基于传统Gerchberg-Saxton(GS)算法和卷积神经网络(convolutional neural network,CNN),提出了一种利用液晶空间光调制器(LC-SLM)产生涡旋光束的方法。利用该GS-CNN方法,产生了具有不同拓扑电荷数的贝塞尔光束,进一步分析了所产生的涡旋光束的均方根误差(root mean squared error,RMSE)和衍射效率(diffraction efficiency),并与传统GS算法得到的结果进行了比较。结果表明,采用所提出的GS-CNN方法能够产生高质量的涡旋光束,相较于传统的GS算法,所产生的涡旋光束的光强与目标光强的差异更小,并且更多输入光场能量被衍射出来。

提出基于衍射光学器件的光学图像级联加密系统。一般来说，一个n级系统可由n个透镜串联组成。经过优化设计的衍射光学元件如相位板等相应的放置在系统的空间域和频谱域。当系统在平面波照明下，便能在输出平面获得解密图像。这些衍射元件可通过级联迭代傅里叶变化算法设计。计算机模拟结果显示，算法具有很快的收敛速度，而且所应用于的系统的级次越多，相应的收敛速度越快．级联系统能够高质量的恢复原始图像，使之与原始图像的均方差小于5×10^－30。采用密钥共享方案，级联系统可以用作多用户系统，这样能使安全性明显提高。

在虚拟光学数据加密理论的基础上,基于光学4f系统及迭代傅里叶变换算法(IFTA),提出利用多个相位板进行分级图像加密的方法,将不同密级的图像分别加密到不同的相位板中,给出其理论原理和实现方法,并通过计算机模拟验证了该方法的有效性。在解密过程中,利用不同数目的相位板可以得到不同图像,相位板越多,得到的图像也就越多。随着相位板数目的增加,要想得到正确的解密图像,相位板放置的次序也有严格要求,系统的安全性也因此大大提高。此方法可将信息进行分级加密,用于对不同权限级别的用户开放,也可用于安全认证和准入检查系统。