基于体全息复用度光学相关器

　　近30多年来,光学技术在模式识别领域得到了广泛的应用.模式识别是指对表征事物或现象的各种形式的信息进行处理和分析,从而对事物或现象进行描述、辨认、分类和届时的过程.他是信息科学和人工智能的重要组成部分,主要应用于图像分析与处理、语音识别、声音分类、通信、计算机辅助诊断、数据挖掘等领域.

　　在光学信息处理领域研究得最广泛的模式识别技术是图像识别与字符识别,通常采用固定一系列或一套参考函数,系统的目的是要确定这一类参考函数中哪些部分在输入中存在(通常还要确定其在输入平面中的位置).所有的光学图像识别和字符识别系统中的关键操作是输入与参考函数的“相关”或两个输入函数的“相关”.本站首先讨论光学相关匹配的滤波的基本概念,然后讨论体全息图像库(模式库)的建立过程和特性,以及针对体全息图像库提高识别率的方法和途径,最后介绍目前在体全息光学相关系统的研究进展.

　　光学相关与匹配滤波

　　在绝大多数光学图像识别系统中,“相关”是通过输入函数与参考函数傅里叶变换的乘积而实现的.此时,参考图形以参考函数傅里叶变换的共轭形式存储起来,因为该参考图形放置在傅里叶平面,故它是空间滤波器;滤波器函数是复函数,因此可以用全息图来实现.该滤波器的作用是要确定输入图像(或它的一部分)是否与参考函数匹配,因此,这种傅里叶平面的复函数型参考图样被称为匹配空间滤波器(Matched Spatial Filter,MSF).匹配滤波的理论在电子信号处理领域发展得很成熟,它是噪声中提取信号的最佳滤波器.对于图像识别而言,信号是所需要的重要目标或正在寻找的参考函数,噪音是输入中的任何其他不属于重要目标的那些部分.