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。

双树复小波和各向异性扩散再现像散斑噪声抑制

为了有效抑制数字全息再现像的散斑噪声,进一步改善再现像的像质,提出了一种基于双树复小波变换(DT-CWT)和各向异性扩散的数字全息再现像散斑噪声抑制方法。将再现像进行双树复小波分解,对低频分量和6个方向的高频分量分别采用改进的P_Laplace扩散和拉普拉斯金字塔非线性扩散(LPND),通过双树复小波逆变换(IDT-CWT)重构再现像。给出了实验结果,并与小波阈值收缩和全变差(TV)扩散方法、拉普拉斯金字塔非线性扩散的方法、Contourlet结合TV扩散和自适应对比度扩散的方法进行了主观视觉比较,同时依据峰值信噪比(PSNR)、相关系数(COR)及运行时间等进行了客观定量评价。结果表明,本方法对散斑噪声抑制能力更强,并能更好地保留再现像的细节纹理特征。