申请/专利权人：东南大学

申请日：2021-08-17

公开（公告）日：2024-03-19

公开（公告）号：CN113658330B

主分类号：G06T17/00

分类号：G06T17/00;G06N3/0464;G06N3/084;G06T15/50

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.12.03#实质审查的生效;2021.11.16#公开

摘要：本发明公开了一种基于神经网络的全息编码方法，包括：将目标复振幅分解为两个通道的实数数据，并将该实数数据作为神经网络模型的输入；通过所述神经网络模型对所述实数数据进行处理，得到单通道全息编码结果；将获取的单通道全息编码结果加载到空间光调制器上，得到输出光；构建光学系统，并且将得到的输出光通过所述光学系统传播，最后得到单通道全息编码图恢复的目标复振幅结果。本发明生成的全息编码结果进行全息重建，重建出的全息结果具有更小的噪声，同时该方法可广泛应用于复振幅场景下的全息编码和全息重建中，为全息显示的进一步发展提供了新思路。

主权项：1.一种基于神经网络的全息编码方法，其特征在于，包括如下步骤：步骤S1、将目标复振幅分解为两个通道的实数数据，并将该实数数据作为神经网络模型的输入；步骤S2、通过所述神经网络模型对所述实数数据进行处理，得到单通道全息编码结果；步骤S3、将步骤S2中获取的单通道全息编码结果加载到空间光调制器上，得到输出光；步骤S4、构建光学系统，并且将步骤S3中得到的输出光通过所述光学系统传播，最后得到单通道全息编码图恢复的目标复振幅结果；所述将目标复振幅分解为两个通道的实数数据的方法具体包括：将目标复振幅分解为目标复振幅分布的实部与虚部、将目标复振幅分解为目标复振幅分布的振幅分布和相位分布或者分解为两个振幅分布相同，相位分布不相同的复振幅分布；所述神经网络模型具体通过如下方式训练得到：步骤S201、构建数据集，具体包括：获取若干张图像，对这些若干张图像随机两两组合，得到多个组合，并且将每组中的一张图像定义为目标振幅分布，相应的，另外一张图像定义为目标相位分布，然后再将目标振幅分布和目标相位分布合成为目标复振幅分布，得到若干张复振幅分布图像，将所述的若干张复振幅分布图像按照一定比例划分为训练集和测试集；步骤S202、构建计算模型；步骤S203、通过所述训练集训练所述计算模型。

全文数据：

权利要求：

百度查询： 东南大学 一种基于神经网络的全息编码方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD