[發明專利]一種基于深度學習的數字全息圖像重建方法

在審

• 申請號: 202010089732.8
• 申請日: 2020-02-13
• 公開（公告）號: CN111311493A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 王華英;董昭;王愛英;文永富;呂且妮;席思星;高亞飛;王學;張雷;郭海軍
• 申請（專利權）人: 河北工程大學;北京理工大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/00;G06T17/00
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 李興林

1.一種基于深度學習的數字全息圖像重建方法，其特征在于：包括如下步驟：

S1、對于原始圖像進行收集，接著對于原始圖像進行采樣；

S2、采樣完成后丟棄部分數據，進行壓縮；

S3、壓縮完成后進行數據傳輸，并且傳輸到所需播放的下位機；

S4、下位機對于數據傳輸到的壓縮包進行解壓縮；

S5、壓縮完成后進行圖像恢復，并將其進行顯示。

2.根據權利要求1所述的一種基于深度學習的數字全息圖像重建方法，其特征在于，所述步驟S1中用光電圖像傳感器記錄全息圖，對于瞬時狀態進行運動記錄；

用u(x、y)和r(x、y)分別表示全息圖平面上的物光波和參考波分布，則全息圖強度表示為：

h(x、y)＝|u(x、y)r(x、y)|²＝U1+U2+U3+U4；

此過程為記錄過程，U1和U2為第一、二象限，U3為原始像，U4為共軛像。

3.根據權利要求1所述的一種基于深度學習的數字全息圖像重建方法，其特征在于，所述步驟S1中引入計算機技術，利用計算機的數值計算來模擬物波模型函數和光學干涉函數；

通過數據采集卡經A/D轉換和量化后處理。

4.根據權利要求1所述的一種基于深度學習的數字全息圖像重建方法，其特征在于，所述步驟S1中對于采樣后的數據設定為K，并且與數據庫N的數據進行對比，其中N》K。

5.根據權利要求1所述的一種基于深度學習的數字全息圖像重建方法，其特征在于，所述步驟S2中數據丟棄N-K的數據，并且進行壓縮加密，保證數據的安全性。

6.根據權利要求1所述的一種基于深度學習的數字全息圖像重建方法，其特征在于，所述步驟S3中數據傳輸到云端，并且進行備份，接著通過靈活高效的加密機制保護用戶數據的機密性，針對加密數據難以檢索的問題部署了密文檢索方法，為保證用戶數據的完整性，用戶根據自己的秘密信息，以挑戰應答模式發起連續的驗證請求，根據返回有限結果可以判斷遠程海量信息的存在性及正確性，平臺能夠較好地保證數據的機密性與完整性，并具有良好的可用性和可擴展性。

7.根據權利要求1所述的一種基于深度學習的數字全息圖像重建方法，其特征在于，所述步驟S4中下位機將數據進行解壓，并且進行可以直接得到記錄物體再現像的復振幅分布，物體的表面亮度和輪廓分布都可通過復振幅得到，因而可方便地用于實現多種定量測量；，采用計算機數字再現，可方便地對所記錄的數字全息圖進行圖像處理，減少或消除在全息圖記錄過程中的噪聲因素的影響。

8.根據權利要求1所述的一種基于深度學習的數字全息圖像重建方法，其特征在于，所述步驟S5中圖像重構時采用TwIST算法簡單，收斂速度快，尤其對模糊圖像重構效果明顯，且此算法已經用來重構全息圖像并且取得很好的重構效果。

9.根據權利要求8所述的一種基于深度學習的數字全息圖像重建方法，其特征在于，所述步驟S5中對于圖像進行播放，并對于模糊圖像進行記錄，便于后期補正。

10.根據權利要求4所述的一種基于深度學習的數字全息圖像重建方法，其特征在于，所述步驟S1中數據庫對于數據庫進行網絡更新，對于數據庫進行更新中，同時將新加入的數據再次加入，從而擴大數據庫，便于后期壓縮的存儲空間降低。