光学扫描全息技术是基于光学外差法,能够记录物体三维信息的一种全新全息技术。由于它能够实时获取高分辨率的物体全息信息,在多种行业和领域都有关键应用,例如生物医学,全息遥感,显微。在光学扫描全息技术中,重建全息图像,以及消除重建图像的离焦噪声,识别全息图像问题一直是国内外的研究重点。本论文的工作主要致力于消除离焦噪声,以及通过全息图来识别物体的方案。具体从以下四个方面来进行探究:(1)介绍光学扫描全息技术中的关键理论知识,如二维的傅里叶变换,菲涅尔衍射的定理,光瞳函数的数学模型,建立起双光瞳-光学扫描全息系统的记录原理和重建原理。并指出光学扫描全息技术中存在的主要问题-重建以及离焦噪声,全息图像识别问题。(2)介绍基于卷积编解码器网络的全息图像降噪算法。详细介绍了卷积编解码器网络模型以及利用卷积解编码网络的散斑噪声去除算法。使用带有噪声的全息图以及无噪声全息图对该网络模型进行训练;并且利用Python程序对该降噪算法进行模拟仿真来验证算法的效果,最后结合图像评价函数程序以及程序仿真结果对该去噪模型进一步地进行验证。(3)搭建了一种利用卷积神经网络来识别全息图像的算法。简要介绍了图像识别,深度学习的概念,以及发展概述,然后介绍了一种有监督学习的网络模型-卷积神经网络,对比分析卷积神经网络与其他深度学习的算法网络的优势,同时详细介绍了卷积神经网络的训练过程。最后利用仿真程序对此全息图像识别模型的效果进行验证分析。(4)分析本文提出的去噪算法以及识别算法的优劣势,最后提出后续的工作开展方向。