[发明专利]一种计算全息图的生成方法及电子设备

权利要求书

1.一种计算全息图的生成方法，其特征在于，包括：

获取图像集，并生成一个初始相位图；

将所述图像集和初始相位图输入一个自编码器神经网络，对所述自编码器神经网络进行训练，得到训练后的自编码器网络；

向所述训练后自编码器网络中的编码器输入目标图像，输出得到目标图像的计算全息图。

2.根据权利要求1所述的计算全息图的生成方法，其特征在于，所述图像集中的图像从图像数据集ImageNet、DIV2K或Flickr30k中得到。

3.根据权利要求1所述的计算全息图的生成方法，其特征在于，所述自编码器神经网络由编码器和解码器组成。

4.根据权利要求3所述的计算全息图的生成方法，其特征在于，所述编码器为卷积神经网络中的Y-Net结构，由两条下采样支路和一条上采样支路构成。

5.根据权利要求3所述的计算全息图的生成方法，其特征在于，所述解码器为无可学习参数衍射模型，所述无可学习参数衍射模型为菲涅尔衍射模型、角谱衍射模型或夫琅禾费衍射模型。

6.根据权利要求5所述的计算全息图的生成方法，其特征在于，所述菲涅尔衍射模型的计算方法为一次快速傅里叶变换算法、二次快速傅里叶变换算法或三次快速傅里叶变换算法。

7.根据权利要求1所述的计算全息图的生成方法，其特征在于，所述将图像集和初始相位图输入一个自编码器神经网络，对所述自编码器神经网络进行训练，得到训练后的自编码器网络，包括：

(1)分别向自编码器神经网络的编码器输入所述图像集中的图像和所述初始相位图，编码器神经网络输出与所述图像相对应的计算全息图；

(2)将所述计算全息图输入解码器，得到与所述图像相对应的重建图像；

(3)计算所述图像与步骤(2)中的重建图像之间的损失函数；

(4)根据步骤(3)的损失函数，对所述编码器中的可学习参数进行更新；

(5)遍历所述图像集中的所有图像，重复步骤(1)-步骤(4)，直至损失函数曲线收敛或达到预设的训练次数，得到训练后的自编码器神经网络。

8.根据权利要求7所述的计算全息图的生成方法，其特征在于，在所述损失函数中添加对生成计算全息图的正则化项。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1-8中任一所述方法。

10.一种计算机可读介质，其特征在于，所述计算机存储介质存储有计算机程序，所述程序被处理器执行时实现权利要求1-8中任一所述方法。