本發(fā)明為一種涉及深度學(xué)習(xí)和全息顯示領(lǐng)域的高質(zhì)量柱面全息圖生成方法。

背景技術(shù)：

1、能否快速生成高質(zhì)量柱面全息圖是擴(kuò)大全息圖觀察區(qū)域及提升觀看體驗的關(guān)鍵問題。近年來，深度學(xué)習(xí)技術(shù)隨著gpu算力的提高性能愈發(fā)優(yōu)越，由于其擬合能力強(qiáng)，計算速度快等特點(diǎn)，其在計算全息領(lǐng)域也顯示出了顯著優(yōu)勢。但是目前基于深度學(xué)習(xí)的全息圖僅應(yīng)用在平面全息顯示技術(shù)中。已有的柱面全息優(yōu)化方法生成速度過慢且生成的全息圖質(zhì)量不高。?因此，為了擴(kuò)大全息圖觀察區(qū)域，提供更好的全息觀感，提出一種基于神經(jīng)網(wǎng)絡(luò)快速生成高質(zhì)量柱面全息圖的方法是有必要的。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對柱面全息圖生成過程中的全息圖質(zhì)量較差問題，一種基于神經(jīng)網(wǎng)絡(luò)快速生成高質(zhì)量柱面全息圖的方法，本方法的計算過程按如下步驟進(jìn)行：步驟1，將目標(biāo)圖像輸入相位預(yù)測網(wǎng)絡(luò)，獲得對應(yīng)的預(yù)測相位；步驟2，采用目標(biāo)圖像作為振幅信息，并結(jié)合預(yù)測相位進(jìn)行復(fù)值化操作，生成融合復(fù)值；步驟3，在柱面全息圖生成過程中使用柱面衍射算法，將融合復(fù)值衍射到指定深度，得到相應(yīng)的衍射信息；步驟4，將衍射信息輸入全息編碼網(wǎng)絡(luò)，生成對應(yīng)的全息圖；步驟5，在柱面全息圖重建過程中，采用與生成過程相對的逆過程的衍射算法對全息圖進(jìn)行重建，得到重建物體表面的振幅信息，所述的生成過程與逆過程的衍射算法是非對稱的；步驟6，使用損失函數(shù)計算重建物體表面振幅與目標(biāo)圖像振幅之間的振幅損失，并通過最小化損失函數(shù)的方法來訓(xùn)練相位預(yù)測網(wǎng)絡(luò)和全息編碼網(wǎng)絡(luò)。

2、步驟1所述的相位預(yù)測網(wǎng)絡(luò)是基于u-net架構(gòu)的擬合網(wǎng)絡(luò)，由復(fù)值型cnn卷積網(wǎng)絡(luò)組成，其特征在于：步驟a，將帶有初始相位目標(biāo)圖像輸入預(yù)處理模塊得到復(fù)值嵌入信息，其中預(yù)處理模塊依次經(jīng)過復(fù)值傅里葉卷積層、復(fù)值歸一化層，復(fù)值激活層；步驟b，將復(fù)值嵌入信息輸入到下采樣卷積塊中，經(jīng)過三次下采樣，得到下采樣信息，其中下采樣卷積塊中包含一個復(fù)值傅里葉卷積層；步驟c，使用一個轉(zhuǎn)置復(fù)值傅里葉卷積層對特征值分別進(jìn)行三次上采樣，每個上采樣模塊與相同通道數(shù)的下采樣模塊之間都包含跳躍連接；步驟d，最終經(jīng)過一個復(fù)值卷積層得到對應(yīng)的預(yù)測相位。

3、步驟4所述的全息編碼網(wǎng)絡(luò)是基于u-net架構(gòu)的擬合網(wǎng)絡(luò)，由復(fù)值型cnn卷積網(wǎng)絡(luò)組成，其特征在于：步驟a，將融合復(fù)值作為復(fù)值卷積塊的輸入得到復(fù)值嵌入信息；步驟b，將復(fù)值嵌入信息輸入到下采樣卷積塊中，經(jīng)過四次下采樣，得到下采樣信息，其中下采樣模塊包含一個復(fù)值卷積層；步驟c，使用一個轉(zhuǎn)置復(fù)值卷積層對特征值分別進(jìn)行四次上采樣，得到預(yù)測的全息圖，其中每個上采樣模塊與相同通道數(shù)的下采樣模塊之間都包含跳躍連接。

4、該方法在相位預(yù)測階段使用復(fù)值傅里葉卷積層在復(fù)振幅光場中提取雙域信息，增強(qiáng)特征提取和推理，同時大大減輕了編碼網(wǎng)絡(luò)的負(fù)擔(dān)，從而實(shí)現(xiàn)快速生成高質(zhì)量柱面全息圖。?因此，本發(fā)明可以快速生成高質(zhì)量的柱面全息圖，并且也有助于未來全息裸眼3d顯示的發(fā)展。

技術(shù)特征：

1.一種基于神經(jīng)網(wǎng)絡(luò)快速生成高質(zhì)量柱面全息圖的方法，其特征是按如下方法進(jìn)行：步驟1，將目標(biāo)圖像輸入相位預(yù)測網(wǎng)絡(luò)，獲得對應(yīng)的預(yù)測相位；步驟2，采用目標(biāo)圖像作為振幅信息，并結(jié)合預(yù)測相位進(jìn)行復(fù)值化操作，生成融合復(fù)值；步驟3，在柱面全息圖生成過程中使用柱面衍射算法，將融合復(fù)值衍射到指定深度，得到相應(yīng)的衍射信息；步驟4，將衍射信息輸入全息編碼網(wǎng)絡(luò)，生成對應(yīng)的全息圖；步驟5，在柱面全息圖重建過程中，采用與生成過程相對的逆過程的衍射算法對全息圖進(jìn)行重建，得到重建物體表面的振幅信息，所述的生成過程與逆過程的衍射算法是非對稱的；步驟6，使用損失函數(shù)計算重建物體表面振幅與目標(biāo)圖像振幅之間的振幅損失，并通過最小化損失函數(shù)的方法來訓(xùn)練相位預(yù)測網(wǎng)絡(luò)和全息編碼網(wǎng)絡(luò)。

2.根據(jù)權(quán)利要求1一種基于神經(jīng)網(wǎng)絡(luò)快速生成高質(zhì)量柱面全息圖的方法，所述的相位預(yù)測網(wǎng)絡(luò)，其特征在于：步驟a，將帶有初始相位的目標(biāo)圖像輸入預(yù)處理模塊得到復(fù)值嵌入信息，其中預(yù)處理模塊依次經(jīng)過復(fù)值傅里葉卷積層、復(fù)值歸一化層，復(fù)值激活層；步驟b，將復(fù)值嵌入信息輸入到下采樣卷積塊中，經(jīng)過三次下采樣，得到下采樣信息，其中下采樣卷積塊中包含一個復(fù)值傅里葉卷積層；步驟c，使用一個轉(zhuǎn)置復(fù)值傅里葉卷積層對特征值分別進(jìn)行三次上采樣，每個上采樣模塊與相同通道數(shù)的下采樣模塊之間都包含跳躍連接；步驟d，最終經(jīng)過一個復(fù)值卷積層得到對應(yīng)的預(yù)測相位。

3.根據(jù)權(quán)利要求1一種基于神經(jīng)網(wǎng)絡(luò)快速生成高質(zhì)量柱面全息圖的方法，所述的全息圖編碼網(wǎng)絡(luò)，其特征在于：步驟a，將融合復(fù)值作為復(fù)值卷積塊的輸入得到復(fù)值嵌入信息；步驟b，將復(fù)值嵌入信息輸入到下采樣卷積塊中，經(jīng)過四次下采樣，得到下采樣信息，其中下采樣模塊包含一個復(fù)值卷積層；步驟c，使用一個轉(zhuǎn)置復(fù)值卷積層對特征值分別進(jìn)行四次上采樣，得到預(yù)測的全息圖，其中每個上采樣模塊與相同通道數(shù)的下采樣模塊之間都包含跳躍連接。

4.根據(jù)權(quán)利要求2所述的相位預(yù)測網(wǎng)絡(luò)中所述的復(fù)值傅里葉卷積層，其特征在于包含實(shí)部和虛部兩個處理分支，每個分支分別包含一個卷積層和一個傅里葉卷積層。

技術(shù)總結(jié)
本發(fā)明提出一種基于神經(jīng)網(wǎng)絡(luò)快速生成高質(zhì)量柱面全息圖的方法，提供一種帶有復(fù)值傅里葉卷積層的網(wǎng)絡(luò)來提高生成柱面全息圖的質(zhì)量。在生成柱面全息圖的過程中，目標(biāo)圖片會先經(jīng)過相位預(yù)測網(wǎng)絡(luò)得到一個初始相位，再經(jīng)過全息編碼網(wǎng)絡(luò)得到對應(yīng)的全息圖。相比于其他柱面全息圖生成方法，本方法得到的全息圖質(zhì)量更高。本方法有助于未來全息裸眼3D顯示的發(fā)展。

技術(shù)研發(fā)人員：王君,亓?xí)a然,周杰,于廣威
受保護(hù)的技術(shù)使用者：四川大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10