[发明专利]一种基于深度前馈神经网络的数字全息图生成系统及方法

权利要求书

1.一种基于深度前馈神经网络的数字全息图生成方法，其特征在于，包括：

1)构建前馈神经网络，包含输入层、隐含层和输出层；

2)构建四层全连接神经网络，包含一个输入层、两个隐含层和一个输出层，使用相应数据进行训练，得到训练完毕的全连接神经网络；

3)以步骤1)构建前馈神经网络的输出作为步骤2)所得全连接神经网络的输入，对两个网络进行拼接，形成深度前馈神经网络；使用深度前馈神经网络生成点云物体的数字全息图。

2.根据权利要求1所述的一种基于深度前馈神经网络的数字全息图生成方法，其特征在于，还包括以下步骤：

4)对步骤3)得到的数字全息图进行再现，得到再现像。

3.根据权利要求1所述的一种基于深度前馈神经网络的数字全息图生成方法，其特征在于，步骤1)中根据前馈神经网络结构对点源法计算全息图的基本计算公式进行网络化设计，得到三层自定义的前馈神经网络；

步骤1)所述点源法计算全息图的基本计算公式如式(5)所示：

其中，r_p为物光点p到全息面采样点(x_h,y_h)的距离，r_p计算公式如式(2)所示：

采用自定义前馈神经网络对公式(2)进行网络化设计；以(x_p,y_p,z_p)为网络输入，(x_h,y_h)为网络参数，神经元激活函数采用自定义激活函数，为输出，构建自定义前馈神经网络。

4.根据权利要求3所述的一种基于深度前馈神经网络的数字全息图生成方法，其特征在于，前馈神经网络中输入层和隐含层之间所有连接的权重均为1，偏置自上而下分别为-x_h，-y_h和0，隐含层激活函数为自定义求平方函数；隐含层和输出层之间所有连接的权重均为1，偏置均为0，输出层激活函数为自定义取小数函数；(x_h,y_h)为全息面上采样点坐标。

5.根据权利要求1所述的一种基于深度前馈神经网络的数字全息图生成方法，其特征在于，步骤2)具体包括如下步骤：

21)构建四层全连接神经网络，用于学习余弦函数运算规律；所述余弦函数为公式(5)中的余弦函数部分，记为

22)将高频余弦函数映射为单周期基频函数，映射表达式为：

其中frac()为取小数操作；所述的相应数据为神经网络训练数据，由r_p及公式(7)产生；

23)使用步骤22)中的训练数据，采用逆向传播算法对步骤21)中构建的全连接神经网络进行训练；所述神经网络的逆向传播训练方法采用均方误差的最速下降算法，调整所述全连接神经网络的网络权重和偏置；当网络输出误差达到设定值时结束网络训练，得到训练完毕的全连接神经网络。

6.根据权利要求1所述的一种基于深度前馈神经网络的数字全息图生成方法，其特征在于，步骤3)具体包括：

将步骤1)得到的自定义前馈神经网络的输出层和步骤2)得到的训练完毕的全连接神经网络的输入层合并为一层，并修改其神经元激活函数，完成两个网络的拼接，形成深度前馈神经网络。

7.根据权利要求1所述的一种基于深度前馈神经网络的数字全息图生成方法，其特征在于，步骤3)中使用深度前馈神经网络生成三维点云物体的数字全息图，具体过程为：以点云物体的三维坐标(x_p,y_p,z_p)为深度前馈神经网络的输入，网络的输出为该物光点在全息面采样点(x_h,y_h)处的基元全息图，叠加所有物光点在(x_h,y_h)处的基元全息图，得到点云物体在(x_h,y_h)处的全息图；遍历全息面所有采样点，得到点云物体的数字全息图。