發(fā)布時間：2023-04-06 22:38

　　單像素成像(Single-pixel imaging,SPI)作為一種前沿的計算成像技術(shù),隨著計算機(jī)算力的提高而飛速發(fā)展。在非可見光波段面陣探測器往往造價昂貴甚至難以獲得,單像素成像方法可以大幅降低這些波段內(nèi)的成像探測成本。除此之外,單像素成像方法可以通過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)中實際應(yīng)用的成像需求,因此我們只能在時間成本和成像質(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)量的圖像同時降低時間成本。經(jīng)過大量實驗和深入研究,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)中的生成對抗網(wǎng)絡(luò)(Generative Adversarial Networks,GAN),該網(wǎng)絡(luò)通過優(yōu)化測量矩陣和重構(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的人為編碼選擇,該深度神經(jīng)網(wǎng)絡(luò)可以通過學(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。通過仿真實驗,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...

【文章頁數(shù)】：71 頁

【學(xué)位級別】：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
        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)練過程
第4章 實驗和結(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 測量噪聲對單像素成像的影響
    4.4 單像素成像實驗結(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 存在的問題及展望
        5.2.1 存在的問題與解決方案設(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：3784548