【技术实现步骤摘要】
一种横向束流截面超分辨率重建方法
本专利技术涉及同步辐射光源束流诊断
，尤其涉及一种横向束流截面的超分辨率重建的方法。
技术介绍
横向束流截面为同步辐射光源的重要参数，通过测量横向束流截面及尺寸可以间接得到同步辐射光源的发射度参数，该参数是表征光源性能的核心要素。此外在同步辐射光源上，由于横向束流截面直观反映束流横向分布特征，因此横向束流截面的测量还可以用于监测束流轨道及束流不稳定性，可以作为逐束团反馈系统及轨道反馈系统调试的重要参照依据。下一代先进同步辐射光源如基于衍射极限储存环的同步辐射光源，横向完全相干需要储存环中的束流具有极低的发射度，其横向束流尺寸为微米量级，需要具有超高空间分辨率测量能力的技术才能实现如此微小的横向束流截面及尺寸的精确测量,因此横向束流截面的测量是一项非常重要又极具挑战性的任务。当前，基于同步辐射光成像的已有横向束流截面测量方法由于受到成像系统点扩散函数及成像传感器像元尺寸限制的影响，导致横向束流截面的测量分辨率受限，横向束流尺寸测量的精度无法满足实际需求。由于基于同步辐射光的横向束...
【技术保护点】
1.一种横向束流截面超分辨率重建方法，其特征在于，包括如下步骤：/n步骤S101、制作横向束流截面超分辨率重建训练数据集；/n步骤S102、构建生成对抗网络模型，包括生成器网络及判别器网络，所述生成器网络末端加入像素重组模块；/n步骤S103、对所述训练数据集进行预处理，利用所述预处理后的训练数据集训练所述生成对抗网络模型，训练收敛时得到训练好的生成对抗网络模型；/n步骤S104、获取待处理的低分辨率横向束流截面图像；/n步骤S105、对所述待处理的低分辨率横向束流截面图像进行预处理；/n步骤S106、将所述预处理后的低分辨率横向束流截面图像输入到训练好的生成器网络，经所述...
【技术特征摘要】
1.一种横向束流截面超分辨率重建方法，其特征在于，包括如下步骤：
步骤S101、制作横向束流截面超分辨率重建训练数据集；
步骤S102、构建生成对抗网络模型，包括生成器网络及判别器网络，所述生成器网络末端加入像素重组模块；
步骤S103、对所述训练数据集进行预处理，利用所述预处理后的训练数据集训练所述生成对抗网络模型，训练收敛时得到训练好的生成对抗网络模型；
步骤S104、获取待处理的低分辨率横向束流截面图像；
步骤S105、对所述待处理的低分辨率横向束流截面图像进行预处理；
步骤S106、将所述预处理后的低分辨率横向束流截面图像输入到训练好的生成器网络，经所述生成器网络超分辨重建后输出高分辨率横向束流截面图像。
2.根据权利要求1所述的一种横向束流截面超分辨率重建方法，其特征在于，步骤S101具体为：
1a、仿真得到高分辨率横向束流截面图像；
2a、将所述高分辨率横向束流截面图像与成像系统点扩散函数进行卷积运算，然后进行下采样得到低分辨率横向束流截面图像；
3a、由一系列高分辨率横向束流截面图像与对应的低分辨率横向束流截面图像构成训练数据集。
3.根据权利要求2所述的一种横向束流截面超分辨率重建方法,其特征在于，步骤2a中得到所述低分辨率横向束流截面图像的计算方法为：
ILR＝Dr(IHR*F)
其中，IHR为高分辨率横向束流截面图像，ILR为低分辨率横向束流截面图像，F为成像系统点扩散函数，*表示为卷积运算，Dr为为双三次插值降采样方法，r为降采样因子。
4.根据权利要求1所述的一种横向束流截面超分辨率重建方法，其特征在于，步骤S102具体为：
1b、由一连串顺序连接的残差块构成生成器网络主体结构，每个残差块包括若干残差密集块，残差密集块之间通过密集连接的方式连在一起，每个残差密集块包括一个卷积层和一个激活层；
2b、在生成器网络主体结构的末端加入像素重组模块，所述像素重组模块包含卷积层及亚像素卷积层，通过所述卷积层先得到r2个通道的与输入低分辨率图像尺寸大小一致的特征图像，然后再通过亚像素卷积层将每个像素点的r2个通道依次转换为对应的r×r的图像块，最终得到放大r倍的图像，其中r为上采样因子...
【专利技术属性】
技术研发人员：唐雷雷，周泽然，孙葆根，刘功发，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。