一种基于卷积神经网络的光纤连接器及半导体材料表面采样图像超分辨率重建技术制造技术

本发明专利技术涉及白光干涉图像处理的高精度端面检测技术领域，具体涉及一种基于卷积神经网络的光纤连接器及半导体材料表面采样图像超分辨率重建技术。包括步骤：使用CCD相机拍摄并收集高分辨率端面图像数据，并对数据进行退化，对退化后的低分辨率图像提取像素点干涉曲线，之后利用傅里叶变换以及遗传算法拟合包络线，找到曲线最高点并进行处理，最终可得到该像素点相对高度值，再使用改进过后的滤波技术剔除噪声点后，最终再运用超分辨率技术，重建为高分辨率端面图像。与往常方法相比，使用超分辨率技术预处理和傅里叶变换以及遗传算法拟合包络线的方式，既可以大幅度减少系统运算的数据，还可以确保图像的重建精度。

【技术实现步骤摘要】

本专利技术涉及白光干涉图像处理的高精度端面检测，具体涉及一种基于卷积神经网络的光纤连接器和半导体表面采样图像超分辨率重建技术。

技术介绍

1、白光干涉：白光发生干涉可以看成是各波长的单色光同时发生的干涉。白光产生的干涉信号是一个可由高斯函数进行包络，具有固定周期的三角余弦函数。白光干涉在测量精密器件上具有高精度的优势，测量精度可达纳米级别。

2、超分辨率：超分辨率(sr,super resolution)是一种提高图像分辨率的技术，通过一幅或多幅低分辨率图像重建为一幅高分辨率的图像。由于深度学习技术的发展和计算机硬件的不断升级，各类基于深度学习的超分辨率算法不断出现。目前超分辨率技术已广泛应用在电子图像、机器视觉等领域。

3、srcnn：基于卷积神经网络的图像超分辨率方法(super resolutionconvolutional neural networks)通过大量卷积对输入的lr图像提取特征，不断学习众多图像的特征表达形式，其重建精度与重建效率远超以往的图像重建算法，且模型的泛化能力也更强。srcnn采用梯度下降方法训练神经本文档来自技高网...

【技术保护点】

1.一种基于卷积神经网络的光纤连接器和半导体表面采样图像超分辨率重建技术，其特征在于，包括如下步骤：

2.根据权利要求1所述的借助遗传算法来提取包络线，其特征在于，首先对干涉数据进行傅里叶变换以得到数据的频域谱图，接下来以包络线的斯皮尔曼系数等与包络线相关性有关的数据作为评判标准，通过遗传算法分析整个频域谱图，找到频域中在经过逆变换后提取包络线相关性最好的一组数据，再经过傅里叶逆变换后便可以得到精确度更高的干涉曲线。

3.根据权利要求1所述的超分辨率重建技术，其特征在于，采用一般退化方式，将高分辨率的端面图像退化为低分辨率图像，经过傅里叶变换拟合、滤波、降噪处理后...

【技术特征摘要】

1.一种基于卷积神经网络的光纤连接器和半导体表面采样图像超分辨率重建技术，其特征在于，包括如下步骤：

2.根据权利要求1所述的借助遗传算法来提取包络线，其特征在于，首先对干涉数据进行傅里叶变换以得到数据的频域谱图，接下来以包络线的斯皮尔曼系数等与包络线相关性有关的数据作为评判标准，通过遗传算法分析整个频域谱图，找到频域中在经过逆变换后提取包络线相关性最好的一组数据，再经过傅里叶逆...

【专利技术属性】
技术研发人员：凌彦镔，田俊豪，陈煜茗，陈柯宇，徐成，刘昊昀，倪军，沈洋，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：