综述：由波前与信息工程技术驱动的非相干数字全息技术综述

《Advanced Photonics Research》：Incoherent Digital Holography Empowered by Wavefront and Information Engineering: A Review

非相干数字全息术（IDH）通过自干涉记录空间上非相干的光源，结合波前工程（如空间光调制器、衍射元件）和信息工程（压缩感知、深度学习）实现高效三维成像。其原理基于Fresnel衍射积分，通过多平面重建消除轴向模糊，显著提升空间分辨率和深度范围。与CDH相比，IDH无需高空间相干性光源，但需高时间相干性，且通过优化波前调制和算法处理，解决了零级光和双像问题，扩展至日光成像、荧光显微等动态场景应用。

　　### 无干涉数字全息成像技术的进展与展望

无干涉数字全息成像（Incoherent Digital Holography, IDH）是一种利用空间非相干光源记录全息图的技术，其原理不同于传统的激光数字全息成像（Coherent Digital Holography, CDH）。IDH的核心在于利用非相干光源的自干涉效应，通过特殊的光学配置和信息工程方法，实现对物体的三维信息记录与重建。随着波前工程和信息工程的快速发展，IDH在多个领域展现出巨大的潜力，例如三维荧光显微成像、太阳光下的三维成像、3D测距、相位恢复、偏振依赖相位差成像、全息立体图、3D显示器评估、辐射温度测量以及红外成像等。这些应用突破了传统全息成像对高度相干光源的依赖，拓宽了全息成像的应用边界。

#### IDH的基本原理

在IDH中，物体被非相干光源照射，其产生的光场由无数微小、非相干的点光源构成。这种非相干性使得IDH的全息图记录过程不同于CDH的互干涉机制。IDH的记录系统通常基于一种常见的光路干涉仪（如Michelson干涉仪），其核心是利用点光源的自干涉形成全息图。这种干涉方式不依赖于参考光束与物体光束之间的互干涉，因此在成像过程中不需要对光束进行精确的分束与重新合成。然而，由于非相干光源的特性，IDH的全息图对比度较低，且在记录过程中容易受到环境因素的影响。

在IDH的重建过程中，通常需要对全息图进行数字处理，以提取物体的三维信息。这一过程依赖于波传播的衍射计算，能够重建物体在不同深度平面上的图像。与CDH相比，IDH的重建过程具有非线性关系，即记录距离和重建距离之间存在一定的复杂对应关系。此外，IDH的全息图不包含相位信息，因此不会产生CDH中常见的光斑噪声（speckle noise），这使得IDH在成像质量上具有独特的优势。

为了实现IDH的高质量成像，研究人员采用了多种波前工程方法，包括相位只读空间光调制器（Phase-Only Spatial Light Modulator, PSLM）、衍射光学元件（Diffractive Optical Elements, DOEs）以及各向异性光学器件等。这些技术能够灵活地调控光场的相位和偏振状态，从而优化全息图的记录和重建效果。例如，PSLM可以动态地生成具有不同相位差的光场，以实现无扫描的单次成像（single-shot IDH）。DOEs则通过静态设计，实现对光场的非相干调制，从而提高光利用率和成像质量。

#### 波前工程推动IDH的进展

波前工程在IDH的发展中发挥了关键作用。PSLM是一种重要的工具，它能够动态地调控光场的相位分布，从而实现高质量的全息图记录。在PSLM的基础上，研究人员开发了多种新型的IDH系统，如Fresnel Incoherent Correlation Holography (FINCH)。FINCH系统利用PSLM生成的相位分布，实现对物体光场的调制，并通过自干涉记录全息图。这种方法能够提高光利用率，并且减少对机械调制装置的依赖，从而实现更高效的成像。

除了PSLM，其他波前调控技术也在IDH中得到了广泛应用。例如，几何相位透镜（Geometric Phase Lens）和超材料（Metasurfaces）能够实现对光场的非相干调制。几何相位透镜通过改变材料的几何结构，实现对光场的调制，而超材料则利用纳米结构的可设计性，实现对光场的多自由度调控。这些技术不仅能够提高全息图的质量，还能在特定的成像条件下优化图像的清晰度和分辨率。

此外，一些特殊的光场调制方式也被应用于IDH。例如，利用偏振选择性元件，可以生成不同偏振状态的光场，并通过偏振分束器实现光场的干涉。这种方法能够有效减少光斑噪声，并提高成像质量。另一种方法是使用二维或一维的相位光栅（Phase Grating），通过光栅的周期性调制，实现对光场的分步相位调控。这种方法能够提高全息图的信噪比，并且减少对机械调制的依赖。

#### 信息工程助力IDH的优化

除了波前工程，信息工程也在IDH的优化中扮演了重要角色。压缩感知（Compressive Sensing）和深度学习（Deep Learning）等技术被广泛应用于IDH的全息图重建过程。这些技术能够从非相干的全息图中提取物体的三维信息，并且能够有效减少噪声和干扰项的影响。

在IDH中，全息图的对比度较低，传统的相位分步方法可能会引入噪声和干扰。因此，压缩感知方法被提出，用于从有限的测量数据中恢复物体的三维信息。这种方法假设物体的信息在某些域中是稀疏的，从而通过优化算法实现高质量的图像重建。压缩感知不仅提高了图像的清晰度，还减少了对高分辨率图像传感器的依赖。

深度学习技术则提供了一种全新的图像重建方式。通过训练神经网络模型，可以实现对全息图的直接解析，并生成高质量的三维图像。例如，利用U-Net和ResNet等网络结构，可以实现对全息图的自适应处理，减少光斑噪声和交叉干扰（crosstalk）。此外，深度学习还能用于优化图像的聚焦效果，从而提高IDH在不同深度平面上的成像能力。

除了压缩感知和深度学习，还有其他数字处理方法被应用于IDH。例如，基于波传播的自聚焦算法（autofocusing algorithm）能够从全息图中提取物体的三维结构，并实现高质量的图像重建。此外，基于光学参数优化的计算像差校正（Computational Aberration Correction）技术也被提出，用于减少光学系统中的像差，提高图像的清晰度和分辨率。

#### 未来展望

随着波前工程和信息工程的不断发展，IDH的应用前景愈发广阔。当前的研究表明，IDH能够实现高质量的单次成像，并且在不同深度平面上具有良好的成像能力。然而，IDH仍然面临一些挑战，例如在高分辨率成像中如何减少噪声，以及在不同光学配置下如何优化图像质量。

未来，IDH的研究将更加注重跨学科的结合。例如，结合纳米制造技术，可以进一步优化超材料的性能，从而提高IDH的成像效率和分辨率。同时，深度学习模型的优化和训练将为IDH提供更强大的图像处理能力，使其能够适应更复杂的成像需求。此外，研究人员还可以探索新的波前调控方式，以提高IDH在不同应用场景下的适应性。

在实际应用中，IDH的光学配置和成像性能将受到多种因素的影响，包括光源的非相干性、光路的几何设计、以及图像传感器的性能等。因此，未来的IDH系统需要在这些方面进行优化，以实现更高的成像质量、更广的适用范围以及更低的系统复杂度。

总之，无干涉数字全息成像技术正在快速发展，并且在多个领域展现出广阔的应用前景。通过波前工程和信息工程的结合，IDH有望成为一种更加实用、高效的三维成像技术。未来的IDH研究将更加注重跨学科的合作，推动其在生物医学成像、材料科学、工业检测以及虚拟现实等领域的应用。