压缩超级像素遗传算法重现离轴电子全息图

2013-03-23 陈静 复旦大学材料科学系

  对重现离轴电子全息图的遗传算法进行了研究,讨论了参考波波矢和超级像素尺寸对重现结果的影响规律,并在此基础上对遗传算法进行了改进。遗传算法利用了全息图的全部信息因而得到较好的重现效果,与传统的滤波重现相比,该方法重现的振幅和相位误差分别下降了69%和64%。讨论结果表明,超级像素中必需包含一到两个周期的参考波以保证较好的重现效果,而参考波的取向对重现结果没有显著的影响;在垂直于参考波波矢方向上压缩超级像素的尺寸,可以进一步提高全息图的重现精度。本文提出了压缩超级像素遗传算法,与常规超级像素遗传算法相比,该方法重现的振幅和相位误差分别减小了15%和7%。

  关键词: 离轴电子全息;傅里叶变换;遗传算法;压缩超级像素遗传算法

  Gabor 于1948 年提出了电子全息方法, 该方法在干涉图上同时记录了振幅和相位信息。电子全息的研究包括全息图记录和全息图重现两个方面, 在利用实验或计算机模拟方法获得全息图后, 重现成为电子全息研究的重要步骤。全息图重现一般有光学重现和数值重现两种方法。前者简单易行,但结果不易记录和存储, 而且易受外部干扰; 而后者可应用计算机方便地进行消相差、降噪声等处理, 并可实时观察和定量记录, 因此受到更多关注, 近年来取得了较大的进展。

  最常用的数值重现方法是滤波重现, 该方法简单易行, 但滤波过程中不可避免地损失了一些重要信息。近年来, 实空间重现法得到了越来越多的研究, 如Meyer 和Heindl采用了神经网络法, Q. Ru等 使用了相移法, C. X. Gu、L.Liu 等采用了遗传算法等。

  遗传算法由美国Holland 教授于1975 年首次提出, 它是模仿自然界生物进化机制( 适者生存、优胜劣汰) 而发展起来的随机搜索和优化方法。该方法在搜索过程中自动获取和积累有关搜索空间的知识, 并自适应地控制搜索过程以求得最优解。它不依赖于问题的具体领域, 对问的种类有很强的鲁棒性, 所以广泛应用于很多学科 。

  本文采用遗传算法来重现离轴电子全息图, 并对影响重现效果的因素进行了讨论, 最后提出了一种压缩超级像素遗传算法, 应用该方法可获得高质量的重现结果。

  本文采用遗传算法重现离轴电子全息图, 讨论了参考波和超级像素尺寸对重现结果的影响, 并在此基础上对遗传算法进行了改进。遗传算法利用全息图的全部信息搜索全局最优解, 因此其重现效果较好而且抗噪声能力强; 相对于滤波法, 遗传算法重现的振幅和相位误差分别减小了69% 和64%。不同qc 的全息图重现结果表明, 为得到较好的重现结果超级像素中必需包含一到两个周期的参考波, 而qc 的取向对重现结果没有显著的影响。

  基于参考波的特殊形式, 本文采用了一种竖直方向压缩的超级像素来重现像波。结果表明, 重现误差随着超级像素尺寸的压缩而减小, 相对于超级像素7 7, 超级像素3 7 重现的振幅和相位误差分别下降了15% 和7%。对于任意取向的参考波,

  本文提出了一种GA-CSP 算法, 首先旋转全息图以得到竖直条纹的全息图, 然后应用压缩超级像素的遗传算法来重现旋转后的全息图, 最后将重现出的图像反向旋转, 即可得到和原始图片取向相同的重现结果。

全文下载:

  压缩超级像素遗传算法重现离轴电子全息图

  http://bbs.chvacuum.com/thread-14-1-1.html