买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江鼎立实业有限公司申请的专利基于深度学习的双模态数字全息成像方法、系统和存储器获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118981152B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411471803.5，技术领域涉及：G03H1/12；该发明授权基于深度学习的双模态数字全息成像方法、系统和存储器是由李密龙;张万斌;邢伟勇;刘勇灿;胡江南设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本基于深度学习的双模态数字全息成像方法、系统和存储器在说明书摘要公布了：本发明涉及全息成像技术领域，尤其是一种基于深度学习的双模态数字全息成像方法、系统和存储器。本发明提出的一种基于深度学习的双模态数字全息成像方法，包括构建输入为重建图像，输出为还原图像的图像还原网络模型，图像还原网络模型与光源一一对应；对双光束干涉全息图像进行选频处理，输出频率分别与两路光源对应的选频图像，两路选频图像经过角谱重建后输入对应的图像还原模型；将两个图像还原模型输出的还原图像进行像素叠加并归一化，得到融合还原图像。本发明通过选频处理和深度学习结合，有效地消除了层间串扰和伪噪声，而且直观地展示了高保真成像性能，且实现了更高的图像分辨率。

本发明授权基于深度学习的双模态数字全息成像方法、系统和存储器在权利要求书中公布了：1.一种基于深度学习的双模态数字全息成像方法，其特征在于，包括以下步骤： S1、构建输入为重建图像，输出为还原图像的图像还原网络模型，图像还原网络模型与光源一一对应； S2、对双光束干涉全息图像进行选频处理，输出频率分别与两路光源对应的选频图像，两路选频图像输入对应的图像还原模型； S3、将两个图像还原模型输出的还原图像进行像素叠加并归一化，得到融合还原图像； 步骤S2中通过光学系统采集双光束干涉全息图像；光学系统包括：第一光路、第二光路和干涉光路； 第一光路包括沿光传播方向设置的：电光源、准直透镜、透镜和第一显微物镜； 第二光路包括沿光传播方向设置的：激光器、光束扩散器、第二显微物镜和相移模块； 第一光路和第二光路交叉位置为检测位置，检测位置用于放置检测目标；第一光路上，检测位置位于透镜和第一显微物镜之间；第二光路上，检测位置位于光束扩散器和第二显微物镜之间； 干涉光路包括：分束器、空间光调制器和电耦合器件； 第一显微物镜的出射光和相移模块的出射光经分束器合束后传输给空间光调制器，空间光调制器的出射光由电耦合器件采集生成全息图； 电光源和激光器均启动时，电耦合器件采集生成的全息图即为S2的双光束干涉全息图像； 两路图像还原网络模型的训练方法包括以下步骤： S11、在检测位置放置检测目标，获取两路光源对应的训练集；一路光源训练集的获取方式为：启动该路光源并关闭另一路光源，令SLM加载掩膜时，CCD采集的全息图经角谱衍射后的图像作为重建图像；令SLM替换为反射镜时，CCD采集的图像作为真实图像；调整电光源出光角度，生成多组样本{重建图像，真实图像}构成该路光源的训练集； S12、在对应的训练集上分别训练两路图像还原网络模型； S13、当两路图像还原网络模型的迭代次数均达到设定阈值的整数倍，则计算总体损失函数L total ； 如果总体损失函数L total 收敛，则固定两路图像还原网络模型；反之，则返回步骤S12； 总体损失函数为： L total =L'1+L'2L'1L'2； 其中，L'1表示电光源对应的图像还原网络模型的损失函数，L'2表示激光器对应的图像还原网络模型的损失函数； 或者，L'2表示电光源对应的图像还原网络模型的损失函数，L'1表示激光器对应的图像还原网络模型的损失函数； 图像还原网络模型的损失函数为均方差损失和谱范数正则项之和；图像还原网络模型训练过程中以最小化损失函数的期望为优化目标，以迭代图像还原网络模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江鼎立实业有限公司，其通讯地址为：321400 浙江省丽水市缙云县五云镇鼎立路28号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。