针对较大尺寸物体彩色全息图重建操作复杂、色彩融合不准确、重建时受零级影响等问题，提出一种基于深度学习的彩色全息图重建方法。采用改进的U-Net模型作为网络结构，使用混合实际拍摄和模拟生成的彩色离轴菲涅耳全息图频谱作为训练样本，实现对彩色全息图的准确重建。对模拟全息图和实际拍摄的数字全息图进行重建实验，结果表明，所提方法相较于传统方法，能够在保持重建图像高分辨率和颜色准确性的同时，具有更好的重建效果。研究结果可应用于大尺寸检测场彩色全息图的重建，为彩色全息检测及深度学习在光学成像领域中的应用提供有益的参考。

通过光波场空间追迹导出相干光成像计算公式，基于所导出的公式对经典的相干光成像理论进行简要讨论。为证明所导出公式的准确性，设计了矩形透光孔为物的成像实验，利用经典的相干光成像理论与所导出的公式同时对实验测量像强度进行了模拟计算。结果表明，所导出的公式能够准确地计算矩形孔像光场强度图像及像边沿的振铃振荡分布。

纯相位全息图因无共轭像、衍射效率高，在全息三维显示中得到广泛应用。迭代算法因计算灵活、编码图像重建质量高，在纯相位全息图生成中具有重要地位。对基于迭代的生成纯相位全息图最新算法进行比较研究，介绍迭代算法生成纯相位全息图的基本原理，编程实现了典型代表性、创新性算法。通过图像重建质量、耗时长短的对比，进行了详细的实验研究，分析了各类方法的特点和优缺点。结论表明，对于较大像素差的图像，选用直方图补偿算法可得较好的效果，对于高重建质量的图像，可选用自适应加权Gerchberg-Saxton算法。

在全息三维显示领域，计算全息图的快速生成算法是重要的研究内容。波前记录平面法是一种基于点云加速计算全息图生成的方法，能有效减少计算时间。对波前记录平面计算全息图生成方法及应用的最新进展进行分析讨论，首先介绍波前记录平面方法的原理，然后详细分析波前记录的最新研究方法，从加快计算全息图的生成速度、提高三维重建图像质量及一些特殊应用如曲面全息成像等方面进行总结分析。详细分析各种波前记录平面方法在增加计算速度、提高重建像质量、减少查找表占用内存、增大视场角、去除混叠噪声等方面的改进及应用，并分析该方法在实时、动态、高质量、大视角全息三维显示中的作用。最后分析了各种方法的优劣，对波前记录平面方法的未来发展方向进行展望。

提出了一种基于深度学习的无干扰全息图生成方法。该方法采用模拟生成的离轴菲涅耳数字全息图作为网络训练样本，使用改进的卷积神经网络学习全息频谱图零级与正负一级的特征关系，实现全息图负一级频谱的提取。使用模拟全息图及实拍全息图进行了实验验证，对所得无干扰全息图的重建像进行了分析。研究结果表明，所提方法可以在无人工干预的前提下大范围消除零级信息和干扰信息，提取出全息图负一级信息并获得较高重建质量的物光场，实现了基于深度学习的无干扰全息图生成。

像面数字全息检测是相干光成像的一种重要应用。然而，由于相干传递函数的空间滤波作用，故当成像系统出射光瞳尺寸较小时，电荷耦合器件（CCD）不能探测到完整的像光场。同时，利用目前流行的只能计算像光场振幅分布的理论，不能重建便于光学检测的具有振幅和相位分布的像光场。基于相干光成像理论的分析，提出了一种设计特定照明物光的方法，让光学系统能够对物平面检测区完整成像。将物体照明光的全息图与所提方法结合，可以重建便于实际检测的理想像光场。

针对单个深度学习模型不能对多尺度的数字全息图进行波前重建的问题，提出一种基于U-Net模型的改进网络结构，模拟数字全息成像过程，生成不同尺度的全息图像作为数据集。将不同尺度的数字全息图分别用于训练网络的不同部分，得到一个可以对三种不同尺度的数字全息图波前信息进行重建的深度学习模型。实验结果表明，所提网络结构可对不同尺度的数字全息图进行重建，获得准确的数字全息图波前信息。研究内容为使用单个深度学习模型处理多种尺度的数字全息图这类问题提供了一种解决思路。

提出了一种全息三维(3D)显示光学系统滤波窗的优化设计方法。首先,基于标量衍射理论,用复振幅编码方法获得相息图,研究了相息图再现光场在光学系统焦平面上的频谱分布。然后,导出了重建物光场在光学系统焦平面上的频谱中心位置和频率分布公式,并进行了实验验证。最后,提出了一种基于纯相位型空间光调制器全息显示系统滤波窗的优化设计方法。理论仿真及光学实验结果表明,该优化方法可获得优化编码的相息图,且能设计高质量的全息3D显示系统,从而获得高质量的全息再现像。

根据相干光成像振幅分布的近似计算理论,成像系统是线性空间不变系统,出射光瞳表征的传递函数定义为几何光学像频谱的滤波器。基于能够准确计算像光场振幅及相位分布的理论,指出成像系统不是线性空间不变系统,从而将传递函数的物理意义定义为几何光学像经过特定距离进行菲涅耳衍射的空间滤波器。通过单透镜相干光成像和数字全息成像的模拟和光学实验,验证了传递函数新定义的正确性。