基于神经网络的大孔径厚针孔成像复原算法研究
为了更好地获取低强度辐射源空间分布图像,提出一种使用神经网络算法将大孔径厚针孔退化图像复原的方法.建立了孔径5 mm、10 mm、15 mm的厚针孔模型,获得了3600个汉字形状辐射源的厚针孔退化图像集.基于DnCNN神经网络模型,建立了大孔径厚针孔退化图像复原神经网络,并与维纳滤波、Lucy-Richardson这些传统算法进行了比较.在考虑噪声影响后,利用迁移学习理论,对原神经网络模型进行迁移训练,再对含噪大孔径厚针孔退化图像进行复原.神经网络算法复原的RMSE明显低于传统方法,迁移学习显著减小了噪声的影响.证明了神经网络算法在大孔径厚针孔退化图像复原领域的优越性,并验证了神经网络方法复原含噪大孔径厚针孔退化图像的可行性.
大孔径厚针孔、神经网络、图像复原、迁移学习
34
TL99
卓越青年基金JQZQ021901
2022-06-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
60-65