壓縮超級像素遺傳算法重現離軸電子全息圖
對重現離軸電子全息圖的遺傳算法進行了研究,討論了參考波波矢和超級像素尺寸對重現結果的影響規律,并在此基礎上對遺傳算法進行了改進。遺傳算法利用了全息圖的全部信息因而得到較好的重現效果,與傳統的濾波重現相比,該方法重現的振幅和相位誤差分別下降了69%和64%。討論結果表明,超級像素中必需包含一到兩個周期的參考波以保證較好的重現效果,而參考波的取向對重現結果沒有顯著的影響;在垂直于參考波波矢方向上壓縮超級像素的尺寸,可以進一步提高全息圖的重現精度。本文提出了壓縮超級像素遺傳算法,與常規超級像素遺傳算法相比,該方法重現的振幅和相位誤差分別減小了15%和7%。
關鍵詞： 離軸電子全息;傅里葉變換;遺傳算法;壓縮超級像素遺傳算法
Gabor 于1948 年提出了電子全息方法, 該方法在干涉圖上同時記錄了振幅和相位信息。電子全息的研究包括全息圖記錄和全息圖重現兩個方面, 在利用實驗或計算機模擬方法獲得全息圖后, 重現成為電子全息研究的重要步驟。全息圖重現一般有光學重現和數值重現兩種方法。前者簡單易行,但結果不易記錄和存儲, 而且易受外部干擾; 而后者可應用計算機方便地進行消相差、降噪聲等處理, 并可實時觀察和定量記錄, 因此受到更多關注, 近年來取得了較大的進展。
最常用的數值重現方法是濾波重現, 該方法簡單易行, 但濾波過程中不可避免地損失了一些重要信息。近年來, 實空間重現法得到了越來越多的研究, 如Meyer 和Heindl采用了神經網絡法, Q. Ru等 使用了相移法, C. X. Gu、L.Liu 等采用了遺傳算法等。
遺傳算法由美國Holland 教授于1975 年首次提出, 它是模仿自然界生物進化機制( 適者生存、優勝劣汰) 而發展起來的隨機搜索和優化方法。該方法在搜索過程中自動獲取和積累有關搜索空間的知識, 并自適應地控制搜索過程以求得最優解。它不依賴于問題的具體領域, 對問的種類有很強的魯棒性, 所以廣泛應用于很多學科 。
本文采用遺傳算法來重現離軸電子全息圖, 并對影響重現效果的因素進行了討論, 最后提出了一種壓縮超級像素遺傳算法, 應用該方法可獲得高質量的重現結果。
本文采用遺傳算法重現離軸電子全息圖, 討論了參考波和超級像素尺寸對重現結果的影響, 并在此基礎上對遺傳算法進行了改進。遺傳算法利用全息圖的全部信息搜索全局最優解, 因此其重現效果較好而且抗噪聲能力強; 相對于濾波法, 遺傳算法重現的振幅和相位誤差分別減小了69% 和64%。不同qc 的全息圖重現結果表明, 為得到較好的重現結果超級像素中必需包含一到兩個周期的參考波, 而qc 的取向對重現結果沒有顯著的影響。
基于參考波的特殊形式, 本文采用了一種豎直方向壓縮的超級像素來重現像波。結果表明, 重現誤差隨著超級像素尺寸的壓縮而減小, 相對于超級像素7 7, 超級像素3 7 重現的振幅和相位誤差分別下降了15% 和7%。對于任意取向的參考波,
本文提出了一種GA-CSP 算法, 首先旋轉全息圖以得到豎直條紋的全息圖, 然后應用壓縮超級像素的遺傳算法來重現旋轉后的全息圖, 最后將重現出的圖像反向旋轉, 即可得到和原始圖片取向相同的重現結果。
全文下載：
壓縮超級像素遺傳算法重現離軸電子全息圖
