(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211174975.7 (22)申请日 2022.09.26 (71)申请人 福建盘盛信息光学有限公司 地址 350108 福建省福州市高新区科技 东 路3号创新园一期10号楼5层A- 501室 (72)发明人 郝建颖　谭小地　林枭　任宇红　 (74)专利代理 机构 天津盈佳知识产权代理事务 所(特殊普通 合伙) 12224 专利代理师 孙宝芸 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G02B 27/28(2006.01) (54)发明名称 非干涉、 非迭代式复振幅读取方法和装置 (57)摘要 本发明公开了非干涉、 非迭代式复振幅读取 方法和装置， 所述读取方法包括步骤： 将包含振 幅信息和相位信息的光束进行衍射， 得到强度图 像为具有光强变化的衍射图案； 通过衍射图案与 振幅信息和相位信息的相关关系， 构建衍射强 度‑复振幅模型并训练， 对于新的衍射图像直接 应用训练后的模 型获得振幅信息和相位信息； 能 够基于单幅衍射图像实现从强度图像中检出包 括振幅和相位的复振幅信息， 能够提高相位读取 结果的稳定性和精确性， 提高计算速度， 且能够 简化光学系统， 适用于全息存储、 生物医学图像 处理、 显微成像等领域。 权利要求书2页 说明书11页 附图5页 CN 115482225 A 2022.12.16 CN 115482225 A 1.非干涉、 非迭代式复振幅读取 方法， 其特 征在于， 包括以下步骤： 步骤S01， 将包含振幅信息和相位信 息的光束进行衍射， 得到强度图像为具有光强变化 的衍射图案； 步骤S02， 通过所述衍射图案与所述振幅信息和所述相位信 息的相关关系， 构建衍射强 度‑复振幅模型并训练， 对于新的衍射图样 应用所述衍射 强度‑复振幅模型直接获得所述振 幅信息和所述相位信息 。 2.根据权利要求1所述的非干涉、 非迭代式复振幅读取 方法， 其特 征在于， 在步骤S02中， 通过多个输入和多个输出的对应关系进行学习训练， 确立所述衍射强 度‑复振幅模型的所述神经网络模型参数。 3.根据权利要求1所述的非干涉、 非迭代式复振幅读取 方法， 其特 征在于， 在步骤S01中， 包括以下步骤： 步骤S11， 实验图像生成： 生成n幅不同模式的振幅A图像和相位P图像， n≥1， n为正整 数； 步骤S12， 实验图像拍摄： 利用包含所述振幅A图像和所述相位P图像的复振幅图像数据 集C对光束 进行振幅和相位调制， 并拍摄对应振幅和相位调制下的衍 射强度图像I； 在步骤S02中， 包括以下步骤： 步骤S21， 数据集准备： 将所述衍射强度图像I与所述复振幅图像数据集C组成数据集 DIC， 将所述数据集DIC划分为互斥的神经网络训练数据集TIC和验证数据集VIC， 分别用于进行 神经网络模型CN N的训练和验证； 步骤S22， 模型搭建： 建立与所述神经网络模型CN N一致的所述 衍射强度‑复振幅模型。 4.根据权利要求3所述的非干涉、 非迭代式复振幅读取 方法， 其特 征在于， 在步骤S2 2后， 还包括以下步骤： 步骤S221， 模型优化： 设定所述神经网络模型CNN的损失函数L， 通过所述神经网络训练 数据集TIC训练所述神经网络模型CN N的参数， 直至所述损失函数L收敛。 5.根据权利要求 4所述的非干涉、 非迭代式复振幅读取 方法， 其特 征在于， 在步骤S2 21后， 还包括以下步骤： 步骤S222， 模型验证： 通过所述验证数据集VIC验证所述神经网络模型CNN的模型泛化性 能， 获得泛化的所述神经网络模型CN N。 6.根据权利要求3 ‑5中任一项所述的非干涉、 非迭代式复振幅读取 方法， 其特 征在于， 在步骤S02中， 步骤S2 2之后， 获得 所述振幅信息和所述相位信息时， 包括以下步骤： 步骤S23， 模型应用： 将新的所述衍射强度图像输入训练和验证后的所述神经网络模型 CNN， 输出所述振幅A图像和所述相位P图像。 7.根据权利要求3 ‑5中任一项所述的非干涉、 非迭代式复振幅读取 方法， 其特 征在于， 在步骤S11中， 所述振幅A图像和所述相位P图像为随机编码振幅图像(a)与相位图像 (b)， 或者所述振幅A图像和所述相位P图像为自然视 觉图像。 8.根据权利要求3 ‑5中任一项所述的非干涉、 非迭代式复振幅读取 方法， 其特 征在于， 在步骤S22中， 所述神经网络模型CNN采用基于与物理光学衍射模型结合的无监督神经 网络模型结构， 或者， 所述神经网络模型CNN采用基于数据驱动的端到端神经网络模型结 构， 或者， 所述神经网络模 型CNN包括 强度‑振幅神经网络模 型CNN1和强度 ‑相位神经网络模权　利　要　求　书 1/2 页 2 CN 115482225 A 2型CNN2， 分别用于恢复所述复振幅图像的所述振幅A图像和所述相位P图像， 或者， 所述神经 网络模型CNN设定为所述衍射强度图像单输入、 所述振幅A图像和所述相位P图像双输出的 强度‑振幅‑相位神经网络模型CN N_12。 9.非干涉、 非迭代式复振幅读取装置， 用于实现如权利要求1 ‑8中任一项所述的非干 涉、 非迭代式复振幅读取方法， 所述读取装置包括光学系统和电子 设备， 所述光学系统包括 沿入射光束传播方向依次设置的激光器、 光束平行组件、 第一1/2波片、 光阑、 第一成像组 件、 第一偏振器和透射 ‑反射式的第一分束器； 所述第一分束器的透射光束传播方向上设置 有振幅空间光调制器， 所述第一分束器的反射光束传播方向上依 次设置第二偏振器、 第二 成像组件、 第二1/2波片和 透射‑反射式的第二分束器； 所述第二分束器的透射光束传播方 向上设置有相位空间光调制器， 所述第二分束器的反射光束传播方向上依次设置第三成像 组件和光电探测器； 所述电子设备包括一个或多个处理器及存储器， 所述存储器上存储有 一个或多个计算机程序， 当所述一个或多个处理器接收光电探测器拍摄的所述衍射图案并 执行所述一个或多个计算机程序时， 实现如权利要求 1‑8中任一项 所述的非干涉、 非迭代式 复振幅读取 方法步骤。 10.根据权利要求9所述的非干涉、 非迭代式复振幅读取装置， 其特征在于， 所述光束平 行组件包括沿所述入射 光束传播方向依次设置的针孔滤波器和准 直透镜。权　利　要　求　书 2/2 页 3 CN 115482225 A 3