一种基于梯度下降优化算法的可调节景深全息图重建方法技术

本发明专利技术公开了一种基于梯度下降优化算法的可调节景深全息图重建方法，将全息图的生成当做一个优化过程，首先通过预计算生成初始全息图，然后利用具有特定损失函数的梯度下降算法优化全息图；在优化过程中，利用全息显示中重建相位的随机程度和重建图像景深的关系，通过控制重建相位的随机程度来调节重建图像的景深大小。相比传统调节图像景深的方法，本发明专利技术重建得到的全息图，具有图像质量高、景深动态可调、图像虚化自然等优点，更类似于人眼观察的自然图像，有望在全息显示、VA/AR/XR等场景中获得实际应用。景中获得实际应用。景中获得实际应用。

【技术实现步骤摘要】
一种基于梯度下降优化算法的可调节景深全息图重建方法


[0001]本专利技术涉及一种全息显示
，具体涉及一种基于梯度下降优化算法的可调节景深全息图重建方法。

技术介绍

[0002]全息显示因为能重建真实的三维光场，被认为是下一代AR、VR或XR中最有应用前景的技术，它将给产业、教育、游戏、医疗等领域带来革命性的变化。在目前商业化的AR、VR或XR产品中，往往通过给左右眼提供不同的图像来实现双目视觉差或者虚化背景图像提供心理暗示等方式为使用者提供观看立体图像的感受。但是这些基于平面光显示的技术不能给使用者提供单目深度线索，这会导致长时间使用产品后产生视觉疲劳、头晕和由辐辏冲突引起的恶心等不适。全息三维显示是一种利用波前信息实现三维场景重建的显示方式，它可以准确的重建三维目标的强度和深度。而计算全息可以省去传统全息技术中复杂的干涉记录过程，而是利用空间光调制器和计算机数值计算出的全息图即可实现全息显示的过程。
[0003]在计算全息中，为了得到某一位置的光场传播一定距离后新的光场分布，需要使用衍射算法，常见的衍射算法有点源法和角谱法。点源法通过计算目标场中每个点的衍射来得到衍射后平面的光场分布，它的优点是可以计算三维目标的衍射，缺点是计算速度较慢。角谱法通过对复场分布做傅立叶分析，计算平面光场在空间上沿特定方向的传播，优点是计算速度快，缺点是只能计算平行光的衍射。
[0004]在基于物理模型的计算全息方法中，储存3D数据的格式主要分为四个类别：点云、多边形、分层和多视点图像光场。目前结合机器学习的计算全息方法主要应用在基于点云和分层数据格式的计算任务上。

技术实现思路

[0005]本专利技术旨在提出一种基于梯度下降优化算法的可调节景深全息图重建方法，技术思路是：将全息图的生成当做一个优化过程，首先通过预计算生成初始全息图，然后利用具有特定损失函数的梯度下降算法优化全息图；在优化过程中，利用全息显示中重建相位的随机程度和重建图像景深的关系，通过控制重建相位的随机程度来调节重建图像的景深大小。相比传统调节图像景深的方法，本专利技术重建得到的全息图，具有图像质量高、景深动态可调、图像虚化自然等优点，更类似于人眼观察的自然图像，有望在全息显示、VA/AR/XR等场景中获得实际应用。
[0006]本专利技术的技术方案如下：
[0007]基于梯度下降优化算法的可调节景深全息图重建方法，该过程分为4个步骤：
[0008]步骤1：根据目标景深的大小设定目标相位随机度。根据目标相位随机度，在分层的立体图像中添加随机相位，从而建立目标复振幅光场。根据目标复振幅光场进行预计算，从而得到初始全息图。
[0009]步骤2：利用衍射算法从初始全息图重建全息图像，得到重建的复振幅光场，并计算重建振幅和重建相位的随机度。将重建的振幅和目标立体图像代入损失函数，进行计算，得到振幅损失值；将重建相位的随机度和设定的目标随机度代入损失函数，得到相位随机度损失值；将振幅损失值和相位随机度损失值求和得到总损失值。
[0010]步骤3：将总损失值对全息图的相位进行梯度的计算，根据反向传播算法对全息图进行更新，不断优化全息图，当优化的次数满足设定的次数，或重建图像的质量达到要求后，停止优化过程。
[0011]步骤4：将优化好的全息图加载到空间光调制器上，从而获得立体图像的重建。
[0012]进一步，所述的根据目标景深的大小设定目标相位随机度是指由于目标相位随机度和重建图像的景深相关，目标相位的随机度越大景深越小，因此可以通过改变设定的目标相位随机度来改变重建图像的景深大小。
[0013]进一步，所述的相位随机度是指通过计算相位分布中所有相位值的标准差得到的衡量相位分布随机程度的量。
[0014]进一步，所述的在分层立体图像中添加随机相位，是指在分层立体图像上添加取值范围为
‑
π到π，并且服从平均值为0，标准差为目标相位随机度的正态分布的随机相位。其中立体图像的不同深度和不同区域的目标相位随机度可以不同，从而达到重建图像在不同深度和不同区域具有不同大小景深的效果。
[0015]进一步，所述的预计算是指采用复振幅全息图重建方法初步得到初始全息图的过程。其中预计算需要采用复振幅全息图重建方法得到纯相位全息图，可采用二种方法，具体方法为：
[0016]第一种，double
‑
phase的编码方法：将目标复振幅光场通过衍射算法传播到空间光调制器平面，得到空间光调制器上的复振幅全息图，将复振幅全息图编码为两个纯相位全息图，再利用棋盘格对两个纯相位全息图交错采样，得到叠加的纯相位全息图。
[0017]第二种，复数随机梯度下降方法：将空间光调制器平面的纯相位全息图通过衍射算法重建全息图像，得到重建的复振幅光场，将重建的复振幅光场和目标复振幅光场代入复数损失函数，得到复振幅损失值，复振幅损失值对全息图进行梯度计算，根据反向传播算法对全息图进行更新，不断优化纯相位全息图，当优化的次数满足设定的次数，或重建图像的质量达到要求后，停止优化过程，并输出计算结果。
[0018]进一步，所述的初始全息图或全息图是指纯相位全息图。由于现有的商业化空间光调制器只有纯相位型或纯振幅型，而纯相位型空间光调制器衍射效率更高，所以本专利技术计算得到的是纯相位全息图。
[0019]进一步，所述的利用衍射算法从初始全息图重建全息图像，得到重建的复振幅光场是指使用角谱法或其他计算过程可微分的衍射算法计算全息图在目标平面重建的复振幅光场分布。
[0020]进一步，所述的计算重建相位的随机度是指先修正重建相位，再计算重建相位分布中所有相位值的标准差，修正相位的具体方法为：
[0021]统计取值范围为
‑
π到π的相位分布中数量最多的相位值通过将相位值增加或减去2π的方式，以作为中心值重构相位分布的取值范围为到使得到的相位分布的中心值和均值更加近似，计算得到的标准差更能反映相位的随机程度。
[0022]进一步，所述的损失函数是指均方损失函数。
[0023]进一步，所述的相位随机度损失值是指立体图像中每一层重建相位的随机度与对应的目标随机度代入损失函数计算得到的损失值，再根据这层图像的面积进行加权求和得到的总损失值。
[0024]进一步，所述的将总损失值对全息图进行梯度计算，并根据反向传播算法对全息图进行更新是指将计算得到的总损失函数loss对纯相位全息图Ho进行梯度计算，得到梯度值根据反向传播公式Hi＝Ho
‑
lr*Grad，得到更新后的纯相位全息图Hi，其中lr是学习率。
[0025]进一步，所述的不断优化全息图是指不断重复将全息图重建、计算总损失值、进行梯度计算，最后根据反向传播算法对全息图进行更新的过程。
[0026]进一步，所述的当优化次数满足设定的次数，或重建图像质量达到要求后，停止优化过程是指优化的次数达到设定的上限，或重建的图像通过图像质量评估函数计算得到的分数达到设定的阈值时，停止优化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于梯度下降可调节景深的全息图重建方法，其特征在于，包括以下步骤：步骤1：根据目标景深的大小设定目标相位随机度；根据目标相位随机度，在分层的立体图像中添加随机相位，从而建立目标复振幅光场；根据目标复振幅光场进行预计算，从而得到初始全息图；步骤2：利用衍射算法从初始全息图重建全息图像，得到重建的复振幅光场，并计算重建振幅和重建相位的随机度；将重建的振幅和目标立体图像代入损失函数，进行计算，得到振幅损失值；将重建相位的随机度和设定的目标随机度代入损失函数，得到相位随机度损失值；将振幅损失值和相位随机度损失值求和得到总损失值；步骤3：将总损失值对全息图的相位进行梯度的计算，根据反向传播算法对全息图进行更新，不断优化全息图，当优化的次数满足设定的次数，或重建图像的质量达到要求后，停止优化过程；步骤4：将优化好的全息图加载到空间光调制器上，从而获得立体图像的重建。2.根据权利要求1所述的一种基于梯度下降可调节景深的全息图重建方法，其特征在于，在步骤1中，目标相位随机度和重建图像的景深相关，目标相位的随机度越大，景深越小。3.根据权利要求2所述的一种基于梯度下降可调节景深的全息图重建方法，其特征在于，目标相位随机度通过计算相位分布中所有相位值的标准差来得到。4.根据权利要求1所述的一种基于梯度下降可调节景深的全息图重建方法，其特征在于，在步骤1中，在分层的立体图像中添加的随机相位的取值范围为
‑
π到π，并且服从平均值为0，标准差为目标相位随机度的正态分布。5.根据权利要求1所述的一种基于梯度下降可调节景深的全息图重建方法，其特征在于，在步骤1中，通过预计算来得到初始全息图，由于现有的商业化空间光调制器只有纯相位型或纯振幅型，而纯相位型空间光调制器衍射效率更高，所以预计算得到的初始全息图是纯相位全息图。6.根据权利要求5所述的一种基于梯度下降可调节景深的全息图重建方法，其特征在于，预计算需要采用复振幅全息图重建方法得到纯相位全息图，采用double
‑
phas...

【专利技术属性】
技术研发人员：乐孜纯，沈晨航，郑宇杭，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：