一种快速且稳健的自动对焦框架，适用于轴外数字全息技术，该框架结合了间隔分割并行搜索和黄金分割优化算法

《Optics and Lasers in Engineering》：A Fast and Robust Autofocusing Framework for Off?Axis Digital Holography integrating interval?partitioned parallel search with golden?section optimization

数字全息术偏轴自动调焦方法研究。提出结合区间分割并行搜索与黄金分割优化的新方法，利用AMP和ADFrFT评估指标实现快速精准调焦，仿真实验表明计算效率提升显著且重构精度达98.2%，适用于动态物体实时成像。

　　
本文提出了一种适用于离轴数字全息术的快速高精度自动调焦方法，通过整合区间分片并行搜索技术与黄金分割优化算法，有效解决了传统自动调焦方法存在的效率低和精度不足问题。研究团队来自上海大学机电工程学院，在动态成像、复杂样本观测等实际应用场景中验证了方法的有效性。

传统自动调焦技术主要依赖焦点指标函数对重建图像进行评价，但存在两大核心缺陷：其一，固定步长的遍历式搜索算法在样本特征复杂时计算量剧增，难以满足实时成像需求；其二，多数焦点指标在最佳焦平面附近曲线平缓，导致定位精度受限。针对这些问题，本研究创新性地构建了双阶段协同优化框架。

在粗搜索阶段，采用并行角谱传播技术将初始调焦范围划分为多个子区间，分别进行焦点指标计算。这种分片并行策略相比传统单线程搜索，理论上可提升计算效率3-5倍。特别设计的AMP（振幅平方和）指标通过分析目标波场与参考波场的干涉特征，能在各子区间快速筛选出包含最佳焦平面的候选区域。实验表明，该阶段可将有效搜索范围压缩至原始的1/20-1/10，显著提升后续优化效率。

细搜索阶段引入黄金分割优化算法，结合改进的ADFrFT（振幅差分分数傅里叶变换）指标，实现亚像素级精度的焦平面定位。ADFrFT指标通过提取分数傅里叶域中的振幅差异特征，有效克服了传统指标在相位物体中的灵敏度不足问题。黄金分割算法的引入使迭代次数减少约40%，同时通过动态调整搜索步长，确保在曲线极值附近实现高精度收敛。数值模拟显示，该方法在典型样本（振幅型/相位型/混合型）上定位误差可控制在0.1μm级别，达到当前最优方法的95%精度。

研究团队通过系列对比实验验证了方法优势：在同等硬件条件下（CPU运算，2592×1944像素CCD，532nm激光光源），新方法平均调焦耗时较传统梯度下降法缩短62%，较粒子群优化算法快28%。在包含噪声（信噪比>15dB）和动态物体（采样频率50Hz）的复杂场景中，焦点定位稳定性提升37%，图像重建清晰度达到专业级标准。

技术实现上，系统采用模块化设计：预处理模块通过空间滤波和光路准直确保光场质量；并行计算模块采用多线程架构，每个子区间配置独立的数值传播线程；优化模块通过自适应步长控制算法，在初始阶段采用大步长快速收敛，后期转为小步长精确搜索。这种架构设计使方法同时具备高吞吐量和低延迟特性，特别适用于工业在线检测（平均处理速度达120帧/秒）和生物显微动态观测（时间分辨率<20ms）等实时应用场景。

方法创新性体现在三个方面：首先，构建了"分片并行-动态优化"的双层搜索架构，既突破传统单线程搜索的计算瓶颈，又通过自适应步长控制解决了局部极值锁定难题；其次，开发了具有理论普适性的AMP-ADFrFT混合指标体系，前者在粗搜索阶段提供快速筛选能力，后者在精调阶段实现亚像素精度；最后，引入硬件加速优化策略，通过指令级并行和内存访问优化，使CPU运算效率提升3倍以上，为实时应用奠定基础。

实验验证部分采用标准测试样本集，包括牛顿环、微机械结构（MEMS）、生物细胞（如HeLa细胞）等典型样本。在相位敏感的测试案例中，ADFrFT指标展现出比传统振幅指标高2.3倍的灵敏度。通过引入 golden-section算法的变体，开发出具有三次收敛特性的改进算法，将平均迭代次数从传统方法的8-12次降至5-7次，计算效率提升约30%。

实际应用测试表明，该方法在动态物体追踪（如微流体中的细胞迁移）中保持稳定调焦，跟踪频率达30Hz时定位误差仍小于0.05μm。在工业检测场景中，处理速度达到120帧/秒，定位精度稳定在0.1μm以内，满足SMT（表面贴装技术）等精密制造领域的要求。研究还发现，该方法对噪声具有显著鲁棒性，在背景噪声增加5dB的情况下，焦点定位误差仅扩大12%，远优于传统方法。

未来改进方向包括：1）开发GPU加速模块，进一步提升并行计算效率；2）研究多尺度焦点指标体系，以处理深度超过200μm的复杂样本；3）探索机器学习辅助的焦点预判技术，结合卷积神经网络实现实时自适应调焦。该研究已获得国家自然科学基金（No.62475141）资助，相关算法正在开发为开源软件包，计划在2024年应用于智能显微镜和工业在线检测系统。

研究结论指出，通过合理分配搜索空间与优化算法资源，新方法在计算效率（提升40-60%）和定位精度（达0.08μm）方面均实现突破性进展。特别在混合样本（同时包含振幅和相位信息）处理中，焦点定位误差比现有最优方法降低23%，重建图像信噪比提升18%。这些技术突破为数字全息术在智能光学、生物医学成像、精密制造等领域的广泛应用奠定了基础，具有显著产业化应用前景。