-
公开(公告)号：CN114895542A
公开(公告)日：2022-08-12
申请号：CN202210452445.8
申请日：2022-04-27
Applicant: 安徽大学
IPC: G03H1/08
Abstract: 本发明提供一种三维计算全息图非迭代快速生成方法，包括：将待处理三维物体沿深度方向分成相互平行且等间距的若干个平面层；将各个平面层的二维图像振幅与事先生成的满支撑优化菲涅尔随机相位相结合，生成各个平面层的初始相位全息图；将各个平面层的初始相位全息图与可编程菲涅尔透镜的相位进行叠加，得到各个平面层的最终相位全息图；将各个平面层的最终相位全息图进行叠加，得到待处理三维物体的计算全息图。本发明不需要为三维物体分层后的每个平面层的二维图像单独生成FS‑OFRAP，大大提高了三维计算全息图的生成速度，也有效保证了三维计算全息图的重建质量。
-
公开(公告)号：CN116437111A
公开(公告)日：2023-07-14
申请号：CN202310413209.X
申请日：2023-04-12
Applicant: 安徽大学
IPC: H04N19/597 , H04N19/186
Abstract: 本发明的一种针对高维信号的相干快照压缩成像方法、存储介质及设备，所述方法包括以下步骤，S1、针对相干光照明场景的空‑时光场传播，通过将空间光调制器生成的复合相位掩膜对空‑时光场进行调制；S2、在探测器平面叠加记录，实现能够由单次曝光得到的空‑时光场压缩调制产生的单幅全息图；S3、将全息图发送至接收端，利用现有的重构算法重建原始信号以实现相干快照压缩成像。本发明中将快照压缩感知引入相干光照明场景，在相干光照明场合下应用快照压缩感知理论，实现了以二维测量值捕获高维数据，提高了采集速度，降低了对物理传感器的要求，仿真结果表明，在针对自稀疏3D空‑时光场的重构时，本发明在各项指标上都取得了较好结果。
-
公开(公告)号：CN115016237A
公开(公告)日：2022-09-06
申请号：CN202210452434.X
申请日：2022-04-27
Applicant: 安徽大学
Abstract: 本发明提供一种基于FS‑ORAP的大尺寸全息图快速生成方法，包括：将待处理大尺寸目标图像沿横向和纵向等分成若干份，得到若干个子目标图像；将每个子目标图像的振幅与事先生成的满支撑优化随机相位结合成复振幅；对所述复振幅依次进行带宽补偿和相位补偿操作，得到每个子目标图像在不同空间位置的复振幅；对每个子目标图像在不同空间位置的复振幅进行2DFFT运算，得到每个子目标图像的子子全息图；利用空间移位操作得到每个子目标图像的子全息图；将所有子全息图进行叠加，得到待处理大尺寸图像的完整全息图。本发明有效提高了数据处理速度，大大节省了大尺寸全息图的生成时间，同时保证了大尺寸全息图的生成质量。
-
公开(公告)号：CN116735010A
公开(公告)日：2023-09-12
申请号：CN202310492462.9
申请日：2023-04-28
Applicant: 安徽大学
IPC: G01J9/00
Abstract: 本发明的一种基于压缩支撑估计的3D多平面相位恢复算法、介质及设备，包括以下步骤，首先利用压缩支撑估计算法(CSD)从单幅衍射强度自适应估计各平面的区域支撑，无需预定义先验知识；然后，CSD‑MIPR‑HIO算法引入HIO循环作为限制条件，通过调整第P个平面的约束条件来改善相位恢复的性能；在迭代过程中，各平面透射函数分别受到傅里叶域的模量约束和目标区域的支撑约束，最终快速收敛到对象的真实分布。本发明提出的方法打破了传统3D多平面相位恢复对先验条件的局限性，并在噪声环境中表现出较高的鲁棒性，数值和光学实验结果均表明CSD‑MIPR‑HIO方法的可行性、优越性和面向噪声的鲁棒性。
-
公开(公告)号：CN115713571A
公开(公告)日：2023-02-24
申请号：CN202211441107.0
申请日：2022-11-17
Applicant: 安徽大学
Abstract: 本发明的一种无双约束的双域优化随机相位全息图生成方法及存储介质，其方法包括首先，可以在对偶域(空间域或傅里叶域)中生成优化的随机相位，可用于非迭代生成不同目标图像对应的全息图；其次，在空间域松弛图像支撑约束用于图像空间具有任意支撑目标图像的全息图生成；最后，对于不同窗口大小目标图像，引入裁块操作，裁取相应大小的DD‑ORAP用于快速生成CGH。本发明提出的TCF‑DD‑ORAP方法突破了原有ORAP方法在CGH生成方面面临的固定支撑和窗口尺寸的双重限制，大大节省了计算成本，提高了CGH生成方式的灵活性。本发明可以通过在对偶域中生成的单幅TCF‑DD‑ORAP，用于非迭代生成具有非固定支撑与窗口的目标物体的纯相位全息图，具有由一生全的高度灵活性。
-
Patent Agency Ranking
公开(公告)号：CN115016237B
公开(公告)日：2024-03-29
申请号：CN202210452434.X
申请日：2022-04-27
Applicant: 安徽大学
Abstract: 本发明提供一种基于FS‑ORAP的大尺寸全息图快速生成方法，包括：将待处理大尺寸目标图像沿横向和纵向等分成若干份，得到若干个子目标图像；将每个子目标图像的振幅与事先生成的满支撑优化随机相位结合成复振幅；对所述复振幅依次进行带宽补偿和相位补偿操作，得到每个子目标图像在不同空间位置的复振幅；对每个子目标图像在不同空间位置的复振幅进行2DFFT运算，得到每个子目标图像的子子全息图；利用空间移位操作得到每个子目标图像的子全息图；将所有子全息图进行叠加，得到待处理大尺寸图像的完整全息图。本发明有效提高了数据处理速度，大大节省了大尺寸全息图的生成时间，同时保证了大尺寸全息图的生成质量。
-
公开(公告)号：CN117237187A
公开(公告)日：2023-12-15
申请号：CN202311103606.3
申请日：2023-08-30
Applicant: 安徽大学
Abstract: 本发明涉及一种基于无训练网络的复振幅光场超分辨率成像方法及装置。该方法包括：通过低分辨率探测器，获取待测复振幅样本在光场传播过程中的低分辨率衍射图；将低分辨率衍射图作为预先建立的无训练深度神经网络模型的网络驱动；将随机张量输入预先建立的无训练深度神经网络模型中，生成估计振幅、估计相位和估计像差，根据估计相位和估计像差模拟生成第二估计相位，并根据估计振幅和第二估计相位生成估计衍射图；根据估计衍射图和低分辨率衍射图的相互作用不断优化网络权重和偏差因子，直到同时输出重构振幅、重构相位和重构像差。以此方式，可以实现在较短的时间内以随机输入和无训练网络框架完成高质量超分辨率重建。
-
-
公开(公告)号：CN114967398B
公开(公告)日：2024-05-31
申请号：CN202210532716.0
申请日：2022-05-13
Applicant: 安徽大学
IPC: G03H1/08 , G06T7/168 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明的一种基于深度学习的大尺寸二维计算全息图实时生成方法，包括利用分解法消除大尺寸图像的不同图像块之间的数据依赖性，之后利用带宽补偿和空间位移补偿来确保不同图像块在全息平面中的正确映射；在消除了图像块之间的数据依赖性后，利用深度学习中U‑net架构通过非迭代生成经过补偿后得到图像块对应的子子全息图，再利用空间移位将同一图像块在不同空间位置生成的子子全息图合成为一幅子全息图；最后将不同图像块对应的子全息图进行复振幅叠加并提取相位得到最终全息图。本发明利用到的分解方法与深度学习训练网络是转而处理子数据，大大提高了全息图的生成速度与生成质量，实现了大尺寸二维计算全息图的实时生成。
-
公开(公告)号：CN116430583A
公开(公告)日：2023-07-14
申请号：CN202310416699.9
申请日：2023-04-13
Applicant: 安徽大学
Abstract: 本发明的一种基于预测神经网络的消色差超透镜设计方法及存储介质，包括首先根据叠加补偿相位后的目标相位，确定不同波长和超透镜不同位置处的相位；随后，根据设计的工作波长，选定纳米柱结构的材料和形状，构建基本纳米结构的数据对作为数据集，通过预测神经网络的训练，完成以预测宽带波长的相位；最后，利用预测神经网络扩展后的数据库应用于混合粒子群‑遗传算法，将挑选宽带超透镜上不同位置处的纳米柱，得出超透镜整体纳米结构布局，完成宽带超透镜的设计。本方法缩短了宽带超透镜设计过程的时间，节约了设计过程的计算资源，有效地完成宽带消色差超透镜的设计。同时结合了智能优化算法，提高了设计效率和灵活性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.032 seconds)
