针对面阵探测器的靶面尺寸较小、分辨率较低，并且某些波段的面阵探测器难以制作等问题，提出基于单像素桶探测器的数字全息成像方法。该方法采用光寻址空间光调制器(OASLM)作为数字全息与计算幻影成像的中间转换器件，待成像物体的全息图作为写入光直接写入OASLM；用可以动态刷新、携带有参考矩阵编码信息的结构光作为电寻址空间光调制器的读出光读出全息图，并由单像素桶探测器探测其光强；该光强信号与参考矩阵进行关联运算，经由计算幻影成像算法得到重建全息图；再根据数字全息成像再现算法得到待成像物体的再现像。通过原理分析和模拟实验验证了该方法的可行性。

基于菲涅耳衍射理论建立了毫米波全息成像雷达理论模型，确定了照射源、传输空间、目标后向散射系数、散射传输空间和接收复数信号之间的关系，根据该理论模型利用接收的复数信号反演计算出目标图像。基于傅里叶光学角谱理论，采用Matlab程序针对该毫米波全息成像雷达理论模型进行了编程计算。该仿真程序可以仿真计算系统中各种因素对成像质量的影响，包括发射天线增益方向图、接收天线方向增益图和目标散射特性等。利用该仿真程序可以优化系统中的各项参数，为实际设计毫米波全息成像系统提供帮助。

针对远距离数字全息成像中波前畸变和散斑噪声对成像质量的影响，实验研究了基于图像指标优化的波前校正技术，以及基于孔径分割的多帧图像平均散斑噪声抑制方法。建立了数字离轴全息实验装置，针对系统自身像差，采用梯度下降算法，以图像清晰度为优化指标进行了波前校正实验；在此基础上通过孔径分割，重构出多帧散斑噪声分布各异的目标图像，进行平均运算。结果表明，基于图像清晰度优化的波前校正技术能够有效消除波前畸变，提高成像分辨率；采用基于孔径分割的多帧图像平均方法能够在一定程度上消除目标图像的散斑噪声，获得更高的成像质量。

基于深度学习的粒子场数字全息成像研究进展.pdf

提出了一种基于分数傅里叶变换的多平面成像方法。由空间光调制器给出时序加载全息图的同步信号到外部控制电路，外部控制电路根据时序信号控制聚合物分散液晶屏的开关，使非成像位置的聚合物分散液晶屏为开态，让光通过；使成像位置的屏为关态，接收图像。时序加载不同的全息图，在不同屏上得到了不同的像，利用人眼的视觉暂留效应，实现了多平面全息成像的三维显示。该投影方法可以通过控制光学系统参数和计算全息图时的采样条件调节深度范围，系统简单，易于实现。

使用深度学习网络实现全息粒子场中粒子的跟踪。