[发明专利]基于随机梯度下降优化算法的球面全息再现质量提升方法

说明书

本发明提出一种基于随机梯度下降优化算法的球面全息再现质量提升方法。该方法包括全息图生成和全息图重建两个部分。该方法的生成过程中，首先利用本发明提出的球面遮挡剔除衍射算法，将随机初始化的全息图进行重建，并计算与目标图像之间的损失值，再得到其梯度，根据反向传播公式，对全息图进行更新，将更新的全息图重复上述操作，满足设定的阈值，最终得到优化之后的全息图；相比传统的球面自衍射迭代方法，本发明方法获得全息图可以重建更高质量的图像，通过随机梯度下降方法，其收敛的峰值信噪比远远高于传统的自衍射方法，能够在球面360°显示中具有良好的应用前景。

技术领域

本发明涉及一种全息显示技术，特别是球面全息再现质量提升方法。

背景技术

全息显示作为一种最理想的真三维显示技术，一直受到极大的关注。然而，当前平面型全息图受限于空间光调制器过大的像素尺寸，无法重建出足够大的视场角，观看者只能在一个狭小的角度范围内观看全息再现图像。为了能够让观看者在不同方向上看到全息再现图像，研究者提出球面型全息图。可是在当前的球面全息生成算法中，其再现质量却不令人满意。相比平面型全息图中已有的大量再现质量提升算法，球面全息再现质量提升方法并未广泛研究。因此，针对球面全息的质量提升问题，仍有很大的研究潜力。

发明内容

本方法针对上述球面全息再现质量低下的问题，提出了一种基于随机梯度下降优化算法的球面全息再现质量提升方法。所提出的方法将球面全息图生成过程当做一个优化过程，利用随机梯度下降进行全息图优化，是一种新颖的球面全息图质量提升算法，并结合遮挡剔除方法，抑制球面再现时的重影现象。相比传统的质量提升方法，该方法得到的球面全息图，能够重建出无散斑噪声的高质量图像。

所述的球面全息再现提升方法流程如图1所示，该过程具体分为六个步骤：①初始化一个随机相位作为球面全息图Ho，②将该初始化的球面全息图Ho利用球面衍射算法进行重建，获得再现图像Ur，③将再现图像Ur与目标图像Uo进行损失函数的计算，④将计算的损失进行梯度的计算，并进行反向传播，更新全息图的相位，⑤将更新后的全息图Hi再一次重建，重复③-④操作，进行优化，⑥满足设定优化次数或者得到满意的重建质量时，获得最终的全息图。重建过程分为两个步骤，①加载全息图，②接收全息重建图像。

所述的初始化一个随机相位作为球面全息图Ho是指利用随机函数生成一个随机的0-2π范围内的相位分布，作为初始的球面全息图Ho。

所述的将该初始化的球面全息图Ho利用球面衍射算法进行重建，获得再现图像Ur是指将球面全息图Ho利用球面衍射算法进行重建，其中，球面衍射算法采用遮挡剔除的球面卷积算法，表示为Ur(θd,φd)=IFFT[FFT(Us((θs,φs)))⨉FFT(h’)]，Us为源场复振幅，Ur为衍射场复振幅，θ和φ分别表示为俯仰角和偏航角，遮挡剔除关系如图2所示，对点扩散函数h=exp(jkd)/(jkd)cosa进行限制，其中j为虚数单位，k为波矢，cosa为倾斜因子，d为源点和目标点之间的距离, 等于sqrt(R²+r²-2R*rcos(φd-φs)cos(θd-θs))，R和r为内外球半径，对于距离d小于sqrt(R²-r²)，h’表示为h，当距离dsqrt(R²-r²)时，点扩散函数h’为0。

所述的将再现图像Ur与目标图像Uo进行损失函数的计算是指将重建的复振幅图像与目标图像代入损失函数中，进行计算，得到损失值loss。

所述的将计算的损失进行梯度的计算，并进行反向传播，更新全息图的相位是指将计算的loss值对全息图Ho的相位进行梯度的计算，得到其梯度Grad=∂loss/∂Ho=∂loss/∂Ur *∂Ur/∂Ho，根据反向传播公式Hi=Ho-lr*Grad，得到更新后的全息图相位Hi，其中lr为学习率。