摘要
本发明涉及面形图分析技术领域,尤其涉及一种计算全息图误差分析方法,包括如下步骤:S1.收集面形图,并采集CGH局部误差面形图,生成图像数据集。S2.划分为训练集、验证集和测试集。S3.搭建深度学习网络,并对其进行训练,得到深度学习模型。S4.将测试集输入到深度学习模型中,得到预测的整体误差图。S5.提取条纹轮廓,计算出每个点的坐标值及对应坐标值的误差值,与整体面形图的实际坐标值进行比较,计算不同点的误差值。S6.基于误差值,得到CGH整体面形图的制作误差对波前的影响。本发明通过计算出条纹轮廓的每个点的坐标值及对应误差值,并与整体面形图的实际坐标值进行比较,进而能够准确推测整体误差分布图并分析其对波前的影响。
技术关键词
误差分析方法
深度学习模型
全息图
图像处理边缘提取
条纹
深度学习网络
制作误差
轮廓
生成图像数据
训练集
面形误差
网络深度
数据格式
网络结构
数值
信号
波长
系统为您推荐了相关专利信息
数据压缩方法
卡尔曼滤波器
深度学习网络提取
深度学习特征提取
深度学习模型
岩性预测方法
深度学习模型
参数
岩层界面
地质勘探行业
飞行状态数据
四旋翼无人机
电机故障状态
深度学习模型
构建深度神经网络
地震
深度前馈神经网络
深度学习模型
纵横波速度比
钻井液粘度