建像，具有成像速度快、预测过程无需背景图、对噪声不敏感等优点。

基于改进的全卷积神经网络的单波长离轴数字全息自聚焦成像[2]

参考文献

[1] 谢晓昕. 数字全息快速自动聚焦技术研究 [D]; 哈尔滨工程大学, 2019.

[2] 张洋. 基于深度学习的数字全息自聚焦成像技术研究 [D]; 哈尔滨工程大学, 2020.

博主在全息干涉测量领域有多年经验，如有任何疑问，可私信交流讨论，可提供相关的技术支持与服务！