本发明涉及一种全息显示技术，特别是基于共轭梯度下降的相位全息图快速生成方法。
背景技术：
1、计算全息显示作为一种理想的三维显示方法，可以提供逼真的立体感，而无需复杂的光学设备，一直受到极大的关注。虽然计算全息显示技术在过去的几十年里已经被提出，但高质量的全息重建图像一直依赖于精心设计的生成算法，快速获得准确的相位全息图仍然是一个挑战。当前各种优化方法，例如gerchberg-saxton算法，随机梯度下降(sgd)方法已经被相继提出，且获得的全息图像重建质量有了明显的提升。但是这些方法仍然在计算速度上存在着时间较长的问题，无法满足实时计算的要求。因此，如何在目前的方法能够达到的重建质量的基础上，继续提高计算速度仍有很大的研究潜力。
技术实现思路
1、本方法针对当前全息图计算速度不够理想，还需要进一步提升的问题，提出了一种基于共轭梯度下降的相位全息图快速生成方法。所提出的方法将全息图生成过程当作一个优化过程，利用共轭梯度下降来生成所需的全息图相位，是一种新颖的全息图快速生成方法。相比目前的sgd方法，wirtinger hologram(wh)等方法,能够在已有的重建质量上，继续减小所需的生成时间。
2、所述的基于共轭梯度下降的相位全息图快速生成方法如图1的代码流程图所示，该生成过程具体分为七个步骤：①初始化一个随机相位，作为全息图ho，②将全息图ho利用衍射算法进行重建，获得再现光场u，③将再现光场u与目标图像i进行损失函数的计算，④根据损失值，计算其对全息图相位θ的共轭梯度pk，⑤根据线搜索方法，确定合适的步长αk，更新全息图的相位，⑥将更新的全息图再一次重建，重复③-⑤操作，进行更新，⑦当满足设定的优化次数或者达到满意的重建质量时，获得最终的全息图。重建过程分为两个步骤，①加载全息图，②接收全息重建图像。
3、所述的初始化一个随机相位，作为全息图ho是指利用随机函数生成一个随机的0-2π范围内的相位分布，作为初始的全息图ho=exp(jθ)。
4、所述的将全息图ho利用衍射算法进行重建，获得再现光场u是指将全息图ho利用衍射算法进行重建，获得重建光场u，其中衍射算法采用的是角谱算法，表示为p(ho)=ifft[fft(ho) *t]，t为传递函数，表示为exp{j2πd/λ*sqrt[1-λ2*(fx^2+fy^2)]}，d为衍射距离，λ为波长，fx和fy为频域坐标，sqrt为开根号，fft和ifft为正逆快速傅里叶变换。
5、所述的将再现光场u与目标图像i进行损失函数的计算是指将重建的复振幅图像与目标图像带入损失函数中，进行计算，得到损失值 l。
6、所述的根据损失值，计算其对全息图相位θ的共轭梯度pk是指将计算的损失值l，带入共轭梯度计算式中，得到pk，该共轭梯度pk表达式为:pk={-▽θ l, k=1; -▽θ l+βkpk-1, k>=2},k为优化次数，▽θ l为一阶梯度，βk为共轭系数，表示为(▽θk l)t*(▽θk l-▽θk-1 l)/||▽θk-1 l||2，其中t为矩阵转置，||.||为欧几里得距离。
7、所述的根据线搜索方法，确定合适的步长αk，更新全息图的相位是指根据计算的共轭梯度，利用数值优化中的线搜索方法确定合适的步长αk，进行θk+1=θk+αk*pk的相位更新。
8、所述的将更新的全息图再一次重建，重复③-⑤操作，进行更新是指将更新后的全息图，再一次进行重建，并继续前三步操作，计算损失值、共轭梯度和步长，进行相位更新，不断优化全息图相位。
9、所述的当满足设定的优化次数或者达到满意的重建质量时，获得最终的全息图是指优化的次数满足设定的次数，或者重建质量达到设定的阈值时，停止优化过程，保留上一次迭代的全息图，作为最终优化好的全息图。
10、所述的加载全息图是指将全息图加载到对应的调制器上。
11、所述的接收全息重建图像是指在相应的衍射距离处，接收全息图重建像。
12、该方法的有益效果在于：所提出的全息图快速生成方法是一种基于共轭梯度下降的迭代算法，该方法相比目前的sgd方法，wirtinger hologram(wh)方法，能够在相同的优化时间内，再现出质量更佳的图像，峰值信噪比保持较高的数值，或者在其他方法能达到的质量下，该方法具有更快的生成速度。
1.基于共轭梯度下降的相位全息图快速生成方法，其特征在于，该方法包括全息图生成和全息图重建两个部分；所述的全息图生成过程具体描述为：步骤一，利用随机函数生成一个随机的0-2π范围内的相位分布，作为初始的全息图ho=exp(jθ)；步骤二，将全息图ho利用衍射算法进行重建，获得重建光场u，其中衍射算法采用的是角谱算法，表示为p(ho)=ifft[fft(ho) *t]，t为传递函数，表示为exp{j2πd/λ*sqrt[1-λ2*(fx^2+fy^2)]}，d为衍射距离，λ为波长，fx和fy为频域坐标，sqrt为开根号，fft和ifft为正逆快速傅里叶变换；步骤三，将重建的复振幅图像与目标图像带入损失函数中，进行计算，得到损失值l；步骤四，计算的损失值l，带入共轭梯度计算式中，得到pk，该共轭梯度pk表达式为:pk={-▽θl, k=1; -▽θl+βkpk-1, k>=2},k为优化次数，▽θl为一阶梯度，βk为共轭系数，表示为(▽θkl)t*(▽θkl-▽θk-1l)/|| ▽θk-1l ||2，其中t为矩阵转置，||.||为欧几里得距离；步骤五，根据计算的共轭梯度，利用数值优化中的线搜索方法确定合适的步长αk，进行θk+1=θk+αk*pk的相位更新；步骤六，将更新后的全息图，再一次进行重建，并继续前三步操作，计算损失值、共轭梯度和步长，进行相位更新，不断优化全息图相位；步骤七，优化的次数满足设定的次数，或者重建质量达到设定的阈值时，停止优化过程，保留上一次迭代的全息图，作为最终优化好的全息图；所述的全息图重建过程具体描述为：步骤一，全息图加载到对应的调制器上；步骤二，在相应的衍射距离处，接收全息图重建像。
2.权利要求中1中提及的损失函数和衍射算法，其特征在于，该损失函数可以是平方误差、均方误差、结构性相似度，或者其它损失函数，衍射算法可以是角谱算法，菲涅尔衍射算法、球面算法或者其他衍射算法。
