一种基于非对称网络的实时全息图生成方法技术

本发明专利技术涉及一种基于非对称网络的实时全息图生成方法，提供一种基于非端到端架构的非对称网络来提高实时生成全息图的质量。在生成全息图的过程中，目标图片会先经过相位预测网络得到一个初始相位，再经过全息编码网络得到对应的全息图。相比于其他实时全息图生成方法，本方法得到的全息图质量更高，光学效果更符合人眼的观察特点。本方法有助于未来全息裸眼3D显示的发展。

【技术实现步骤摘要】

本专利技术为一种涉及深度学习和全息显示领域的实时全息图生成方法。

技术介绍

1、能否实时生成高质量全息图是影响全息3d技术观看体验及应用的关键问题。近年来，深度学习技术随着计算机算力的提高发挥着愈发优秀的性能，由于其拟合能力强、可移植性高、计算速度快等特点，其在计算全息领域具有显著优势。但是目前基于深度学习的全息图生成方法无法在全息图质量以及生成速度方面达到平衡：一些方法取得了比较好的质量但是生成速度不满足实时显示要求；还有一些方法满足了实时显示要求，但由于其对称式的网络设计导致整体网络的拟合能力较差，生成的全息图质量不高。因此，为了提供更好的全息观感，提出一种基于深度学习非对称网络的实时高质量全息图生成方法是有必要的。

技术实现思路

1、本专利技术针对实时全息图生成过程中的全息图质量较差问题，提出一种基于非对称网络的实时全息图生成方法，本方法的计算过程按如下步骤进行：

2、步骤1，将目标图像输入到相位预测网络得到对应的预测相位；步骤2，以目标图像作为振幅信息，以预测相位作为相位信息，进行复值化操本文档来自技高网...

【技术保护点】

1.一种基于非对称网络的实时全息图生成方法，其特征在于按如下方法进行：步骤1，将目标图像输入到相位预测网络得到对应的预测相位；步骤2，以目标图像作为振幅信息，以预测相位作为相位信息，进行复值化操作得到融合复值；步骤3，使用衍射算法将融合复值衍射到指定深度，得到对应的衍射信息；步骤4，将衍射信息输入到全息编码网络得到对应的全息图；步骤5，使用逆衍射算法对全息图进行重建，得到重建平面的振幅信息；步骤6，使用MSE损失函数计算重建平面的振幅与目标图像振幅的振幅损失，通过损失函数最小化方法训练相位预测网络和全息编码网络。

【技术特征摘要】

1.一种基于非对称网络的实时全息图生成方法，其特征在于按如下方法进行：步骤1，将目标图像输入到相位预测网络得到对应的预测相位；步骤2，以目标图像作为振幅信息，以预测相位作为相位信息，进行复值化操作得到融合复值；步骤3，使用衍射算法将融合复值衍射到指定深度，得到...

【专利技术属性】
技术研发人员：王君，于广威，
申请(专利权)人：四川大学，
类型：发明
国别省市：