[发明专利]一种基于深度前馈神经网络的数字全息图生成系统及方法

说明书

本发明公开一种基于深度前馈神经网络的数字全息图生成系统及方法，所述方法包括：1)构建前馈神经网络，包含输入层、隐含层和输出层；2)构建四层全连接神经网络，包含一个输入层、两个隐含层和一个输出层，使用相应数据进行训练，得到训练完毕的全连接神经网络；3)以步骤1)构建前馈神经网络的输出作为步骤2)所得全连接神经网络的输入，对两个网络进行拼接，形成深度前馈神经网络；使用深度前馈神经网络生成点云物体的数字全息图。本发明提供的方法与点源法相比，能够以更快的速度实现数字全息图的生成，无需额外的内存占用，同时可以保持点源法生成全息图的成像质量和泛化能力。

技术领域

本发明涉及数字全息技术领域，特别涉及一种基于深度前馈神经网络的数字全息图生成系统及方法。

背景技术

全息技术是一种能够记录和再现物体三维信息的显示技术。物体反射光波的振幅代表物体的亮度信息，相位体现物体的深度信息，全息图同时记录了物光波的振幅和相位信息，因此可以实现物体的三维显示。传统的全息术通过全息记录介质保存物光波和参考光波发生干涉后形成的干涉条纹，生成全息图；再使用参考光照射全息图，通过光的衍射使得物光波再现，重构三维物体。

传统全息术复杂的光路系统和繁琐的全息记录材料处理工艺限制了它的发展和应用。1967年美国科学家古德曼(J.W.Goodman)首次提出了数字全息图。数字全息是传统全息术和计算机技术结合的产物，它用计算机准确地模拟物光波和参考光波的干涉过程，生成全息图；然后通过绘图仪或专用的计算机缩微系统模拟物光波的衍射过程，进行光学再现。计算全息不仅可以全面的记录真实物光波的振幅和相位，还可以对虚拟的三维物体进行全息图的生成，其全息图生成和三维物体再现过程简单、方便，具有极大的灵活性，因而在工业领域得到了广泛的应用，例如激光处理、数字显微镜和3D显示等。

计算全息可以有效利用计算机技术和数字图像处理技术来改善全息图的质量，同时可以得到良好的三维显示效果，但是实际应用中的全息图空间带宽积往往很大，现有计算机的计算速度、存储容量等无法满足全息图的实时生成和显示，严重制约了计算全息的发展。

点源法，也叫光线追迹法，是经典的计算全息算法，它完全模拟了光学全息的物理过程，将三维物体视为空间中的点光源集合，每个点光源会与参考光在全息面相干生成基元全息图，叠加所有的基元全息图便可得到三维物体的全息图。点源法计算全息能够提供物体完整的三维信息，但是每计算全息图上的一个像素位就要遍历所有的物光点，且计算过程涉及指数运算、平方根运算等复杂的非线性运算，算法的运算量会随着物光点数目的增多急剧增加，使得全息图的生成速度极低。针对这一问题，Mark Lucent等人提出了查表法(M.Lucente,Interactive computation of holograms using a look-up table,J.Electronic Imaging2(1),28-35(1993))，将三维空间区域的所有物光点的基元全息图预先计算并存储起来，当计算一个物体的全息图时，通过相应的索引从存储的数据中调用三维物体各个物光点的基元全息图，然后线性叠加即可得到物体的全息图。查表法通过提前离线计算的方式避免了在线生成全息图过程中复杂的非线性运算，但是存储三维空间物光点的基元全息图需要占据很大的存储空间，对实际应用产生了极大的限制。

发明内容

本发明的目的在于提供一种基于深度前馈神经网络的数字全息图生成系统及方法，以大大降低点源法生成全息图的计算时间，解决现有技术存在的问题。本发明通过自定义前馈网络将点源法中的距离计算过程网络化，并训练全连接神经网络逼近点源法计算过程涉及的非线性函数，然后使用网络拼接的方式形成深度前馈神经网络。利用得到的深度前馈神经网络可以实现不同点云物体数字全息图的快速生成。

为了实现上述目的，本发明采用如下技术方案：

一种基于深度前馈神经网络的数字全息图生成方法，包括：

1)构建前馈神经网络，包含输入层、隐含层和输出层；