典型文献
基于深度学习实现透过浑浊介质图像重构(特邀)
文献摘要：
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.
文献关键词：
图像恢复;散射介质;散射成像;深度学习
中图分类号：
作者姓名：
王志远;赖雪恬;林惠川;陈福昌;曾峻;陈子阳;蒲继雄
作者机构：
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;闽南师范大学物理与信息工程学院,福建漳州363000
文献出处：
引用格式：
[1]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(08):127-136
A类：
B类：
浑浊介质,图像重构,特邀,毛玻璃,固态,散射介质,静止,光束,时体,散射成像,成像方法,散斑,斑图,图像恢复,恢复效果,图像混合,混合训练,泛化能力,高保真度
AB值：
0.25036
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
