原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于卷积神经网络的激光散斑干涉条纹图滤波算法。先通过模拟和实验相结合方式制作了多对由含有噪声的散斑条纹图作为神经网络输入，后设计搭建了改进型U‑Net卷积神经网络，将数据进入神经网络中进行训练，使用多尺度解码器有助于模型更好地捕获图像中的噪声特征和结构信息同时有助于保留图像的细节信息，从而提高去噪性能，避免出现过度平滑提高模型的鲁棒性。同时采用对抗训练，引入生成器和鉴别器进行对抗训练不断循坏训练模型提升其鉴别能力，最后使用训练好的神经网络模型对带有噪声的激光散斑干涉条纹图进行降噪
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117291836A
(43)申请公布日2023.12.26
(21)申请号202311197966.4
(22)申请日2023.09.18
(71)申请人桂林电子科技大学
地址5410
文档评论（0）