全息显示技术因能逼真地展现物体所有视点、深度上的影像,满足立体视觉感知的需求,被认为是当今最前沿、最理想的三维显示技术之一。然而全息图自身所含的数据量十分庞大,不利于实时高效地传输、分析和存储,严重阻碍了三维动态全息显示技术的应用发展。因此,迫切需要寻求一种运算速度更快、压缩程度更高、图像保真度更好的全息图压缩算法。本文在研究全息图的条纹信息特征和现有压缩算法的基础上,提出一种面向全息图数据压缩的小波神经网络算法。该算法通过构建系统输入与输出数据间的映射关系,将庞大的全息数据以少量的连接权值等参数的形式保存在网络中,实现了全息数据大幅度压缩,同时还能获得高品质的再现图像。在实验中,本文构建出了用于全息图压缩的小波神经网络算法的模型,并编写了仿真程序进行验证。针对小波神经网络在训练过程中表现出来的收敛缓慢、易得到局部极值点、稳定性较差、对初始值选取敏感等不足,考虑到遗传算法是一种参照生物界中群体进化机理的先进搜寻技术,具有很强的并行处理以及全局寻优能力,引入遗传算法去优化网络中权值等参数,设计了经遗传优化的小波神经网络全息图压缩过程。实验证明,该压缩模型不仅收敛速度快,全局寻优能力强,而且在鲁棒性、稳定性上表现更加优异。为了体现本压缩方法的合理性和高效性,与离散余弦变换、离散小波变换和BP神经网络等压缩算法在同一实验环境下对多组实验图像进行对比实验。实验证实当压缩率低至1.56%时,本文提出的经遗传优化的改进型算法计算出的峰值信噪比优于现有算法,而且其均方误差又较小,再现图像细节更清晰、鲁棒性更好。理论分析和实验研究均充分说明了小波神经网络压缩算法及其改进算法非常适合于全息图这种非线性、不稳定、动态的图像信息的压缩。