CN114187375B 一种基于编码和网络的高灵敏抗散射成像方法 （南京理工大学）_第1页
CN114187375B 一种基于编码和网络的高灵敏抗散射成像方法 （南京理工大学）_第2页
CN114187375B 一种基于编码和网络的高灵敏抗散射成像方法 （南京理工大学）_第3页
CN114187375B 一种基于编码和网络的高灵敏抗散射成像方法 （南京理工大学）_第4页
CN114187375B 一种基于编码和网络的高灵敏抗散射成像方法 （南京理工大学）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于编码和网络的高灵敏抗散射成像本发明公开了一种基于编码和网络的高灵标数据集与散斑信号数据集输入成像目标重建模型进行训练，得到训练好的成像目标重建模明提出基于卷积神经网络的高灵敏抗散射成像2;;;数字微镜阵列和第二数字微镜阵列分别位于所述散射介二数字微镜阵列依次设置在所述光源和单像素探测器之间的3二、将步骤一得到的目标散斑图像作为所述成像目标重建模型4字微镜阵列，所述第一数字微镜阵列和第二数字微镜阵列分别位于所述散射介质的两侧。56实现特征信息的充分融合与高效提取，网络中使用了随机丢弃的策略(dropout)来避免训[0046]已知在光学记忆范围内散斑图像I可以描述为隐藏在散射介质后的物体O与系统7[0052]步骤4、将采集到的目标散斑图像输入训练好的两种高灵敏抗散射成像目标重建于原始目标的恢复，本文提出的两种重建算法可以实现训练集数据量仅为938组时的原始目标重建。为了对不同宽度下的网络进行重建能力测试，设原始HSSRNet网络宽度系数为[0056]为了探究不同输入数据维度对算法重建性能的影响，对比维度参数分别为32×[0057]由上述几组对比实验可以看出，端到端重建方法的重建能力强于两步式重建方[0058]基于单像素探测器的高灵敏抗散射成像光学系统结构图如图9所示。其中所用光8集卡的采样率设为1000，采样数设为100。对于采集到的数据，采用性能相对较好的当数据量大小为1800组时，本文提出的端到端重建网络HSSRNet-E可以较好的对基于单像9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论