[发明专利]基于深度学习生成网络的变角度光照层析方法及装置有效
| 申请号： | 201711372608.7 | 申请日： | 2017-12-19 |
| 公开（公告）号： | CN107958475B | 公开（公告）日： | 2020-06-02 |
| 发明（设计）人： | 戴琼海;乔晖;李晓煦;索津莉 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G06T11/00 | 分类号： | G06T11/00;G06N3/08 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张润 |
| 地址： | 10008*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习生成网络的变角度光照层析方法及装置，其中，方法包括：根据波的亥姆霍兹方程、光的傅里叶传播模型推导出得到光在非均匀透明介质中逐层传播时衍射场和折射场的分布模型；仿照物理过程搭建以复数形式在时域和频域传播的深度学习生成神经网络；将采集到的未透过样本的输出光复数场通过角谱传播公式向后传播作为输入光复数场数据，并将采集到的透过待重建样本的复数场作为输出光复数场数据；根据重建分辨率条件调整深度学习网络参数，以对网络进行训练；通过训练得到的权重求解得到样本的三维折射率分布，实现对样本的层析重建。该方法实现了低采集量、高分辨率的层析重建能力，有效提高样本层析重建的分辨率精度。 | ||
| 搜索关键词： | 基于 深度 学习 生成 网络 角度 光照 层析 方法 装置 | ||
【主权项】：
一种基于深度学习生成网络的变角度光照层析方法，其特征在于，包括以下步骤：根据波的亥姆霍兹方程、光的傅里叶传播模型推导出得到光在非均匀透明介质中逐层传播时衍射场和折射场的分布模型；根据推导的所述分布模型仿照物理过程搭建以复数形式在时域和频域传播的深度学习生成神经网络，其中，待训练权重为待层析样本的体折射率分布，训练样本为输入光复数场分布以及对应角度的输出光复数场分布；在预设角度范围内对样本进行多组照射，并将相机固定在光轴后端进行数据采集，以将采集到的未透过样本的输出光复数场通过角谱传播公式向后传播作为输入光复数场数据，并将采集到的透过待重建样本的复数场作为输出光复数场数据；根据重建分辨率条件调整深度学习网络参数，以对网络进行训练；以及通过训练得到的权重求解得到样本的三维折射率分布，实现对样本的层析重建。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711372608.7/，转载请声明来源钻瓜专利网。
