数字全息是一种全新的三维成像技术,近年来得益于计算机处理技术和光电传感器制作工艺的提升而迅速发展起来,数字全息的重建再现过程可以通过计算机模拟,能够实现从记录到重建的全程数字化。它具有传统全息的全视场、非接触、可获取三维深度信息等优点,同时也能应用计算机图像处理进行去噪,提高全息图的质量。由于计算机数字化的灵活性,数字全息有着测量准确,存储处理方便等优势。同轴数字全息因其无需复杂的物理光学调制器,具有价格低廉、原理简单、对光电传感器的空间带宽利用效率高等优点,因此被广泛应用。但是由于物光和参考光的同向传播,导致重建过程中存在直流项、共轭像和失焦伪影与真实像重叠,严重影响重建效果。因此,如何消除共轭像和失焦伪影等噪声影响,提高重建质量,是同轴全息技术亟待解决的问题。针对以上问题,本文的主要研究工作内容如下:1、本文提出一种基于稀疏差异压缩感知算法,解决了同轴全息显微镜的重建中产生共轭像与真实物象混淆的问题。波的传播过程中的傅里叶变换具有转换基性质,引入压缩感知技术,根据共轭像和真实像的锐化程度的不同,通过全变差稀疏约束迭代消除共轭像。与传统的相位复原算法对比,仿真试验和全息图重建实验的结果均验证了该算法的有效性。2、提出压缩感知去卷积三维重建算法,解决了全息三维重建中的失焦像和共轭像等噪声影响重建质量的问题。以压缩感知层析重建替代传统反传播重建,引入去卷积技术对重建结果进行滤波。通过对不同的物体的全息图进行实验,实验结果证明该方法能够获得更高的精度。3、提出一种基于卷积神经网络的端到端的同轴数字全息重建网络,优化了全息重建去噪过程先验参数复杂、耗时过长等问题。通过学习全息重建再现像的成像特征,可以直接从单幅同轴数字全息图直接重建无噪声的目标再现像。并通过模拟全息和设备拍摄构建了训练和测试的数据集。实验结果表明,该网络具有良好的重建效果,相比传统的反传播和消除共轭像的迭代方法,减少了重建时耗。