买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：一种基于深度学习和角谱法的全息图生成方法，它属于深度学习与数字全息技术领域。本发明解决了现有训练数据集获取方法存在的获取数据耗时长、成本高、难以保证获取数据的质量，以及基于现有深度学习方法输出的去噪后全息图获得的再现像的质量差的问题。本发明提出了HG‑Net网络结构，通过随机的调整斑点的密度和斑点的大小，将多个输入强度分布及其通过ASM传播得到的全息图作为训练数据集，以此来提高训练数据集的复杂度。利用训练数据集来训练HG‑Net网络，可以提高模型的泛化性。将HG‑Net网络输出的实部全息图和虚部全息图进行组合，获得生成的全息图，再基于生成的全息图进行数值和光学重建。本发明方法可以应用于全息图生成。

主权项：1.一种基于深度学习和角谱法的全息图生成方法，其特征在于，所述方法具体包括以下步骤：步骤一、随机生成斑点密度和斑点大小不同的各张斑点图像；步骤二、将步骤一中生成的各张斑点图像分别作为角谱法的输入，模拟角谱法传播的过程得到各张复振幅全息图；分别对每张复振幅全息图进行实部和虚部的提取，得到每张复振幅全息图对应的实部全息图和虚部全息图；将各张复振幅全息图对应的实部全息图作为实部全息图训练数据集的输入，将各张复振幅全息图对应的虚部全息图作为虚部全息图训练数据集的输入；步骤三、根据步骤二中的各张复振幅全息图和步骤一中的各张斑点图像得到各张去除斑点噪声的复振幅全息图，分别对每张去除斑点噪声的复振幅全息图进行实部和虚部的提取，得到每张去除斑点噪声的复振幅全息图对应的实部全息图和虚部全息图；将各张去除斑点噪声的复振幅全息图对应的实部全息图作为实部全息图训练数据集的标签，将各张去除斑点噪声的复振幅全息图对应的虚部全息图作为虚部全息图训练数据集的标签；步骤四、构建第一HG-Net网络和第二HG-Net网络，利用实部全息图训练数据集的输入和标签对第一HG-Net网络进行训练，利用虚部全息图训练数据集的输入和标签对第二HG-Net网络进行训练；步骤五、对待去除散斑噪声的数字全息图进行实部和虚部的提取，得到提取出的实部全息图I1和虚部全息图I2；将实部全息图I1作为训练好的第一HG-Net网络的输入，将第一HG-Net网络输出的实部全息图记为I3，将虚部全息图I2作为训练好的第二HG-Net网络的输入，将第二HG-Net网络输出的虚部全息图记为I4；步骤六、将实部全息图I3与虚部全息图I4进行组合，得到组合后的复振幅全息图。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于深度学习和角谱法的全息图生成方法