← 返回列表
基于复合深度学习的EMIS重建方法及系统
摘要文本
本发明提供基于复合深度学习的EMIS重建方法及系统，方法包括：输入电磁波散射数据；利用复值卷积神经网络CVCNNs)对比度图像进行优化，进行初步对比度恢复；利用深度残差卷积神经网络(DRCNNs)对CVCNNs输出的初步对比度图像进行优化，以完成特征融合操作。本发明解决了高对比度和强散射环境下的重建精度较低、算法的泛化能力较差、计算效率低成本高以及多次散射效应的技术问题。
申请人信息
- 申请人:数据空间研究院
- 申请人地址:230088 安徽省合肥市高新区柏堰科技园创新大道288号工投高新智谷B区
- 发明人: 数据空间研究院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于复合深度学习的EMIS重建方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311737788.X |
| 申请日 | 2023/12/14 |
| 公告号 | CN117710268A |
| 公开日 | 2024/3/15 |
| IPC主分类号 | G06T5/90 |
| 权利人 | 数据空间研究院 |
| 发明人 | 吴昊; 岳华; 汪瑜; 凌未; 聂明宇; 胡紫珊; 阚宏伟 |
| 地址 | 安徽省合肥市高新区创新大道288号 |
专利主权项内容
1.基于复合深度学习的EMIS重建方法，其特征在于，所述方法包括：S1、采集并输入电磁波散射数据，据以构建电磁逆散射问题积分方程；S2、利用复值卷积神经网络CVCNNs，根据所述电磁逆散射问题积分方程处理得到对比对图像，利用深度残差卷积神经网络DRCNNs进行残差学习，以优化所述对比度图像，以得到第一对比度恢复图像；S3、利用所述深度残差卷积神经网络DRCNNs，对所述第一对比度恢复图像进行再优化操作，以完成特征融合操作，得到第二对比度优化图像。