一种优化全息图一级再现像的方法、系统、设备及介质技术方案

本发明专利技术公开了一种优化全息图一级再现像的方法、系统、设备及介质，涉及图像处理领域，该方法包括：获取目标图像；根据目标图像确定目标图像光场；计算目标图像光场反向传播设定距离后的目标衍射场；构建U

【技术实现步骤摘要】
一种优化全息图一级再现像的方法、系统、设备及介质


[0001]本专利技术涉及图像处理领域，特别是涉及一种优化全息图一级再现像的方法、系统、设备及介质。

技术介绍

[0002]计算全息(Computer generated holography，CGH)是将计算机技术与光学全息术结合起来，可以实现光学全息术难以实现甚至无法实现的一些功能，比如控制再现物体的尺寸，或者再现一些现实中不存在的物体等。替代光学全息术中感光材料的器件主要是空间光调制器(Spatial Light Modulator，SLM)，而目前的SLM主要是相位型，只能对入射光的相位进行调制，而不能调制振幅。所以如何从衍射场信息生成对应的纯相位信息已经成为了计算全息的主要问题。传统的生成方法有基于迭代的Gerchberg
‑
Saxton(GS)算法和Wirtinger Holography(WH)算法，一步编码的Double
‑
phase Holography(DPH)算法和Stochastic Gradient Descent(SGD)算法等。
[0003]传统方法往往在再现质量和生成速度之间不可兼得。DPH算法生成速度最快，但是再现质量往往不高。而WH算法生成较高再现质量的全息图又需要很长的迭代时间。近年来，研究者将新兴的神经网络与计算全息相结合，通过网络中巨量的结点拟合衍射场与全息图之间的关系，取得了不错的效果。
[0004]这些传统的方法和神经网络生成的全息图，再现时会在衍射场中央成像。从光栅的角度分析，该像为全息图的零级再现像。由于当前SLM的衍射效率不能达到100％，所以会有一个直流分量干扰零级再现像，造成再现像的失真。解决这个问题常用的方法是引入一个模拟的闪耀光栅，将零级再现像与直流分量分离，但是由于SLM相位的不连续，导致引入的模拟闪耀光栅与真实光栅存在较大的误差。

技术实现思路

[0005]本专利技术的目的是提供一种优化全息图一级再现像的方法、系统、设备及介质，能够提高初始全息图零级再现像的质量。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种优化全息图一级再现像的方法，所述方法包括：
[0008]获取目标图像；
[0009]根据所述目标图像确定目标图像光场；
[0010]计算所述目标图像光场反向传播设定距离后的目标衍射场；
[0011]构建U
‑
Net网络模型；
[0012]将所述目标衍射场输入到训练好的U
‑
Net网络模型，得到优化后的全息图。
[0013]可选地，所述根据所述目标图像，确定目标图像光场，具体包括：
[0014]将所述目标图像中各像素点的初始相位设定为0，得到目标图像光场。
[0015]可选地，采用角谱法计算所述目标图像光场反向传播设定距离后的目标衍射场。
[0016]可选地，所述U
‑
Net网络模型的训练过程包括：
[0017]获取DIV2K数据集中的图像；
[0018]根据所述DIV2K数据集中的图像确定数据集图像光场；
[0019]计算所述数据集图像光场反向传播所述设定距离后的数据集衍射场；
[0020]将所述数据集衍射场输入所述U
‑
Net网络模型，得到数据集全息图；
[0021]将所述数据集全息图减去相位差为π的二维位相光栅后，得到初始全息图；
[0022]应用角谱法，计算所述初始全息图正向传播所述设定距离后的零级再现像；
[0023]应用L1损失函数，计算所述DIV2K数据集中的图像和对应的所述零级再现像的误差值；
[0024]根据所述误差值，应用反向传播算法，对所述U
‑
Net网络模型进行训练；
[0025]当所述误差值满足设定要求时，确定对应的U
‑
Net网络模型为训练好的U
‑
Net网络模型。
[0026]可选地，所述目标图像光场为：
[0027][0028]其中，I(x,y)为目标图像，U0(x,y)为目标图像光场。
[0029]一种优化全息图一级再现像的系统，应用于上述的优化全息图一级再现像的方法，所述系统包括：
[0030]获取模块，用于获取目标图像；
[0031]目标光场确定模块，用于根据所述目标图像，确定目标图像光场；
[0032]计算模块，用于计算所述目标图像光场反向传播设定距离后的目标衍射场；
[0033]构建模块，用于构建U
‑
Net网络模型；
[0034]优化后的全息图获取模块，用于将所述目标衍射场输入到训练好的U
‑
Net网络模型，得到优化后的全息图。
[0035]一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的优化全息图一级再现像的方法。
[0036]一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述的优化全息图一级再现像的方法。
[0037]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0038]本专利技术提供的一种优化全息图一级再现像的方法，包括：获取目标图像；根据目标图像确定目标图像光场；计算目标图像光场反向传播设定距离后的目标衍射场；构建U
‑
Net网络模型；将目标衍射场输入到训练好的U
‑
Net网络模型，得到优化后的全息图。本专利技术通过构建U
‑
Net网络模型，并对U
‑
Net网络模型进行训练优化得到训练好的U
‑
Net网络模型，从而能够使得初始全息图零级再现像的质量不断提高，最终达到优化全息图一级再现像的效果。
附图说明
[0039]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施
例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0040]图1为本专利技术提供的一种优化全息图一级再现像的方法的流程图；
[0041]图2为本专利技术提供的角谱法计算衍射场示意图；
[0042]图3为本专利技术提供的U
‑
Net的网络模型结构示意图；
[0043]图4为本专利技术提供的二维位相光栅示意图；
[0044]图5为本专利技术提供的一种优化全息图一级再现像的系统的模块图。
[0045]符号说明：
[0046]1‑
获取模块，2
‑
目标光场确定模块，3
‑
计算模块，4
‑
构建模块，5
‑
优化后的全息图获取模块，11
‑<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种优化全息图一级再现像的方法，其特征在于，所述方法包括：获取目标图像；根据所述目标图像确定目标图像光场；计算所述目标图像光场反向传播设定距离后的目标衍射场；构建U
‑
Net网络模型；将所述目标衍射场输入到训练好的U
‑
Net网络模型，得到优化后的全息图。2.根据权利要求1所述的优化全息图一级再现像的方法，其特征在于，所述根据所述目标图像确定目标图像光场，具体包括：将所述目标图像中各像素点的初始相位设定为0，得到目标图像光场。3.根据权利要求1所述的优化全息图一级再现像的方法，其特征在于，采用角谱法计算所述目标图像光场反向传播设定距离后的目标衍射场。4.根据权利要求1所述的优化全息图一级再现像的方法，其特征在于，所述U
‑
Net网络模型的训练过程包括：获取DIV2K数据集中的图像；根据所述DIV2K数据集中的图像确定数据集图像光场；计算所述数据集图像光场反向传播所述设定距离后的数据集衍射场；将所述数据集衍射场输入所述U
‑
Net网络模型，得到数据集全息图；将所述数据集全息图减去相位差为π的二维位相光栅后，得到初始全息图；应用角谱法，计算所述初始全息图正向传播所述设定距离后的零级再现像；应用L1损失函数，计算所述DIV2K数据集中的图像和对应的所述零...

【专利技术属性】
技术研发人员：闫兴鹏，刘新蕾，蒋晓瑜，汪熙，荆涛，宋橙，刘军辉，
申请(专利权)人：中国人民解放军陆军装甲兵学院，
类型：发明
国别省市：