基于深度学习加速计算的大视场全息投影方法及系统技术方案

本发明专利技术提出一种基于深度学习加速计算的大视场全息投影方法及系统，包括如下步骤：S1、通过盖师贝格

【技术实现步骤摘要】
基于深度学习加速计算的大视场全息投影方法及系统


[0001]本专利技术涉及计算全息
，具体涉及一种基于深度学习加速计算的大视场全息投影方法及系统。

技术介绍

[0002]全息投影本质上不需要透镜，可以减小光学系统的尺寸、重建高对比度的图像，还具有可用空间光调制器(SpatialLightModulator，SLM)重建彩色图像的优点。衍射光学元件(DiffractiveOpticalElements,DOE)是一种透射式的光相位调制器件，通过改变衍射光学元件平面的相位分布(即衍射光学元件的阶梯状面形)可以得到任意形状的衍射场图像。基于计算全息技术，传统的计算全息是将计算好的全息图加载到空间光调制器上而得到投影面上的图形。由于全息图的衍射过程可以用菲涅尔衍射来描述，菲涅尔衍射积分用于作为近轴近似解。常用的衍射数值计算算法是通过逆向的单次快速傅里叶变换算法(SingleFastFourierTransformAlgorithm,S
‑
FFT算法)来获得全息图，该算法适用于衍射距离较大的情况。为提高计算精度常使用盖师贝格...

【技术保护点】

【技术特征摘要】
1.基于深度学习加速计算的大视场全息投影方法，其特征在于，包括如下步骤：S1、通过盖师贝格
‑
撒克斯通算法计算无透镜投影系统中生成的全息图，制作U形神经网络训练的数据集；S2、构建基于U形神经网络的卷积神经网络结构；S3、将所述数据集输入所述U形神经网络进行训练并保存训练得到的U形神经网络模型。2.根据权利要求1所述的基于深度学习加速计算的大视场全息投影方法，其特征在于，步骤S1中，所述无透镜投影系统包括激光器、显微物镜(2)、针孔(7)、数字微镜器件(4)、TIR棱镜(8)、衍射光学元件(5)和投影面(6)；所述激光器、显微物镜(2)、针孔(7)依次机械连接，光路保持共轴，所述TIR棱镜(8)用于接收所述针孔(7)发出的发散的球面波并将其发射到到所述数字微镜器件(4)上，所述数字微镜器件(4)与所述针孔(7)处点光源(3)的最小距离是80mm，所述数字微镜器件(4)平面与所述衍射光学元件(5)平面距离为400mm，所述投影面(6)用于接收所述衍射光学元件(5)发射过来的球面波并显示图像；所述激光器发出的激光经过所述显微物镜(2)和所述针孔(7)后成为发散的球面波；所述球面波依次经过数字微镜器件(4)的振幅调制、衍射光学元件(5)的相位调制，实时地在投影处产生图像。3.根据权利要求2所述的基于深度学习加速计算的大视场全息投影方法，其特征在于，所述无透镜投影系统包括所述球面波依次经过所述数字微镜器件(4)平面、所述衍射光学元件(5)平面后到达所述投影面(6)的正向衍射过程；所述正向衍射过程为菲涅尔衍射，衍射场的精确解可根据以下公式计算得到：衍射场的精确解可根据以下公式计算得到：其中x和y分别表示成像平面内两个垂直方向坐标，U(x，y)表示投影面(6)的复振幅分布，U1(x1，y1)表示数字微镜器件(4)平面的复振幅分布，exp是以自然常数e为底的指数函数，i为虚数，d是衍射距离，A表示振幅，φ
DOE
表示衍射光学元件5上的相位，Δx是投影面上的采样间距，Δx1是数字微镜器件4平面上的采样间距，Δx2是衍射光学元件5平面上的采样间距，SASM表示角谱法，k为波数。4.根据权利要求3所述的基于深度学习加速计算的大视场全息投影方法，其特征在于，所述无透镜投影系统还包括所述球面波依次经过所述投影面(6)、所述衍射光学元件(5)平面到达所述数字微镜器件(4)平面的逆向衍射过程；所述逆向衍射过程为夫琅禾费衍射，衍射场的精确解根据以下公式计算：U1(x1，y1)＝SASM
‑1[d2，Δx，Δx2]
×
A
t
exp(iφ
U
)
×
SASM
‑1[d1，Δx2，Δx1]
×
exp(
‑
iφ
DOE
)所述投影面(6)的采样间隔Δx应根据以下公式计算：Δx＝λd/NΔx0其中λ是波长，d是衍射距离，N是取样数，Δx0是全息图的采样间隔。5.根据权利要求4所述的基于深度学习加速计算的大视场全息投影方法，其特征在于，
所述盖师贝格
‑
撒克斯通算法的具体流程包括：S1
‑
1、对初始相位和事先给定的入射光场分布进行所述正向衍射...

【专利技术属性】
技术研发人员：苏萍，蔡超，汪郡容，马建设，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：