基于深度学习实现透过浑浊介质图像重构(特邀) |
| |
引用本文: | 王志远,赖雪恬,林惠川,陈福昌,曾峻,陈子阳,蒲继雄.基于深度学习实现透过浑浊介质图像重构(特邀)[J].红外与激光工程,2022,51(8):20220215-1-20220215-10. |
| |
作者姓名: | 王志远 赖雪恬 林惠川 陈福昌 曾峻 陈子阳 蒲继雄 |
| |
作者单位: | 1.华侨大学 信息科学与工程学院 福建省光传输与变换重点实验室,福建 厦门 361021 |
| |
基金项目: | 国家自然科学基金(62005086,11674111) |
| |
摘 要: | 不同于毛玻璃等固态散射介质静止不变的特点,浑浊介质对光束的散射作用同时体现在空间及时间上,当浑浊介质动态变化时,大多数的传统散射成像方法失效。针对以上问题,文中采用了一种基于深度学习恢复散斑图像的方法,研究了浑浊介质中,不同散射介质及散射介质浓度不同的条件下,神经网络的图像恢复效果,并利用不同浓度散射介质获得的散斑图像混合训练测试神经网络的泛化能力。实验结果表明,在不同散射介质及散射介质浓度不同的条件下,该网络均能够根据散斑图像获得较高保真度的恢复图像,且在不同浓度散射介质的散斑图像混合训练的情况下,网络泛化能力及鲁棒性强。
|
关 键 词: | 图像恢复 散射介质 散射成像 深度学习 |
收稿时间: | 2022-03-22 |
|
| 点击此处可从《红外与激光工程》浏览原始摘要信息 |
|
点击此处可从《红外与激光工程》下载全文 |
|