吴小虹

摘要： 关键词： 中图分类号： 文献标志码： A文章编号： 2095-2163（2017）04-0006-04（Information Engineering College， Shenzhen University， Shenzhen 518060， China）

Abstract： Digital holography which can conveniently and easily reconstruct the object phase information， has a higher resolution and can be observed in real time. Therefore， it is widely used in information encryption， microscopic observation， medical diagnosis，component detection and other fields. The signaltonoise ratio and resolution of the reconstructed image is seriously inuenced by speckle noise in digital holography， so it is essential to reduce the speckle noise and improve the image quality. The way to reduce speckle noise based on TVWiener filter is put forward in the paper. The experimental simulation results show that the reconstructed image by using TVWiener filter has good image smoothing effect， the speckle noise can be reduced greatly and the similarity between the original image and the reconstructed image is high.

Keywords：

作者简介：

收稿日期： 0引言

数字全息是一种记录波场三维信息的新型方法，可以利用数字摄像机代替全息胶片并以数字化的方式存储和捕获物体波，并用计算机仿真光源再次照射全息图重建出物体波，从而获得物体原始复振幅信息。与传统的光学全息相比， 数字全息成像具有全视场、实时和定量相衬成像等独特优势， 已经广泛应用到元器件检测、生物细胞相衬成像、图像加密、振动测量等领域＼[1-3＼] 。然而， 数字全息成像中往往采用相干性较好的激光作为光源， 而相干光波在粗糙物体表面反射或透射时， 物体上各点散射的子波在空间相干叠加， 形成了空间强度随机分布的颗粒状散斑噪声。散斑噪聲的存在大大降低了再现图像的信噪比和分辨率＼[4＼]， 使系统成像质量变差， 因此抑制散斑噪声对提高数字全息再现像的成像质量有重要意义。

目前主要有2种方法来抑制散斑噪声，一是前期的光学实验方法，二是后期的数字图像处理方法。其中，数字图像处理方法是通过数字滤波从单幅全息图中提取物体信息。具体来说，数字全息图像去噪方法通常可分为如下研究方向：

1）传统的滤波算法。包括中值滤波＼[5＼]、均值滤波＼[6＼]和邻域均值滤波＼[7＼]。这类算法去噪后的图像细节和边缘像素失真，在点目标效果上将呈现较大欠缺。

2）Lee滤波算法＼[8＼]。此种算法容易改变图像的清晰度、亮度和对比度等特征。

3）小波去噪算法＼[9＼]。小波算法适合急剧骤变的信号，可以保留重要的信号或图像特征，但是该算法计算过程却颇显复杂。

4）蔡晓鸥＼[10＼]利用激光散斑的统计特性，提出获取带有不同独立散斑的再现像的方法，在进行独立再现像散斑迭代叠加的同时逐步减少散斑的能量，从而大幅度减小散斑噪声。

本文根据散斑噪声的形成特点和统计特性，提出了基于TV模型＼[11＼]和维纳滤波＼[12＼]融合的散斑噪声抑制方法，实验结果表明该算法处理的再现像边缘和细节轮廓清晰，平滑效果好，和原图的相似度高。

1TV-维纳滤波抑制散斑噪声

1.1散斑噪声的形成与统计特性

在激光照射下，由于照射光的高度相干性和物面相对光波的粗糙性，使其在适中距离的任一观察点处得到的散射回波是由许多来自表面不同的微观区的相干组元或子波组成，相互之间可能产生相长或相消，形成带有散斑噪声的物光波与参考光进行干涉，生成散斑全息图；重建时，散斑被全息条纹的衍射调制到各个衍射级次（再现像）上，从而形成再现像的散斑噪声。

散斑的统计特性和其光场的概率分布有关，光场的强度I分布满足负指数函数概率分布特性，可详见图1所示。对应的数学表述则如式（1）所示：endprint