[发明专利]用于单像素成像的采样和重建集成深度学习网络的训练方法有效
| 申请号： | 201910988953.6 | 申请日： | 2019-10-17 |
| 公开（公告）号： | CN110751700B | 公开（公告）日： | 2022-09-06 |
| 发明（设计）人： | 鄢秋荣;管焰秋;方哲宇;杨晟韬;李冰;曹芊芊 | 申请（专利权）人： | 南昌大学 |
| 主分类号： | G06T11/00 | 分类号： | G06T11/00;G06N3/04;G06N3/08 |
| 代理公司： | 西安智邦专利商标代理有限公司 61211 | 代理人： | 王凯敏 |
| 地址： | 330031 江西省*** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 为解决目前单像素成像重建时间长及质量不好的问题，本发明提供了一种用于单像素成像的采样和重建集成深度学习网络的训练方法。所述采样和重建集成深度学习网络包括压缩采样子网络、初步重建子网络和深层卷积重建子网络；压缩采样子网络的权值矩阵为由“+1”和“‑1”两元组成的二值化矩阵，“+1”和“‑1”分别用于调制单像素成像系统中DMD微镜正向和反向翻转；压缩采样子网络用于对目标进行n次压缩采样，将n次压缩采样所得到的数据处理后得到测量值矩阵，n由单像素成像系统测量率确定；初步重建子网络对测量值矩阵进行卷积、扩维处理，得到初步重建图像；深层卷积重建子网络通过残差学习处理初步重建图像，得到更高成像质量图像。 | ||
| 搜索关键词： | 用于 像素 成像 采样 重建 集成 深度 学习 网络 训练 方法 | ||
【主权项】：
1.用于单像素成像的采样和重建集成深度学习网络，其特征在于：包括压缩采样子网络、初步重建子网络和深层卷积重建子网络；/n所述压缩采样子网络的权值矩阵为由“+1”和“-1”两元组成的二值化矩阵，“+1”和“-1”分别用于调制单像素成像系统中DMD微镜的正向翻转和反向翻转；所述压缩采样子网络用于对目标进行n次压缩采样，将n次压缩采样所得到的数据按时间顺序从左至右依次排布，得到目标的测量值矩阵，n由所述单像素成像系统的测量率确定；/n所述初步重建子网络用于对所述测量值矩阵进行卷积、扩维处理，得到初步重建的图像；/n所述深层卷积重建子网络利用深层卷积网络，通过残差学习处理所述初步重建的图像，得到更高成像质量图像。/n
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南昌大学，未经南昌大学许可，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/201910988953.6/，转载请声明来源钻瓜专利网。
