[发明专利]一种欠采样全息图压缩全息多尺度自聚焦重建方法及系统

权利要求书

1.一种欠采样全息图压缩全息多尺度自聚焦重建方法，其特征在于，包括：

对物体经光源照射产生的全息图进行下采样操作，得到下采样全息图；

基于TwIST算法，对所述下采样全息图进行重建，得到重建结果；

其中，所述对物体经光源照射产生的全息图进行下采样操作，得到下采样全息图，还包括：

对所述物体在光学结构中不同位置经光源照射产生的全息图分别进行下采样操作，得到不同位置的下采样全息图；

所述基于TwIST算法，对所述下采样全息图进行重建，得到重建结果，具体包括：

对所述不同位置的下采样全息图，采用特征值自聚焦算法的评估方法，估计焦平面位置；

基于所述TwIST算法，对焦平面位置的下采样全息图进行重建，得到所述重建结果；

对所述不同位置的下采样全息图，采用特征值算法的评估方法，估计焦平面位置，包括：

基于CS算法，对所述不同位置的下采样全息图进行重建，得到不同位置的振幅图像；

采用特征值自聚焦算法的评估方法，根据不同位置的振幅图像，估计焦平面位置；

还包括：结合多尺度搜索策略，对所述不同位置的下采样全息图，采用特征值自聚焦算法的评估方法，估计焦平面位置，具体包括：

1)设置第一层尺度的搜索起点搜索终点和搜索间距得到第一层位置序列，第一层的总间隔数为N；

2)对当前层位置序列中每个位置的下采样全息图，基于CS算法重建每个位置上的下采样全息图，得到不同位置的振幅图像；

3)采用所述特征值自聚焦算法的评估方法，根据不同位置的振幅图像，估计得到当前层尺度的搜索结果

4)当前层尺度的搜索结果作为上一层尺度的搜索结果，并以上一层尺度的搜索结果为中心点，基于关系式得到下一层搜索空间的搜索起点搜索终点和搜索间距以及下一层位置序列，重复执行步骤2)-4)，直至得到第k层尺度的自聚焦搜索结果

5)基于所述TwIST算法重建位置处的下采样全息图，得到所述重建结果。

2.如权利要求1所述的欠采样全息图压缩全息多尺度自聚焦重建方法，其特征在于，所述对物体经光源照射产生的全息图进行下采样操作，得到下采样全息图，公式表示如下：

其中，D_Ω表示下采样，G表示前向变换，Φ_Ω表示项2Re{D_ΩGρ}对ρ的变换，ρ表示物体密度，e表示模型误差。

3.一种欠采样全息图压缩全息多尺度自聚焦重建系统，其特征在于，包括下采样操作模块和重建模块，其中：

下采样操作模块用于对物体经光源照射产生的全息图进行下采样操作，得到下采样全息图；

重建模块用于基于TwIST算法，对所述下采样全息图进行重建，得到重建结果；

所述下采样操作模块还用于对所述物体在光学结构中不同位置经光源照射产生的全息图分别进行下采样操作，得到不同位置的下采样全息图；

所述重建模块还包括焦平面位置估计单元和重建单元，其中：

焦平面位置估计单元用于对所述不同位置的下采样全息图，采用特征值自聚焦算法的评估方法，估计焦平面位置；

重建单元用于基于所述TwIST算法，对焦平面位置的下采样全息图进行重建，得到所述重建结果；

所述焦平面位置估计单元用于结合多尺度搜索策略，对所述不同位置的下采样全息图，采用特征值自聚焦算法的评估方法，估计焦平面位置，具体包括：

1)设置第一层尺度的搜索起点搜索终点和搜索间距得到第一层位置序列，第一层的总间隔数为N；

2)对当前层位置序列中每个位置的下采样全息图，基于CS算法重建每个位置上的下采样全息图，得到不同位置的振幅图像；

3)采用所述特征值自聚焦算法的评估方法，根据不同位置的振幅图像，估计得到当前层尺度的搜索结果

4)当前层尺度的搜索结果作为上一层尺度的搜索结果，并以上一层尺度的搜索结果为中心点，基于关系式得到下一层搜索空间的搜索起点搜索终点和搜索间距以及下一层位置序列，重复执行步骤2)-4)，直至得到第k层尺度的自聚焦搜索结果

5)基于所述TwIST算法重建位置处的下采样全息图，得到所述重建结果。