【技术实现步骤摘要】
本专利涉及光学、计算机视觉和深度学习领域，尤其涉及一种生成偏振像的材料鉴别技术。
技术介绍
1、不同材料的偏振特性通常不同，我们可以通过加入偏振片来分析一种材料的偏振特性，从而识别出该材料的种类。然而由于加入偏振片使得光路复杂化，且有较多光强损失，我们可采用生成偏振像的算法来替代偏振片。
2、但传统的偏振像生成算法是利用网络拟合出偏振公式，我们并不能确定网络能拟合出正确的对斯托克斯矢量进行变换的公式，因此我们专利技术了一种方法，将公式“嵌入”到网络内部，无需网络拟合，而无法用公式表示的部分仍用网络拟合，将二者融合成一个网络，称为斯托克斯参量偏振融合神经网络。
技术实现思路
1、本专利技术的目的是提供一种基于斯托克斯参量偏振融合神经网络的远程材料鉴别方法，以期能通过网络内嵌穆勒矩阵对斯托克斯参量进行变换的公式的方式，生成更加接近于物理规则、更加真实偏振像，从而更精准地鉴别材料。
2、本专利技术为了实现上述目的，采用如下技术方案：
3、一种基于斯托克斯参量偏...
【技术保护点】
1.一种基于斯托克斯参量偏振融合神经网络的远程材料鉴别方法，其特征在于，包括以下四个步骤：
2.根据权利要求1所述的基于斯托克斯参量偏振融合神经网络的远程材料鉴别方法，其特征在于，所述的斯托克斯参量偏振融合神经网络分为纯斯托克斯参量型偏振神经网络、输入融合型斯托克斯参量偏振融合神经网络、输出融合型斯托克斯参量偏振融合神经网络和输入输出全融合型斯托克斯参量偏振融合神经网络四种类型，其中：
3.根据权利要求1所述的基于斯托克斯参量偏振融合神经网络的远程材料鉴别方法，其特征在于，所述的训练斯托克斯参量偏振融合神经网络包括以下步骤：
4.根...
【技术特征摘要】
1.一种基于斯托克斯参量偏振融合神经网络的远程材料鉴别方法，其特征在于，包括以下四个步骤：
2.根据权利要求1所述的基于斯托克斯参量偏振融合神经网络的远程材料鉴别方法，其特征在于，所述的斯托克斯参量偏振融合神经网络分为纯斯托克斯参量型偏振神经网络、输入融合型斯托克斯参量偏振融合神经网络、输出融合型斯托克斯参量偏振融合神经网络和输入输出全融合型斯托克斯参量偏振融合神经网络四种类型，其中：
3.根据权利要求1所述的基于斯托克斯参量偏振融合神经网络的远程材料鉴别方法，其特征在于，所述的训练斯托克斯参量偏振融合神经网络包括以下步骤：
4.根据权利要求1所述的基于斯托克斯参量偏...
【专利技术属性】
技术研发人员：肖迅漫，季浩富，王闯，霍惟，卢方印，娄卓然，白玉月，赵子玉，李连江，
申请(专利权)人：东北大学秦皇岛分校，
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。