本發(fā)明涉及一種全息圖相位重建方法，具體涉及一種基于物理約束下復(fù)值unet的復(fù)振幅重建方法。

背景技術(shù)：

1、同軸全息圖是一種全息成像技術(shù)，其原理是利用相干光源生成的光束分成兩部分：一部分作為參考光直接到達(dá)探測器，另一部分作為物光經(jīng)過待測物體后同樣到達(dá)探測器。兩束光在探測器上相遇，形成干涉圖樣，記錄了物體的相位和振幅信息。同軸全息圖能夠同時記錄物體的振幅和相位信息，實(shí)現(xiàn)高精度的三維重構(gòu)。

2、現(xiàn)代全息相位重建利用高分辨率的數(shù)字探測器和先進(jìn)的圖像處理算法進(jìn)行數(shù)據(jù)處理，能夠?qū)崿F(xiàn)高分辨率的三維成像，記錄并重建物體的相位信息，提供更豐富的物理特征。與傳統(tǒng)成像方法相比，全息相位重建不需要標(biāo)記或染色，適用于動態(tài)過程的實(shí)時觀察和無損檢測，其系統(tǒng)設(shè)計(jì)簡單緊湊，不需要復(fù)雜的光路調(diào)整，具有良好的穩(wěn)定性，在多個領(lǐng)域有廣泛應(yīng)用。

3、復(fù)值神經(jīng)網(wǎng)絡(luò)(cvnn)在相位重建中的應(yīng)用結(jié)合了機(jī)器學(xué)習(xí)和光學(xué)成像技術(shù)，通過深度學(xué)習(xí)算法從全息圖中重建出高質(zhì)量的相位信息。cvnn基于復(fù)數(shù)表達(dá)，能夠更好地處理波前的振幅和相位分量之間的耦合信息，對復(fù)數(shù)波前進(jìn)行本征式的高維表征。與實(shí)值神經(jīng)網(wǎng)絡(luò)(rvnn)相比，cvnn提供了更加豐富的表示能力，更適合處理由振幅和相位組成的復(fù)振幅信息。復(fù)值神經(jīng)網(wǎng)絡(luò)在處理高度非線性和復(fù)雜的關(guān)系方面表現(xiàn)優(yōu)異，對于相位重建中的復(fù)雜結(jié)構(gòu)和非線性問題效果顯著，并且對噪聲具有較強(qiáng)的魯棒性，具備良好的泛化能力，適應(yīng)不同數(shù)據(jù)和應(yīng)用場景，提高了重建的準(zhǔn)確性和效果。這一技術(shù)的核心在于利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射能力和數(shù)據(jù)驅(qū)動的方法，克服了傳統(tǒng)迭代算法在處理復(fù)雜情況和高噪聲數(shù)據(jù)時的局限。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種基于物理約束下復(fù)值unet的復(fù)振幅重建方法。該相位重建方法能夠直接處理復(fù)數(shù)數(shù)據(jù)，更自然地表示和處理全息中的信息。所提方法可以準(zhǔn)確保留和重建相位信息是關(guān)鍵，通過直接處理復(fù)數(shù)數(shù)據(jù)，具備更高的表示能力，能夠捕捉到數(shù)據(jù)中的相位和幅度變化。結(jié)合物理約束和正則化效果能夠有效抑制過擬合，更好地保留相位關(guān)系，從而提高重建精度。

2、本發(fā)明可以同時重建復(fù)振幅的技術(shù)方案是：

3、一種基于物理約束下復(fù)值unet的復(fù)振幅重建方法，包括以下步驟：

4、(s1)、在同軸全息理論基礎(chǔ)上選用相機(jī)拍攝一組純相位型同軸全息圖，作為網(wǎng)絡(luò)輸入，即全息圖a；

5、(s2)、將采集的全息圖a讀入后做開平方操作得振幅、并生成與全息圖a相同尺寸的隨機(jī)矩陣作為相位，將振幅與隨機(jī)矩陣相位構(gòu)建初始復(fù)值場作為復(fù)值unet輸入；

6、(s3)、對輸出復(fù)值場c的振幅進(jìn)行軟約束，使其各點(diǎn)值不大于吸收約束規(guī)定的值，該值的范圍與被記錄物體有關(guān)；并設(shè)計(jì)復(fù)值正則化約束comp?l?ex?tota?lvar?i?at?i?on(ctv)約束，得調(diào)制后得復(fù)值場d；

7、(s4)、將復(fù)值場d正向傳播至z距離處，對z處重建復(fù)值場取強(qiáng)度得重建全息圖e，取相位更新輸入復(fù)值場b的相位，更新后的復(fù)值場b為下一輪網(wǎng)絡(luò)輸入；

8、(s5)、計(jì)算數(shù)據(jù)保真度項(xiàng)，即全息圖a與重建全息圖e的相似度，計(jì)算正則化項(xiàng)ctv，賦予兩項(xiàng)權(quán)重相加作為損失函數(shù)，將損失函數(shù)值的梯度做反向傳播以更新網(wǎng)絡(luò)模型的參數(shù)，得到訓(xùn)練完成的復(fù)值神經(jīng)網(wǎng)絡(luò)。

9、優(yōu)選的，在步驟(s1)中，采集的全息圖為純相位全息圖，原始物體波的振幅被設(shè)定為1。

10、優(yōu)選的，在步驟(s4)中，正向傳播方法包括角譜法、菲涅爾衍射法、卷積法等。

11、優(yōu)選的，復(fù)值unet具有u型結(jié)構(gòu)的復(fù)值網(wǎng)絡(luò)結(jié)構(gòu)，包含復(fù)值卷積，復(fù)值反卷積，復(fù)值激活函數(shù)，其中復(fù)值卷積和反卷積分別由卷積核為3×3卷積層和反卷積核為2×2的反卷積核實(shí)現(xiàn)；復(fù)值激活函數(shù)包括sp?l?i?t型激活函數(shù)和fu?l?l?y型激活函數(shù)。

12、優(yōu)選的，所述的復(fù)值unet采用編碼器-解碼器的u型結(jié)構(gòu)，編解碼器的深度為2層以上。

13、優(yōu)選的，所述的基于物理約束下復(fù)值unet的復(fù)振幅重建方法的損失函數(shù)采用用于比較圖像結(jié)構(gòu)相似度的損失函數(shù)，所述的損失函數(shù)為ssim損失函數(shù)。

14、優(yōu)選的，所采用的物理約束包括對輸出復(fù)值場c的調(diào)制、復(fù)值正則化約束和正向傳播部分。

15、優(yōu)選的，在步驟(s5)中，模擬全息圖d亦是由采集的全息圖a經(jīng)過網(wǎng)絡(luò)輸出后模擬衍射過程得到，計(jì)算二者的損失反向傳播，指導(dǎo)網(wǎng)絡(luò)訓(xùn)練，網(wǎng)絡(luò)訓(xùn)練的整個過程為自監(jiān)督學(xué)習(xí)過程，所述方法為自監(jiān)督學(xué)習(xí)。

16、本發(fā)明與現(xiàn)有技術(shù)相比具有以下的有益效果：

17、1、本發(fā)引入了一種融合物理約束的復(fù)值unet架構(gòu)，專注于復(fù)振幅圖像的精確重建。該方法巧妙地將物理模型的嚴(yán)謹(jǐn)性與復(fù)值正則化技術(shù)的優(yōu)勢并蓄，通過深度學(xué)習(xí)模型的強(qiáng)大學(xué)習(xí)能力，不僅能夠有效捕捉物理過程中復(fù)雜的非線性動態(tài)與噪聲特性，還顯著提升了圖像重建的精確度。進(jìn)一步地，該方案為相位重建帶來了前所未有的高精度，完美契合了那些對成像質(zhì)量有著極高要求的應(yīng)用場景，如生物成像、材料科學(xué)及精密工業(yè)檢測等領(lǐng)域。

18、2、本發(fā)明的基于物理約束下復(fù)值unet的復(fù)振幅重建方法，該方法能夠直接且高效地處理全息圖中的復(fù)數(shù)數(shù)據(jù)，突破了傳統(tǒng)實(shí)值神經(jīng)網(wǎng)絡(luò)在處理復(fù)數(shù)數(shù)據(jù)時需要將復(fù)數(shù)分解為實(shí)部和虛部獨(dú)立處理的局限。通過直接操作復(fù)數(shù)形式的數(shù)據(jù)，本發(fā)明不僅簡化了處理流程，更重要的是，它完整地保留了全息圖中關(guān)鍵的相位與振幅信息。這種直接處理方法在相位重建任務(wù)中表現(xiàn)出顯著的優(yōu)勢，因?yàn)槿⒈举|(zhì)上是復(fù)數(shù)形式的，其包含的相位信息對重建精度至關(guān)重要，通過直接處理復(fù)數(shù)數(shù)據(jù)，實(shí)現(xiàn)了對相位信息的精確捕捉與重建，使得重建結(jié)果更加接近真實(shí)值。

19、3、本發(fā)明的基于物理約束下復(fù)值unet的復(fù)振幅重建方法，該方法能夠自主地從大規(guī)模未標(biāo)注數(shù)據(jù)中發(fā)掘并生成有效的訓(xùn)練標(biāo)簽，從而克服了相位重建任務(wù)中高質(zhì)量標(biāo)注數(shù)據(jù)獲取難、成本高的問題。在傳統(tǒng)的監(jiān)督學(xué)習(xí)范式下，模型的訓(xùn)練高度依賴于精確標(biāo)注的數(shù)據(jù)集。自監(jiān)督學(xué)習(xí)通過利用未標(biāo)注數(shù)據(jù)中固有的結(jié)構(gòu)和模式進(jìn)行訓(xùn)練。本發(fā)明顯著減少了對標(biāo)注數(shù)據(jù)的需求，從而降低了數(shù)據(jù)標(biāo)注的成本。不僅降低了成本，還使得相位重建技術(shù)更易推廣應(yīng)用。

技術(shù)特征：

1.一種基于物理約束下復(fù)值unet的復(fù)振幅重建方法，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于物理約束下復(fù)值unet的復(fù)振幅重建方法，其特征在于，在步驟(s1)中，采集的全息圖a為純相位全息圖，原始物體波的振幅被設(shè)定為1。

3.根據(jù)權(quán)利要求1所述的基于物理約束下復(fù)值unet的復(fù)振幅重建方法，其特征在于，在步驟(s4)中，衍射正向傳播方法包括角譜法、菲涅爾衍射法、卷積法等。

4.根據(jù)權(quán)利要求1所述的基于物理約束下復(fù)值unet的復(fù)振幅重建方法，其特征在于，復(fù)值unet具有u型結(jié)構(gòu)的復(fù)值網(wǎng)絡(luò)結(jié)構(gòu)，包含復(fù)值卷積，復(fù)值反卷積，復(fù)值激活函數(shù)，其中復(fù)值卷積和反卷積分別由卷積核為3×3卷積層和反卷積核為2×2的反卷積核實(shí)現(xiàn)；復(fù)值激活函數(shù)包括split型激活函數(shù)和fully型激活函數(shù)。

5.根據(jù)權(quán)利要求3所述的基于物理約束下復(fù)值unet的復(fù)振幅重建方法，其特征在于，所述的復(fù)值unet采用編碼器-解碼器的u型結(jié)構(gòu)，編解碼器的深度為2層以上。

6.根據(jù)權(quán)利要求1所述的基于物理約束下復(fù)值unet的復(fù)振幅重建方法，其特征在于，所述的復(fù)值unet的復(fù)振幅重建方法采用能夠反應(yīng)兩張圖像相似情況的損失函數(shù)和ctv共同組成損失函數(shù)，并賦予合適的權(quán)重，所述反應(yīng)兩張圖像相似情況的損失函數(shù)包括均方誤差mse函數(shù)、結(jié)構(gòu)相似度指數(shù)ssim函數(shù)。

7.根據(jù)權(quán)利要求1所述的基于物理約束下復(fù)值unet的復(fù)振幅重建方法，其特征在于，在步驟(s3)、(s4)中，所采用的物理約束包括對輸出復(fù)值場c的調(diào)制、復(fù)值正則化約束和正向傳播部分。

8.根據(jù)權(quán)利要求1所述的基于物理約束下復(fù)值unet的復(fù)振幅重建方法，其特征在于，采用自監(jiān)督學(xué)習(xí)，在步驟(s5)中，模擬全息圖d亦是由采集的全息圖a經(jīng)過網(wǎng)絡(luò)輸出后模擬衍射過程得到，計(jì)算二者的損失反向傳播，指導(dǎo)網(wǎng)絡(luò)訓(xùn)練。

技術(shù)總結(jié)
本發(fā)明屬于全息相位重建領(lǐng)域，公開了一種基于物理約束下復(fù)值UNet的復(fù)振幅重建方法，在擺脫端到端網(wǎng)絡(luò)對大量數(shù)據(jù)依賴性的同時提供比實(shí)值網(wǎng)絡(luò)更好的重建效果，本發(fā)明采用基于復(fù)值UNet的網(wǎng)絡(luò)架構(gòu)結(jié)合光學(xué)同軸全息成像模型的物理過程，首先將采集得到的全息圖構(gòu)建復(fù)振幅放進(jìn)復(fù)值UNet中，得到輸出復(fù)值場C，調(diào)制復(fù)振幅并施加復(fù)值正則化約束，模擬同軸全息正向傳播過程得到重建復(fù)值場，取強(qiáng)度為重建全息圖E，相位用以更新輸入復(fù)值場B；隨后計(jì)算采集的全息圖與重建全息圖E之間的相似度，通過復(fù)值神經(jīng)網(wǎng)絡(luò)的梯度下降優(yōu)化算法實(shí)現(xiàn)相位重建。本發(fā)明提供一種基于復(fù)值UNet結(jié)合物理約束直接重建復(fù)值場的方法。

技術(shù)研發(fā)人員：豆嘉真,安起明,邸江磊,鐘麗云,秦玉文
受保護(hù)的技術(shù)使用者：廣東工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10