项目团队自主研发三维计算全息图的编码再现技术，通过研究三维计算全息图的数值计算方法，对物光波复振幅信息进行数学建模和计算，实现三维物体的菲涅耳全息图的生成和再现。成功设计了卷积再现算法和菲涅尔变换再现算法重现出原始图像。 针对全息图信息分布特点和人工神经网络处理非线性问题的优势，创新性地构建基于 BP 神经网络的全息图压缩模型，并引入改进型粒子群优化算法来优化 BP 神经网络， 设计全息图压缩方法。实验结果表明该压缩方法不仅具有 BP 神经网络原有的自适应能力和鲁棒性等特点，而且网络的收敛速度更快，全局寻优的能力更强。
该研究成果解决了三维立体显示技术中全息成像的一些关键问题，为真三维立体显示如全息电视、全息电影等领域的进一步发展提供了研究思路。对于医学领域内的立体显示，如核磁共振成像，X 射线，CT 扫描等，该技术也具有广阔的应用前景。
同时，该成果可以推广应用于图像加密和图像通信等领域的研究，一方面人工神经网络算法处理适合处理非线性问题，另一方面粒子群优化算法可以优化 BP 神经网络结构，改善网络解压缩性能。这项研究在全息图编码压缩中取得的技术经验值得借鉴和推广，为解决其他相关问题提供了极为有意义的技术方法和研究途径。