IAD算法是 AD算法 (一种正向光传输模型 ,称之为倍增模型 )的求逆算法 , AD倍增模型的基本思想是:对于一片已知光学参数的光学薄层 S 1 来说 ,若它的漫反射率和漫透射率是已知的 ,那么对于两倍于它厚度的同样光学性质的另一光学薄层 S2 来说 ,其漫反射率和漫透射率就相当于把原来两片相同的光学薄层 S 1 并置在一起进行加倍 ( Doubling)计算得到的漫反射率和漫透射率 ,通过这种处理 ,薄层厚度即可成倍地增加 ,一直达到所期望的组织厚度为止 ,同时计算出该组织的总漫反射率和总漫透射率 ;对于不同光学性质的其他介质层也可以采用同样的方法来处理 ,然后将几个介质层的漫反射率分量和漫透射率分量进行加和 ( Adding )计算 ,这样得到包含若干层结构的总漫反射率和总漫透射率。"玻璃 - 样品 - 玻璃"就是这样一个典型的 3层结构 。

IAD算法主要包含四个步骤: 1)根据实测的漫反射率、漫透射率和准直透射率来估计一组光学参数 ,把它们作为迭代初始值 ; 2)将这组光学参数代入 AD算法来计算实测物理量所对应的理论值 ; 3)通过实测值和理论值两者之间的比较来确定下一步骤的操作 ; 4)如果已经达到设定的精度 ,那么当前所设定的光学参数就是最后的输出结果 ;否则 ,根据比较结果重新设定一组光学参数 , 就是最后的输出结果 ;否则 ,根据比较结果重新设定一组光学参数 ,然后重复这个过程 ,直到输出最后结果或者超出迭代最大步骤为止 。