2026年1月23日，Elsevier旗下知名光学期刊《Optics and Lasers in Engineering》刊发精密仪器研究中心团队在计算全息成像领域最新成果，题为“Wavefront-driven optimization for high-quality hologram generation（基于波前驱动优化的高质量全息图生成）”。博士生张震阳为论文第一作者，刘世元教授和朱金龙教授为通讯作者。

在全息显示与光学操控领域，相位型全息图因其调制灵活、效率高等优势被广泛研究与使用，而振幅型全息图因其在低成本、高刷新率设备中的潜在应用价值，近年来逐渐受到关注。然而，与相位型全息图相比，振幅型全息图的优化研究仍相对薄弱。在全息成像中高质量成像往往面临散斑噪声、振铃效应等挑战，并且在对振幅全息图的优化过程中传统方法如梯度下降法和各种改进GS算法常受到收敛慢、对初始值敏感等限制。

针对上述问题，研究团队创新性地从全息记录与衍射重构的基本物理过程出发，提出了波前驱动优化设计方法(WDOD)，通过优化虚拟物光波的振幅与相位，间接优化全息图，从而在迭代过程中实现更快的收敛和更高的成像质量。

图1 WDOD方法示意图：a. 干涉记录；b. 衍射重建；c. 传播模型及优化流程

实验表明，该方法在约50次迭代内即可收敛，成像质量在PSNR与SSIM指标上均优于传统梯度下降法与改进型GS算法，且在随机初始化条件下仍保持稳定成像，有效避免了传统方法中常见的散斑噪声与振铃效应。

图2 实验结果：a 展示了原始成像结果以及使用三种方法优化后的成像结果; b 三种方法在有和无特定初始化情况下的优化成像结果

此外，研究团队还将该成像框架扩展至多平面与倾斜平面全息成像，为三维显示、光束整形等应用提供了新的技术路径。随后，研究团队进一步将物理模型嵌入神经网络架构，设计了模型驱动型神经网络模块，实现了快速、高质量的全息图实时生成。

图3 实验结果：a. 多面成像优化结果；b. 倾斜面成像优化结果

这一工作填补了振幅型全息图系统化优化方法的空白，为全息显示技术的实用化与设备低成本化提供了重要支持。结合神经网络后可实现接近实时的全息图计算，为动态全息显示、实时光学调控等应用提供了高效算法支持。

论文信息:

Z. Zhang, X. Feng, H. Jiang, J. Wang, Z. Dong, L. Nie, J. Zhu, and S. Liu, "Wavefront-driven optimization for high-quality hologram generation," Optics and Lasers in Engineering 201, 109634 (2026).