近日，清华大学曹良才副教授与美国杜克大学David J. Brady教授合作，定量地揭示了孪生像（twin image）对全息重构的影响，并提出了采用压缩感知（Compressive Sensing）的方法来重构完全没有孪生像的全息图。其相关工作，以“Twin-Image-Free Holography: A Compressive Sensing Approach”为题，发表在《Physical Review Letters》期刊上。
全息技术是利用干涉和衍射原理记录并再现物体真实的三维图像。它以激光为光源，将光源发出的光分为两束，一束直接投射到感光片，另一束经被摄物的反射后再投射到感光片上；两束光在感光片上叠加并发生干涉，最后利用数字图像技术进行处理，即可得到清晰的全息图像。
全息技术可以“冻结（freezes）”物体的波阵面（wave front），并通过干涉原理实现了“无透镜成像”。它作为一种典型的干涉技术，具有直接传递相位信息和一次曝光捕获三维信息的优点，广泛应用于材料科学和生物医学中的定量相位成像。然而，由于受到相位共轭波前的干扰，全息重构（Holographic reconstruction）过程中会产生孪生像，即一个原始像（虚像）、一个共轭像（实像），分别对称地位于全息图的两边，在解决反演（inverse）问题时会出现模糊重构的现象，这是全息图成像质量差的主要原因。
在过去的几十年中，研究人员们尝试过各种方法来消除孪生像。例如，相位检索(phase retrieval)法，它是一种双面约束迭代算法，可以限制重构区域。除此之外，在线全息可以实现高空间带宽利用率和高稳定性的单次成像；可见光全息技术可在重构过程中引入透镜，以解决孪生像问题。然而，在x射线和γ射线全息照相技术中，透镜的效果较差；在电子发射全息技术中，光源靠近物体，使得透镜的空间非常有限。最近，人们又提出了一种基于深度学习的神经网络全息重构方法，但这种数据驱动的方法，需要大量输入数据才能完成特定的任务。
在本项工作中，研究人员首先通过傅里叶分析对波的传播特性进行物理建模，他们发现重构物体和孪生像的稀疏度存在明显的差异：对焦的物体具有锐利边缘，而离焦的孪生像则是漫散射图像。基于这一发现，他们提出了一种物理驱动的压缩感知（
.jpeg)
