一种结合DNN的纯相位全息图生成方法及系统技术方案

本发明专利技术涉及一种结合DNN的纯相位全息图生成方法及系统，所述方法包括：获取目标图像；将目标图像进行反向传播，得到全息面上的衍射场；将所述衍射场的复振幅利用深度神经网络进行处理，得到纯相位信息；所述深度神经网络为生成器结构；根据所述纯相位信息利用角谱法进行图像重建，得到重建图像。本发明专利技术能够提高重建图像的显示质量。建图像的显示质量。建图像的显示质量。

【技术实现步骤摘要】
一种结合DNN的纯相位全息图生成方法及系统


[0001]本专利技术涉及纯相位全息领域，特别是涉及一种结合DNN的纯相位全息图生成方法及系统。

技术介绍

[0002]计算全息可以灵活地重建包括大体积、大场景甚至现实世界不存在的各种三维物体的物光波前，在三维显示领域受到广泛应用。目前阶段重建图像所使用的SLM为大多为纯相位空间光调制器，因此需要生成高质量的纯相位全息图。经典的GS算法需要迭代多次才能生成再现质量良好的全息图，花费时间过多。而传统的加快计算速度的全息计算方法，往往是对物光波前或干涉条纹近似处理，导致再现图像质量不高。
[0003]传统神经网络在计算纯相位全息图时，直接把目标图像作为输入数据输入到网络模型中，然后直接输出纯相位信息。神经网络隐含层的计算过程中糅杂了傅里叶变换、傅里叶逆变换和复振幅与纯相位之间的变换等复杂的运算关系，网络结构十分复杂，且神经网络对傅里叶变换的拟合能力较弱，这导致了重建图像质量较差。当目标图像像素过多时，传统方法对神经网络的结构设计、节点参数提出了很高的要求，并且容易出现过拟合的情况。
专利技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合DNN的纯相位全息图生成方法，其特征在于，包括：获取目标图像；将所述目标图像进行反向传播，得到全息面上的衍射场；将所述衍射场的复振幅利用深度神经网络进行处理，得到纯相位信息；所述深度神经网络为生成器结构；根据所述纯相位信息利用角谱法进行图像重建，得到重建图像。2.根据权利要求1所述的结合DNN的纯相位全息图生成方法，其特征在于，所述深度神经网络的训练过程具体包括：以衍射场的训练复振幅为输入，以纯相位训练信息为输出，以所述目标图像和所述重建图像之间损失为损失函数，对深度神经网络中的参数进行优化训练，得到训练好的深度神经网络；所述损失包括像素损失和感知损失。3.根据权利要求1所述的结合DNN的纯相位全息图生成方法，其特征在于，所述衍射场的表达式为：其中，U(x,y；z)为衍射场，为傅里叶变换符号，为傅里叶逆变换符号，为目标图像反向传播的带限传递函数，u(x,y)为复振幅的实部，v(x,y)为复振幅的虚部，j为虚数单位，I(x',y')为目标图像。4.根据权利要求1所述的结合DNN的纯相位全息图生成方法，其特征在于，所述重建图像的表达式为：其中，为重建图像，为傅里叶变换符号，为傅里叶逆变换符号，为纯相位信息，为纯相位正向传播的带限传递函数。5.一种结合DNN的纯相位全息图生成系统，其特征...

【专利技术属性】
技术研发人员：汪熙，闫兴鹏，刘新蕾，柳强，蒋晓瑜，荆涛，
申请(专利权)人：中国人民解放军陆军装甲兵学院，
类型：发明
国别省市：