一种基于小波域特征关联复值神经网络的全息重建方法

本发明属于同轴全息重建领域，公开了一种基于小波域特征关联复值神经网络的全息重建方法，具体为：将同轴全息图A增添相位项构建复振幅B并对其进行n级离散小波变换，将变换后的结果以及复振幅B作为复值神经网络的输入，输出物场复振幅C；接着对物场复振幅C进行噪声抑制，将抑制后的复振幅D模拟同轴全息正向传播过程生成全息图E；最后计算同轴全息图A与全息图E之间的相似度并对复振幅D的相位进行平滑总变分约束，通过复值神经网络的梯度下降优化算法实现全息重建。本发明旨在利用光学全息术中波前振幅项和相位项之间固有的耦合关系，构建复值特征关联模型划分目标物体与背景信息，保留目标特征的同时抑制噪声，实现更优异的全息重建。