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！

龙图腾网获悉广东工业大学申请的专利基于多约束优化的实-复值级联神经网络全息重建方法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：CN121187093B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511187728.4，技术领域涉及：G03H1/08；该发明授权基于多约束优化的实-复值级联神经网络全息重建方法是由邸江磊;刘晓宋;豆嘉真;唐雎;钟丽云;秦玉文设计研发完成，并于2025-08-25向国家知识产权局提交的专利申请。

本基于多约束优化的实-复值级联神经网络全息重建方法在说明书摘要公布了：本发明公开了一种基于多约束优化的实‑复值级联神经网络全息重建方法，用于解决同轴全息重建技术中因非适定逆问题产生的孪生像伪影导致重建质量下降，以及因深度学习方法的黑箱特性带来的可解释性不足等难题，本发明的全息重建方法先将全息图开方得到振幅A作为实值Net的输入，输出为全息面初始相位φ，并与A组成复振幅场Aeiφ作为复值Net的输入，输出为重建的物平面复振幅场Beiθ，对Beiθ的振幅项进行约束后采用仿真衍射传播至全息面并取相位项φ'与φ构成物理项约束，设计复域特征函数优化Beiθ并构建复振幅项约束，再通过传统算法获取相位标签与θ构成保真项约束，三项约束共同指导实‑复值级联网络训练。本发明方法可实现高保真、低噪声的全息相位重建。

本发明授权基于多约束优化的实-复值级联神经网络全息重建方法在权利要求书中公布了：1.一种基于多约束优化的实-复值级联神经网络全息重建方法，其特征在于，所述方法包括以下步骤： S1、搭建同轴数字全息光路系统，采集N张具有结构多样性的样本在固定衍射距离z下的全息图，经归一化预处理及开方运算后构建振幅A的数据集； S2、构建实-复值级联神经网络，先将振幅A输入实值Net预测全息面初始相位φ，接着将全息面初始相位φ与振幅A组成复振幅场Aeiφ作为复值Net的输入，最终输出重建的物平面复振幅场Beiθ； S3、对重建的物平面复振幅场Beiθ的振幅项B进行约束后，采用仿真光学衍射正向传播至距离z处的全息面，取该处复振幅场中的相位项为φ'，通过计算与全息面初始相位φ的一致性来构建物理项约束；设计复域特征函数优化重建的物平面复振幅场Beiθ，计算优化前后的复振幅场一致性来构建复振幅项约束；采用传统全息重建算法恢复的相位作为网络标签先验，通过计算标签与重建的物平面复振幅场Beiθ的相位项θ的相似度来构建保真项约束；其中，所述的复域特征函数是由复值总变差分正则化项与L2范数保真项构成的优化框架，并通过分裂布雷格曼迭代算法来实现求解；在该复域特征函数中，首先对复值总变差分正则化项实施基于收缩算子的非线性约束，在水平和垂直梯度方向上执行自适应阈值处理，以有效滤除高频噪声成分，同时采用快速傅里叶变换精确求解L2范数保真项，在频域中实现原始数据特征保持与噪声抑制的最佳平衡；然后引入布雷格曼距离参数迭代更新机制，设置迭代次数大于10，最后输出具有平滑特征的复振幅场，并与优化前的复振幅场Beiθ作差，通过获取差值的模、实部或虚部的大小来计算优化前后复振幅场的一致性； S4、采用双分支优化策略，分别为实值Net和复值Net配置独立的参数更新优化器，通过计算物理项约束的梯度做反向传播优化实值Net的网络参数，同时通过计算复振幅项约束与保真项约束的梯度做反向传播更新复值Net的网络参数，交替迭代训练实-复值级联神经网络，使物理项约束、复振幅项约束与保真项约束的约束指标逐步收敛，当物理项约束、复振幅项约束与保真项约束的约束指标之和低于预设阈值α时终止网络训练，训练完成后的实-复值级联神经网络可直接集成至全息成像系统，实现端到端的实时相位重建。

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广东工业大学，其通讯地址为：510006 广东省广州市番禺区广州大学城外环西路100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”。

以上内容由龙图腾AI智能生成。