1、全息顯示技術因能逼真地展現物體所有視點、深度上的影像，滿足立體視覺感知的需求，被認為是當今最前沿、最理想的三維顯示技術之一。然而全息圖自身所含的數據量十分龐大，不利于實時高效地傳輸、分析和存儲，嚴重阻礙了三維動態(tài)全息顯示技術的應用發(fā)展。因此，迫切需要尋求一種運算速度更快、壓縮程度更高、圖像保真度更好的全息圖壓縮算法。
　　本文在研究全息圖的條紋信息特征和現有壓縮算法的基礎上，提出一種面向全息圖數據壓縮的小波神經網絡算法。該算法通過

2、構建系統(tǒng)輸入與輸出數據間的映射關系，將龐大的全息數據以少量的連接權值等參數的形式保存在網絡中，實現了全息數據大幅度壓縮，同時還能獲得高品質的再現圖像。在實驗中，本文構建出了用于全息圖壓縮的小波神經網絡算法的模型，并編寫了仿真程序進行驗證。
　　針對小波神經網絡在訓練過程中表現出來的收斂緩慢、易得到局部極值點、穩(wěn)定性較差、對初始值選取敏感等不足，考慮到遺傳算法是一種參照生物界中群體進化機理的先進搜尋技術，具有很強的并行處理以及全局尋

3、優(yōu)能力，引入遺傳算法去優(yōu)化網絡中權值等參數，設計了經遺傳優(yōu)化的小波神經網絡全息圖壓縮過程。實驗證明，該壓縮模型不僅收斂速度快，全局尋優(yōu)能力強，而且在魯棒性、穩(wěn)定性上表現更加優(yōu)異。為了體現本壓縮方法的合理性和高效性，與離散余弦變換、離散小波變換和BP神經網絡等壓縮算法在同一實驗環(huán)境下對多組實驗圖像進行對比實驗。實驗證實當壓縮率低至1.56％時，本文提出的經遺傳優(yōu)化的改進型算法計算出的峰值信噪比優(yōu)于現有算法，而且其均方誤差又較小，再現圖像細