基于深度學(xué)習(xí)的單像素成像方法研究
發(fā)布時(shí)間:2023-04-06 22:38
單像素成像(Single-pixel imaging,SPI)作為一種前沿的計(jì)算成像技術(shù),隨著計(jì)算機(jī)算力的提高而飛速發(fā)展。在非可見(jiàn)光波段面陣探測(cè)器往往造價(jià)昂貴甚至難以獲得,單像素成像方法可以大幅降低這些波段內(nèi)的成像探測(cè)成本。除此之外,單像素成像方法可以通過(guò)壓縮采樣的方式提高采集速度。然而,在當(dāng)前的單像素成像方法中,壓縮采樣后圖像質(zhì)量還很難達(dá)到光學(xué)系統(tǒng)中實(shí)際應(yīng)用的成像需求,因此我們只能在時(shí)間成本和成像質(zhì)量之間做出取舍。我們尋求一種新的單像素成像方法,能夠獲得高質(zhì)量的圖像同時(shí)降低時(shí)間成本。經(jīng)過(guò)大量實(shí)驗(yàn)和深入研究,我們提出了一種基于深度學(xué)習(xí)的單像素成像方法來(lái)滿足上述需求。我們使用了深度神經(jīng)網(wǎng)絡(luò)中的生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Networks,GAN),該網(wǎng)絡(luò)通過(guò)優(yōu)化測(cè)量矩陣和重構(gòu)算法,在相同壓縮率下得到更好的圖像質(zhì)量。相比于其他單像素成像方法在壓縮成像時(shí)的人為編碼選擇,該深度神經(jīng)網(wǎng)絡(luò)可以通過(guò)學(xué)習(xí)大量的圖像得到較為客觀的照明編碼圖案,從而在相同的壓縮率下比其他方法有更好的圖像質(zhì)量。通過(guò)仿真實(shí)驗(yàn),我們將基于深度學(xué)習(xí)的單像素成像方法與壓縮感知方法、Hadamard單...
【文章頁(yè)數(shù)】:71 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 引言
1.1 研究背景與研究意義
1.1.1 研究背景
1.1.2 研究意義
1.2 單像素成像原理
1.3 單像素成像研究現(xiàn)狀
1.3.1 基于壓縮感知的單像素成像方法
1.3.2 基于Hadamard變換的單像素成像方法
1.3.3 基于傅里葉變換的單像素成像方法
1.4 單像素成像的應(yīng)用
1.4.1 單像素成像方法在 3D成像的應(yīng)用
1.4.2 單像素成像方法在太赫茲成像的應(yīng)用
1.4.3 單像素成像方法在近紅外二區(qū)熒光成像的應(yīng)用
1.5 本文的結(jié)構(gòu)
第2章 深度學(xué)習(xí)方法概述
2.1 深度學(xué)習(xí)背景介紹
2.1.1 深度學(xué)習(xí)發(fā)展
2.1.2 深度學(xué)習(xí)原理概述
2.1.3 常見(jiàn)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2.1.4 深度學(xué)習(xí)的優(yōu)化方式
2.2 本文使用的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)介紹
2.2.1 深度自編碼網(wǎng)絡(luò)
2.2.2 生成對(duì)抗網(wǎng)絡(luò)
第3章 基于深度學(xué)習(xí)的單像素成像理論
3.1 基于深度學(xué)習(xí)的單像素成像原理
3.2 正則項(xiàng)約束編碼矩陣
3.3 深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及訓(xùn)練算法
3.3.1 全連接層
3.3.2 卷積層
3.3.3 跳躍連接層
3.3.4 分支結(jié)構(gòu)的設(shè)計(jì)
3.3.5 損失函數(shù)的定義
3.3.6 梯度下降算法
3.4 深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
3.5 訓(xùn)練過(guò)程
第4章 實(shí)驗(yàn)和結(jié)果
4.1 構(gòu)建單像素成像系統(tǒng)
4.2 單像素成像仿真結(jié)果與比較
4.3 測(cè)量噪聲對(duì)單像素成像的影響
4.4 單像素成像實(shí)驗(yàn)結(jié)果
4.5 結(jié)果討論與分析
第5章 小結(jié)
5.1 研究成果總結(jié)
5.2 存在的問(wèn)題及展望
5.2.1 存在的問(wèn)題與解決方案設(shè)想
5.2.2 單像素成像在熒光壽命成像的潛在應(yīng)用
參考文獻(xiàn)
作者簡(jiǎn)歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果
致謝
本文編號(hào):3784548
【文章頁(yè)數(shù)】:71 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 引言
1.1 研究背景與研究意義
1.1.1 研究背景
1.1.2 研究意義
1.2 單像素成像原理
1.3 單像素成像研究現(xiàn)狀
1.3.1 基于壓縮感知的單像素成像方法
1.3.2 基于Hadamard變換的單像素成像方法
1.3.3 基于傅里葉變換的單像素成像方法
1.4 單像素成像的應(yīng)用
1.4.1 單像素成像方法在 3D成像的應(yīng)用
1.4.2 單像素成像方法在太赫茲成像的應(yīng)用
1.4.3 單像素成像方法在近紅外二區(qū)熒光成像的應(yīng)用
1.5 本文的結(jié)構(gòu)
第2章 深度學(xué)習(xí)方法概述
2.1 深度學(xué)習(xí)背景介紹
2.1.1 深度學(xué)習(xí)發(fā)展
2.1.2 深度學(xué)習(xí)原理概述
2.1.3 常見(jiàn)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
2.1.4 深度學(xué)習(xí)的優(yōu)化方式
2.2 本文使用的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)介紹
2.2.1 深度自編碼網(wǎng)絡(luò)
2.2.2 生成對(duì)抗網(wǎng)絡(luò)
第3章 基于深度學(xué)習(xí)的單像素成像理論
3.1 基于深度學(xué)習(xí)的單像素成像原理
3.2 正則項(xiàng)約束編碼矩陣
3.3 深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及訓(xùn)練算法
3.3.1 全連接層
3.3.2 卷積層
3.3.3 跳躍連接層
3.3.4 分支結(jié)構(gòu)的設(shè)計(jì)
3.3.5 損失函數(shù)的定義
3.3.6 梯度下降算法
3.4 深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
3.5 訓(xùn)練過(guò)程
第4章 實(shí)驗(yàn)和結(jié)果
4.1 構(gòu)建單像素成像系統(tǒng)
4.2 單像素成像仿真結(jié)果與比較
4.3 測(cè)量噪聲對(duì)單像素成像的影響
4.4 單像素成像實(shí)驗(yàn)結(jié)果
4.5 結(jié)果討論與分析
第5章 小結(jié)
5.1 研究成果總結(jié)
5.2 存在的問(wèn)題及展望
5.2.1 存在的問(wèn)題與解決方案設(shè)想
5.2.2 單像素成像在熒光壽命成像的潛在應(yīng)用
參考文獻(xiàn)
作者簡(jiǎn)歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果
致謝
本文編號(hào):3784548
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3784548.html
最近更新
教材專(zhuān)著