[發明專利]一種基于深度前饋神經網絡的數字全息圖生成系統及方法

在審

• 申請號: 202010983019.8
• 申請日: 2020-09-17
• 公開（公告）號: CN112085841A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 劉靜;馬超群;蔣曉瑜;李劉鵬;蘇立玉;黃開宇
• 申請（專利權）人: 西安交通大學
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06T15/50;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 姚詠華

1.一種基于深度前饋神經網絡的數字全息圖生成方法，其特征在于，包括：

1)構建前饋神經網絡，包含輸入層、隱含層和輸出層；

2)構建四層全連接神經網絡，包含一個輸入層、兩個隱含層和一個輸出層，使用相應數據進行訓練，得到訓練完畢的全連接神經網絡；

3)以步驟1)構建前饋神經網絡的輸出作為步驟2)所得全連接神經網絡的輸入，對兩個網絡進行拼接，形成深度前饋神經網絡；使用深度前饋神經網絡生成點云物體的數字全息圖。

2.根據權利要求1所述的一種基于深度前饋神經網絡的數字全息圖生成方法，其特征在于，還包括以下步驟：

4)對步驟3)得到的數字全息圖進行再現，得到再現像。

3.根據權利要求1所述的一種基于深度前饋神經網絡的數字全息圖生成方法，其特征在于，步驟1)中根據前饋神經網絡結構對點源法計算全息圖的基本計算公式進行網絡化設計，得到三層自定義的前饋神經網絡；

步驟1)所述點源法計算全息圖的基本計算公式如式(5)所示：

其中，r_p為物光點p到全息面采樣點(x_h,y_h)的距離，r_p計算公式如式(2)所示：

采用自定義前饋神經網絡對公式(2)進行網絡化設計；以(x_p,y_p,z_p)為網絡輸入，(x_h,y_h)為網絡參數，神經元激活函數采用自定義激活函數，為輸出，構建自定義前饋神經網絡。

4.根據權利要求3所述的一種基于深度前饋神經網絡的數字全息圖生成方法，其特征在于，前饋神經網絡中輸入層和隱含層之間所有連接的權重均為1，偏置自上而下分別為-x_h，-y_h和0，隱含層激活函數為自定義求平方函數；隱含層和輸出層之間所有連接的權重均為1，偏置均為0，輸出層激活函數為自定義取小數函數；(x_h,y_h)為全息面上采樣點坐標。

5.根據權利要求1所述的一種基于深度前饋神經網絡的數字全息圖生成方法，其特征在于，步驟2)具體包括如下步驟：

21)構建四層全連接神經網絡，用于學習余弦函數運算規律；所述余弦函數為公式(5)中的余弦函數部分，記為

22)將高頻余弦函數映射為單周期基頻函數，映射表達式為：

其中frac()為取小數操作；所述的相應數據為神經網絡訓練數據，由r_p及公式(7)產生；

23)使用步驟22)中的訓練數據，采用逆向傳播算法對步驟21)中構建的全連接神經網絡進行訓練；所述神經網絡的逆向傳播訓練方法采用均方誤差的最速下降算法，調整所述全連接神經網絡的網絡權重和偏置；當網絡輸出誤差達到設定值時結束網絡訓練，得到訓練完畢的全連接神經網絡。

6.根據權利要求1所述的一種基于深度前饋神經網絡的數字全息圖生成方法，其特征在于，步驟3)具體包括：

將步驟1)得到的自定義前饋神經網絡的輸出層和步驟2)得到的訓練完畢的全連接神經網絡的輸入層合并為一層，并修改其神經元激活函數，完成兩個網絡的拼接，形成深度前饋神經網絡。

7.根據權利要求1所述的一種基于深度前饋神經網絡的數字全息圖生成方法，其特征在于，步驟3)中使用深度前饋神經網絡生成三維點云物體的數字全息圖，具體過程為：以點云物體的三維坐標(x_p,y_p,z_p)為深度前饋神經網絡的輸入，網絡的輸出為該物光點在全息面采樣點(x_h,y_h)處的基元全息圖，疊加所有物光點在(x_h,y_h)處的基元全息圖，得到點云物體在(x_h,y_h)處的全息圖；遍歷全息面所有采樣點，得到點云物體的數字全息圖。