【技术实现步骤摘要】
本专利技术涉及大气散射成像，具体地，涉及一种基于模拟数据训练网络的户外散射成像方法及系统，同时提供了一种相应的计算机终端和计算机可读存储介质。
技术介绍
1、在一般的光学成像系统中，物面上的一个点对应着像面上一个衍射受限的艾里斑，光学系统满足线性空间不变的近似条件，因此物像间有明确的一一对应关系而易于被准确测量。然而，在有散射特性的传播介质中，空间中折射率的随机分布则导致光线的传播方向被随机地调制，无法再以经典几何成像理论得到清晰的像。在浓雾升起，水体浑浊，狂风暴雨等情况下，成像受到干扰，对人们日常出行或生产作业造成极大影响。因此研究能够恢复出散射介质后的真实场景的计算成像方法有着非常重要的意义。
2、目前，深度学习的方法已经较为广泛的应用在研究散射成像的问题中，基于深度学习的散射成像方法无需测量输入输出模式，仅通过强度测量就可实现透过散射介质的重聚焦、成像等，但是在测试过程中，总是倾向于构建同训练数据类型相似的输出，数据类型单一，泛化性、灵活性不足，利用数据集训练的网络难以应用到真实场景中。
3、为解决这个问题...
【技术保护点】
1.一种基于模拟数据训练网络的户外散射成像方法，其特征在于，包括：
2.根据权利要求1所述的基于模拟数据训练网络的户外散射成像方法，其特征在于，所述对实验室条件下得到的散射图像数据集进行全局预处理，得到多个不同光学厚度的模拟图像数据集，包括：
3.根据权利要求2所述的基于模拟数据训练网络的户外散射成像方法，其特征在于，所述卷积采用的卷积核大小为448*448。
4.根据权利要求2所述的基于模拟数据训练网络的户外散射成像方法，其特征在于，所述高斯滤波的标准差初始设置为250。
5.根据权利要求1所述的基于模拟数据训练网络的...
【技术特征摘要】
1.一种基于模拟数据训练网络的户外散射成像方法，其特征在于，包括：
2.根据权利要求1所述的基于模拟数据训练网络的户外散射成像方法，其特征在于，所述对实验室条件下得到的散射图像数据集进行全局预处理，得到多个不同光学厚度的模拟图像数据集，包括：
3.根据权利要求2所述的基于模拟数据训练网络的户外散射成像方法，其特征在于，所述卷积采用的卷积核大小为448*448。
4.根据权利要求2所述的基于模拟数据训练网络的户外散射成像方法，其特征在于，所述高斯滤波的标准差初始设置为250。
5.根据权利要求1所述的基于模拟数据训练网络的户外散射成像方法，其特征在于，所述对全局预处理得到的多个模拟图像数据集中不同光学厚度下的对应相同真值的散射图像按照不同权重附加相应的深度图信息进行结合，得到包含了三维深度信息的一个新模拟图像数据集，包括：
6.根据权利要求5所述的基于模拟数据...
【专利技术属性】
技术研发人员：杨云翔，刘海山，卞耀明，黄郅淏，司徒国海，
申请(专利权)人：中国科学院上海光学精密机械研究所，
类型：发明
国别省市：
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。