采用遗传算法优化量子启发式卷积神经网络的数字全息图压缩传输方法

本发明公开一种采用遗传算法优化量子启发式卷积神经网络的数字全息图压缩传输方法，属于光信息处理与人工智能交叉领域。量子启发式卷积神经网络采用量子启发原理来提高特征提取和表示效率，从而在保持全息图质量的同时提高压缩率。遗传算法用于深度神经网络模型的权重初始化，并利用遗传算法固有的全局搜索能力来确定模型的最佳初始权重，在不增加计算复杂度的情况下提高再现图像重建质量。本发明与传统基于深度学习的方法相比，具有更快的并行处理速度和更好的全息图像恢复质量，大大降低存储要求，同时保持重建全息图的高保真性，为高效的数字全息图数据压缩传输提供了一条新颖而有效的途径，有助于推动全息图像实时立体显示技术的发展。