基于经验模态分解的激光散斑噪声抑制方法

为抑制激光散斑噪声对定量相位重建精度的影响,本文基于经验模态分解提出了一种激光散斑噪声抑制方法。该方法只需采集一张全息图像且无需添加额外硬件设备,避免了寻找最优处理参数的复杂过程。首先,采用经验模态分解突出图像细节信息。其次,使用边缘检测克服各向异性扩散方程中梯度算子抗噪声能力不强、不能识别伪边缘等问题,对细节突出的图像进行边缘检测。最后,由高精度的边缘检测结果引导扩散去噪过程达到更好的散斑抑制效果。实验结果表明,经过本文方法处理后,重建相位的结构相似性提高了12.9000%,边缘保持指数提高了14.3861%,散斑抑制指数降低了8.1299%,并且相位截面曲线与原始相位最接近。本文所提出的方法不仅具备更好的去噪效果,而且更有效地保留了细节信息,相位重建的精度更高。

基于希尔伯特-黄变换的单次离轴全息零频分量抑制

零频分量在离轴全息图中分布广且不携带物体的相位信息,该分量的存在会显著降低全息图的信噪比从而影响重建精度。现有的零频分量抑制方法需要记录多张全息图或手动调节全息图的小波分解层数才能达到最佳效果,虽然拉普拉斯算子也可用于抑制零频分量,但难以提取+1级像。为了克服这些问题,提出了一种基于希尔伯特-黄变换的零频抑制方法,只需记录一张全息图且避免了手动调整分解层数。为了验证所提出方法的有效性,将所提出方法处理后的全息图频谱与未零频抑制的全息图频谱、采用Haar小波变换和采用Laplace算子处理后的全息图频谱进行了对比,还比较了三个随机选取的对比区域的标准偏差和截面图。实验结果表明所提出的方法不仅可以有效地抑制零频分量并且性能优于其他两种方法。