龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西北工业大学
摘要：本发明公开了一种应用于数字全息图生成的数据驱动方法，涉及信息领域的光学信息探测和处理技术，其技术特征在于：针对现有技术中存在的需要大量配对的标签数据、计算时间较长等缺陷，将一组成像所得全息图与传统算法得到的相位图和振幅图构成图像数据。进一步，将这组数据共同输入网络，并且作为监督标签，监督优化网络的参数，最终实现全息像的重建。该方法的优势在于无需系统的点扩散函数已知和人工针对性调参，也无需大量采集和处理训练数据，仅需一组全息图、相位图和振幅图数据即可实现全息像的重建，且能泛化到其他目标和系统，适用于离轴的预放大数字全息显微系统的直接成像场景。
主权项：1.一种用于全息像重建的基于物理模型的自监督学习方法，其特征在于该方法包括以下步骤：S1.使用离轴的预放大数字全息显微系统，对目标拍摄了多幅全息图，并且利用传统算法恢复了目标的相位和振幅，用于实验训练和验证。同时利用角谱法对生物细胞数字集生成了大量离轴全息图，用于仿真验证；S2.建立神经网络模型，其中包含用于生成相位图像的网络1、用于生成振幅图像的网络2、用于生成全息图的网络3和网络4，四个网络都包含相同的网络结构；S3.首先进行网络3、4优化，将全息图分别输入网络1和网络2生成对应的相位图和振幅图，再将生成的相位图和振幅图合成为复振幅，经过傅里叶变换后取得实部和虚部，分别输入网络3和网络4得到两个输出，将它们相加得到生成全息图。利用生成的全息图像与输入全息图像进行损失函数约束，实现对网络3、4的参数优化；S4.随后再进行网络1、2的优化，将生成全息图输入网络1和网络2生成对应的相位图和振幅图，所有生成结果与输入振幅和相位，进行损失函数约束，实现对网络3、4的参数优化。
全文数据：
权利要求：
百度查询： 西北工业大学 一种用于全息像重建的基于物理模型的自监督学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号