[发明专利]基于深度学习的电子散斑条纹批量全自动滤波方法在审
| 申请号： | 201910152778.7 | 申请日： | 2019-02-28 |
| 公开（公告）号： | CN109977966A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 唐晨;郝富贵 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/46 | 分类号： | G06K9/46;G06K9/62;G06N3/04 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 刘国威 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于光学检测和图像处理技术领域，为实现批量ESPI条纹图中散斑噪声的移除，本发明构建一个端到端的ESPI条纹图去噪的网络，实现为多幅ESPI条纹图批量全自动滤波。基于深度学习的电子散斑条纹批量全自动滤波方法，包括以下步骤：步骤1：构建训练数据集；步骤2：构建电子散斑条纹去噪网络模型；步骤3：将训练数据集输入网络，利用训练数据集对网络模型进行训练；步骤4：将模拟条纹图和实验所得条纹图作为测试集输入到训练好的网络中，并用所述测试集图像减去网络的输出图像，得到清晰的去噪图像。本发明主要应用于光学检测和图像处理场合。 | ||
| 搜索关键词： | 条纹图 训练数据集 电子散斑 条纹 构建 滤波 去噪 光学检测 网络模型 测试集 图像处理技术 图像 散斑噪声 输出图像 输入网络 图像处理 网络 减去 移除 并用 学习 清晰 应用 | ||
【主权项】：
1.一种基于深度学习的电子散斑条纹批量全自动滤波方法，其特征是，包括以下步骤：步骤1：构建训练数据集；步骤2：构建电子散斑条纹去噪网络模型；步骤3：将训练数据集输入网络，利用训练数据集对网络模型进行训练；步骤4：将模拟条纹图和实验所得条纹图作为测试集输入到训练好的网络中，并用所述测试集图像减去网络的输出图像，得到清晰的去噪图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910152778.7/，转载请声明来源钻瓜专利网。
