[发明专利]一种基于深度学习的数字全息图像重建方法

权利要求书

1.一种基于深度学习的数字全息图像重建方法，其特征在于：包括如下步骤：

S1、对于原始图像进行收集，接着对于原始图像进行采样；

S2、采样完成后丢弃部分数据，进行压缩；

S3、压缩完成后进行数据传输，并且传输到所需播放的下位机；

S4、下位机对于数据传输到的压缩包进行解压缩；

S5、压缩完成后进行图像恢复，并将其进行显示。

2.根据权利要求1所述的一种基于深度学习的数字全息图像重建方法，其特征在于，所述步骤S1中用光电图像传感器记录全息图，对于瞬时状态进行运动记录；

用u(x、y)和r(x、y)分别表示全息图平面上的物光波和参考波分布，则全息图强度表示为：

h(x、y)＝|u(x、y)r(x、y)|²＝U1+U2+U3+U4；

此过程为记录过程，U1和U2为第一、二象限，U3为原始像，U4为共轭像。

3.根据权利要求1所述的一种基于深度学习的数字全息图像重建方法，其特征在于，所述步骤S1中引入计算机技术，利用计算机的数值计算来模拟物波模型函数和光学干涉函数；

通过数据采集卡经A/D转换和量化后处理。

4.根据权利要求1所述的一种基于深度学习的数字全息图像重建方法，其特征在于，所述步骤S1中对于采样后的数据设定为K，并且与数据库N的数据进行对比，其中N》K。

5.根据权利要求1所述的一种基于深度学习的数字全息图像重建方法，其特征在于，所述步骤S2中数据丢弃N-K的数据，并且进行压缩加密，保证数据的安全性。

6.根据权利要求1所述的一种基于深度学习的数字全息图像重建方法，其特征在于，所述步骤S3中数据传输到云端，并且进行备份，接着通过灵活高效的加密机制保护用户数据的机密性，针对加密数据难以检索的问题部署了密文检索方法，为保证用户数据的完整性，用户根据自己的秘密信息，以挑战应答模式发起连续的验证请求，根据返回有限结果可以判断远程海量信息的存在性及正确性，平台能够较好地保证数据的机密性与完整性，并具有良好的可用性和可扩展性。

7.根据权利要求1所述的一种基于深度学习的数字全息图像重建方法，其特征在于，所述步骤S4中下位机将数据进行解压，并且进行可以直接得到记录物体再现像的复振幅分布，物体的表面亮度和轮廓分布都可通过复振幅得到，因而可方便地用于实现多种定量测量；，采用计算机数字再现，可方便地对所记录的数字全息图进行图像处理，减少或消除在全息图记录过程中的噪声因素的影响。

8.根据权利要求1所述的一种基于深度学习的数字全息图像重建方法，其特征在于，所述步骤S5中图像重构时采用TwIST算法简单，收敛速度快，尤其对模糊图像重构效果明显，且此算法已经用来重构全息图像并且取得很好的重构效果。

9.根据权利要求8所述的一种基于深度学习的数字全息图像重建方法，其特征在于，所述步骤S5中对于图像进行播放，并对于模糊图像进行记录，便于后期补正。

10.根据权利要求4所述的一种基于深度学习的数字全息图像重建方法，其特征在于，所述步骤S1中数据库对于数据库进行网络更新，对于数据库进行更新中，同时将新加入的数据再次加入，从而扩大数据库，便于后期压缩的存储空间降低。