本发明专利技术公开了一种抑制全息图零级像的方法，涉及全息图像领域。该方法基于希尔伯特—黄变换实现，包括：获取第一全息图像；对第一全息图像进行二维经验模态分解，得到至少一个本征模态函数集；对分解得到的所有本征模态函数集进行过滤筛选，得到第一本征模态函数集，其中，第一本征模态函数集包括若干本征模态函数分量和余量，若干本征模态函数分量与余量组合对应的零频最小；通过希尔伯特变换对第一本征模态函数集进行数据处理，得到第二全息图像。二维经验模态分解能够将不同类型的第一全息图像内分解成本征模态函数集和对应的余量，且使用单张所记录的第一全息图，就能够对零级像进行抑制，提高成像质量。提高成像质量。提高成像质量。
【技术实现步骤摘要】
抑制全息图零级像的方法、装置、电子设备及存储介质
[0001]本专利技术涉及全息图像领域，尤其涉及一种抑制全息图零级像的方法、装置、电子设备及存储介质。
技术介绍
[0002]相关技术中，抑制全息图零级像的方法一般为全息图减强度均值法、HRO相减法、频谱滤波法、滤波算子法等。全息图减强度均值法无需记录多幅全息图，用所记录的全息图减去其均值，即可使零级像得到抑制，但是这种方法只适合参考光分布均匀的情况。HRO相减法用所记录的全息图减去参考光的强度和物光波的强度，需要记录三幅图，分别是全息图、仅有参考光时的图、仅有物光波时的图，但是这种方法难以保持测量环境的稳定性，即难在同一环境条件下采集三幅图像。而频谱滤波法可以用带通滤波去有效地滤除相关的频谱，但三个级分离不够开时，难以将零级像和共轭像分离开来，同时滤波器的选择也会影响再现图像的质量。因此，相关技术中抑制全息图零级像的方法存在适应性弱且低效的问题。
技术实现思路
[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种抑制全息图零级像的方法、装置、电子设备及存储介质，，能够对单张所记录的全息图进行抑制零级像，适应性广且高效。
[0004]第一方面，本专利技术提供一种抑制全息图零级像的方法，包括如下步骤：
[0005]获取第一全息图像；
[0006]对所述第一全息图像进行二维经验模态分解，得到至少一个本征模态函数集，其中，所述本征模态函数集包括多个不同频率的本征模态函数分量以及余量；
[0007]对分解得到的所有所述本征模态函数集进行过滤筛选，得到第一本征模态函数集，其中，所述第一本征模态函数集包括若干所述本征模态函数分量和所述余量，若干所述本征模态函数分量与所述余量组合对应的零频最小；
[0008]通过希尔伯特变换对所述第一本征模态函数集进行数据处理，得到第二全息图像。
[0009]根据本专利技术第一方面实施例的抑制全息图零级像的方法，至少具有如下有益效果：第一全息图像结合希尔伯特—黄变换进行处理，希尔伯特—黄变换包括二维经验模态分解和希尔伯特变换，其中，二维经验模态分解能够将不同类型的第一全息图像分解成本征模态函数集和对应的余量，适应性广，并通过希尔伯特变换对单张第一全息图的零级像进行抑制，消除大部分干扰噪声，提高数字全息成像质量。
[0010]根据本专利技术第一方面的一些实施例，所述对所述第一全息图像进行二维经验模态分解，得到至少一个本征模态函数集，包括如下步骤：
[0011]获取预设的若干分解次数，并计算每一次分解次数对应的所述第一全息图像的本征模态函数集；
[0012]所述计算每一次分解次数对应的所述第一全息图像的本征模态函数集，包括：
[0013]将所述第一全息图像的图像信息作为原始图像信息；
[0014]计算所述原始图像信息对应的第一本征模态函数分量；
[0015]计算所述原始图像信息和对应的所述第一本征模态函数分量的差值，得到第一余量；
[0016]将所述第一余量更新为所述原始图像信息，重新计算所述原始图像信息对应的第一本征模态函数分量，直至得到与所述分解次数相同个数的所述第一本征模态函数分量，并将最后一次计算得到的所述第一余量作为分解次数对应的余量；
[0017]将与所述分解次数相同个数的所述第一本征模态函数分量和对应的所述余量作为本征模态函数集，得到至少一个本征模态函数集。
[0018]根据本专利技术第一方面的一些实施例，所述计算所述原始图像信息对应的第一本征模态函数分量，包括如下步骤：
[0019]根据所述原始图像信息，计算所述原始图像信息的极大值包络曲面和极小值包络曲面；
[0020]计算所述极大值包络曲面和所述极小值包络曲面的均值，得到均值包络曲面；
[0021]计算所述原始图像信息和所述均值包络曲面的差值，得到差函数；
[0022]将所述差函数作为原始图像信息，重复计算所述原始图像信息对应的差函数直至所述差函数为本征模态函数，并将最后一次计算得到的所述差函数作为第一本征模态函数分量。
[0023]根据本专利技术第一方面的一些实施例，所述对分解得到的所有所述本征模态函数集进行过滤筛选，得到第一本征模态函数集，包括如下步骤：
[0024]遍历每一所述本征模态函数集中所述本征模态函数分量、所述余量的组合方式，得到多个组合函数；
[0025]根据多个所述组合函数对应的频谱图，确定零频最小的所述频谱图对应的第一组合函数；
[0026]根据所述第一组合函数，确定第一本征模态函数集。
[0027]根据本专利技术第一方面的一些实施例，还包括对所述第二全息图像进行相位补偿。
[0028]根据本专利技术第一方面的一些实施例，所述第一全息图像基于马赫—曾德干涉光路的数字全息系统生成。
[0029]根据本专利技术第一方面的一些实施例，所述相位补偿通过最小二乘拟合法实现。
[0030]第二方面，本专利技术提供一种抑制全息图零级像的装置，包括：
[0031]全息图像获取模块，用于获取第一全息图像；
[0032]二维经验模态分解模块，用于对所述第一全息图像进行二维经验模态分解，得到至少一个本征模态函数集，其中，所述本征模态函数集包括多个不同频率的本征模态函数分量以及余量；
[0033]本征模态函数过滤模块，用于对分解得到的所有所述本征模态函数集进行过滤筛选，得到第一本征模态函数集，其中，所述第一本征模态函数集包括若干所述本征模态函数分量和所述余量，若干所述本征模态函数分量与所述余量组合对应的零频最小；
[0034]希尔伯特变换模块，用于通过希尔伯特变换对第一本征模态函数集进行数据处
理，得到第二全息图像。
[0035]由于第二方面的抑制全息图零级像的装置应用第一方面任一项的抑制全息图零级像的方法，因此具有本专利技术第一方面的所有有益效果。
[0036]第三方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时第一方面任一项的抑制全息图零级像的方法。
[0037]由于第三方面的电子设备可执行所述计算机程序时第一方面任一项的抑制全息图零级像的方法，因此具有本专利技术第一方面的所有有益效果。
[0038]第四方面，本专利技术提供一种计算机存储介质，包括存储有计算机可执行指令，所述计算机可执行指令用于执行第一方面任一项的抑制全息图零级像的方法。
[0039]由于第四方面的计算机存储介质可执行第一方面任一项的抑制全息图零级像的方法，因此具有本专利技术第一方面的所有有益效果。
[0040]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0041]本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0042]图1是本专利技术实施例的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种抑制全息图零级像的方法，其特征在于，包括如下步骤：获取第一全息图像；对所述第一全息图像进行二维经验模态分解，得到至少一个本征模态函数集，其中，所述本征模态函数集包括多个不同频率的本征模态函数分量以及余量；对分解得到的所有所述本征模态函数集进行过滤筛选，得到第一本征模态函数集，其中，所述第一本征模态函数集包括若干所述本征模态函数分量和所述余量，若干所述本征模态函数分量与所述余量组合对应的零频最小；通过希尔伯特变换对所述第一本征模态函数集进行数据处理，得到第二全息图像。2.根据权利要求1所述的抑制全息图零级像的方法，其特征在于，所述对所述第一全息图像进行二维经验模态分解，得到至少一个本征模态函数集，包括如下步骤：获取预设的若干分解次数，并计算每一次分解次数对应的所述第一全息图像的本征模态函数集；其中，所述计算每一次分解次数对应的所述第一全息图像的本征模态函数集，包括：将所述第一全息图像的图像信息作为原始图像信息；计算所述原始图像信息对应的第一本征模态函数分量；计算所述原始图像信息和对应的所述第一本征模态函数分量的差值，得到第一余量；将所述第一余量更新为所述原始图像信息，重新计算所述原始图像信息对应的第一本征模态函数分量，直至得到与所述分解次数相同个数的所述第一本征模态函数分量，并将最后一次计算得到的所述第一余量作为分解次数对应的余量；将与所述分解次数相同个数的所述第一本征模态函数分量和对应的所述余量作为本征模态函数集，得到至少一个本征模态函数集。3.根据权利要求2所述的抑制全息图零级像的方法，其特征在于，所述计算所述原始图像信息对应的第一本征模态函数分量，包括如下步骤：根据所述原始图像信息，计算所述原始图像信息的极大值包络曲面和极小值包络曲面；计算所述极大值包络曲面和所述极小值包络曲面的均值，得到均值包络曲面；计算所述原始图像信息和所述均值包络曲面的差值，得到差函数；将所述差函数作为原始图像信息，重复计算所述原始图像信息对应的差函数直至所...
【专利技术属性】
技术研发人员：詹晓江，丁毅，甘楚立，龙佳乐，胡轶，张建民，
申请(专利权)人：五邑大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。