光学扫描全息术是一种具有实时性、高分辨率的数字全息技术,它能够获取荧光细胞标本的三维图像信息,在生物医学成像领域有广阔的应用前景。本论文结合理论推导、软件仿真、实验验证的方式,对光学扫描全息术中切片物体成像问题进行研究与探索,主要从以下几个方面进行论述。(一)通过二维傅里叶变换,卷积和相关等数学原理对波动方程和菲涅尔衍射定理进行推导,然后重点对光学扫描全息系统中全息图像的记录和重建理论进行分析,指出光学扫描全息术中切片成像关键技术问题。(二)介绍切片成像关键技术,包括自聚焦问题、自聚焦技术的研究进程、离焦噪声的两种形式,散斑噪声消除技术的研究进程等,另外对离焦噪声的两种形式进行了重点分析。(三)介绍常用图像评价指标函数,例如,标准偏差相关函数、图像拉普拉斯函数的能量等等,分析切片物体的全息图像在盲重建过程中重建图像的特征变化,提出基于图像评价指标函数的自聚焦算法以及改进的基于边缘灰度差异函数的自聚焦算法,最后通过软件仿真和实验验证相结合的方式来验证算法的性能。(四)首先简要介绍机器学习的概念,发展进程等,然后介绍了一种无监督学习算法—SOM神经网络,包括SOM神经网络的起源、特性以及它的训练方式,根据散斑噪声的特征和SOM神经网络的聚类特性,提出一种基于SOM神经网络的离焦噪声消除算法,算法训练完成后,结合仿真数据和噪声消除评价函数对其进行验证。