基于深度学习的单帧同轴数字全息重建方法

摘要

针对同轴数字全息中零级像及孪生像对再现像干扰的问题,提出一种基于深度学习的单帧同轴数字全息图重建方法。利用神经网络强大的特征提取能力,去除同轴全息重建过程中零级像及孪生像对再现像的干扰。分别针对强度型和相位型目标所对应的同轴全息图利用U-Net的卷积神经网络进行了训练和重建,结果表明U-Net网络对强度型和相位型目标均能实现高质量的重建。为进一步验证该网络对不同类型目标的泛化性,将字母数据集生成的同轴全息图在不同噪声水平下进行了重建,结果表明该网络对不同目标及噪声均具有良好的鲁棒性,且重建结果与真实目标的结构相似度均保持在0.92以上。