• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于物理信息神經(jīng)網(wǎng)絡(luò)的光斑質(zhì)心計(jì)算*

    2022-10-27 02:58:36方波浪王建國(guó)馮國(guó)斌
    物理學(xué)報(bào) 2022年20期
    關(guān)鍵詞:光斑質(zhì)心高斯

    方波浪 王建國(guó) 馮國(guó)斌

    (西北核技術(shù)研究所,西安 710024)

    為了實(shí)現(xiàn)強(qiáng)噪聲干擾下的遠(yuǎn)場(chǎng)光斑質(zhì)心高精度計(jì)算,研究了一種基于物理信息神經(jīng)網(wǎng)絡(luò)的質(zhì)心定位方法—質(zhì)心物理信息神經(jīng)網(wǎng)絡(luò)(centroid-PINN),該方法利用U-Net 神經(jīng)網(wǎng)絡(luò)優(yōu)化質(zhì)心計(jì)算誤差損失.為了驗(yàn)證該方法,利用模擬產(chǎn)生不同強(qiáng)度的兩種類(lèi)型噪聲(斜坡噪聲和白噪聲)干擾下的高斯光斑訓(xùn)練網(wǎng)絡(luò).通過(guò)兩種類(lèi)型的光斑(高斯光斑和類(lèi)Sinc 函數(shù)光斑)測(cè)試神經(jīng)網(wǎng)絡(luò),均得到了較高的質(zhì)心定位精度.相比傳統(tǒng)質(zhì)心定位計(jì)算方法,centroid-PINN 無(wú)需根據(jù)噪聲水平設(shè)置參數(shù),特別是能夠處理斜坡噪聲的干擾,獲得高精度定位結(jié)果.成果可用于高性能激光光斑質(zhì)心參數(shù)測(cè)量設(shè)備的研制,對(duì)于夏克-哈特曼波前測(cè)量裝置的研制也有一定的借鑒意義.

    1 引言

    光斑質(zhì)心計(jì)算在激光參數(shù)測(cè)量、自適應(yīng)光學(xué)、光通信等領(lǐng)域具有重要的應(yīng)用[1-4].例如,在激光遠(yuǎn)場(chǎng)光斑測(cè)量中,需要根據(jù)遠(yuǎn)場(chǎng)光斑分布獲得光斑質(zhì)心,評(píng)價(jià)激光指向穩(wěn)定性.同時(shí),質(zhì)心是計(jì)算光斑其他特征參數(shù)(環(huán)圍半徑、光斑尺寸等)的基礎(chǔ);在自適應(yīng)光學(xué)中,夏克-哈特曼技術(shù)是一種常用的波前測(cè)量技術(shù).在該技術(shù)中,子孔徑光斑的質(zhì)心高精度探測(cè)是關(guān)鍵的環(huán)節(jié)之一.

    干擾對(duì)于光斑質(zhì)心計(jì)算精度有顯著的影響[5-11].光斑質(zhì)心采用重心法(center of gravity,CoG)計(jì)算,計(jì)算準(zhǔn)確性受噪聲、背景照明、光斑調(diào)制、離散采樣、截?cái)嗾`差等因素影響.在遠(yuǎn)場(chǎng)光斑測(cè)量中,廣泛存在多種類(lèi)型的噪聲,并且有的噪聲隨信號(hào)產(chǎn)生,難以通過(guò)實(shí)驗(yàn)手段完全消除.在ISO-11146 中,為了降低邊緣噪聲的影響,規(guī)定采用加窗質(zhì)心計(jì)算方法.同時(shí),針對(duì)不同類(lèi)型的噪聲給出了相應(yīng)的消除方法.常用的光斑質(zhì)心計(jì)算方法還包括: 閾值法(threshold center of gravity,TCoG)、加權(quán)法(windowing center of gravity,WCoG)、迭代加權(quán)重心算法(iteratively windowing center of gravity,IWCoG)、強(qiáng)度加權(quán)算法(intensity weighted centroiding,IWC)、擬合法、模板濾波法(matched filter,MF)、相關(guān)法(correlation,Cor)等[8,12-18].還有許多預(yù)處理方法,如空間卷積波法、頻域?yàn)V波法、流式質(zhì)心算法(stream center of gravity,SCoG)、高斯噪聲估計(jì)等[11,17,19],期望去除噪聲的影響.然而,這些方法大多需要根據(jù)待測(cè)目標(biāo)進(jìn)行參數(shù)調(diào)整,計(jì)算精度與所采用的參數(shù)相關(guān),對(duì)于使用者的經(jīng)驗(yàn)要求較高.

    人工神經(jīng)網(wǎng)絡(luò)有望解決光斑質(zhì)心高精度計(jì)算難題.近年來(lái),人工智能得到了飛速發(fā)展,解決了許多難題,如圖像識(shí)別、語(yǔ)音識(shí)別、語(yǔ)義分析、翻譯、醫(yī)學(xué)診斷等,受到了廣泛關(guān)注,具有巨大的研究應(yīng)用潛力[20].在質(zhì)心計(jì)算/自適應(yīng)光學(xué)中也取得了許多進(jìn)展.例如,Montera等[21,22]利用全連接神經(jīng)網(wǎng)絡(luò),將光斑直接映射至質(zhì)心,對(duì)于拉長(zhǎng)畸變的光斑,獲得了較高的計(jì)算精度;Li等[23]給出了SHWFS-neural network (SHNN)網(wǎng)絡(luò),將質(zhì)心計(jì)算轉(zhuǎn)化為分類(lèi)問(wèn)題,在信噪比很低的情況下,獲得了準(zhǔn)確度很高的結(jié)果.全連接神經(jīng)網(wǎng)絡(luò)方法屬于回歸問(wèn)題,訓(xùn)練較難收斂.所以,采用了較小的神經(jīng)網(wǎng)絡(luò).而較小的網(wǎng)絡(luò)表達(dá)能力有限,因此對(duì)于不同朝向的變形光斑需要訓(xùn)練不同的神經(jīng)網(wǎng)絡(luò).SHNN將質(zhì)心計(jì)算轉(zhuǎn)變?yōu)榉诸?lèi)問(wèn)題,有效解決了極端噪聲的干擾.但該方法的計(jì)算精度最高不超過(guò)單像素.綜合考慮,這些方法對(duì)質(zhì)心計(jì)算的物理約束利用較少.針對(duì)物理問(wèn)題,Raissi等[24]提出了物理信息神經(jīng)網(wǎng)絡(luò)(physics informed neural network,PINN),該論文目前已被引用超過(guò)2000 次.PINN的主要思想為采用神經(jīng)網(wǎng)絡(luò)優(yōu)化控制方程的殘差,使得神經(jīng)網(wǎng)絡(luò)在可解釋性方面邁出了一大步,解決了許多物理問(wèn)題.

    因此,借鑒PINN 的思想,給出了一種用于光斑質(zhì)心計(jì)算的PINN 網(wǎng)絡(luò),稱為質(zhì)心物理信息神經(jīng)網(wǎng)絡(luò)(centroid-PINN).centroid-PINN 利用損失函數(shù)將質(zhì)心物理約束引入神經(jīng)網(wǎng)絡(luò),通過(guò)優(yōu)化網(wǎng)絡(luò)參數(shù)降低原始光斑與預(yù)測(cè)光斑的質(zhì)心誤差,實(shí)現(xiàn)強(qiáng)噪聲干擾下的光斑質(zhì)心高精度預(yù)測(cè).本文將質(zhì)心計(jì)算物理過(guò)程引入神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)了強(qiáng)噪聲下的畸變光斑的質(zhì)心高精度智能預(yù)測(cè).本文算法采用Python實(shí)現(xiàn),神經(jīng)網(wǎng)絡(luò)基于Tensorflow 框架.為了便于復(fù)現(xiàn)本文計(jì)算結(jié)果,文中所采用的程序?qū)⒃谡撐匿浻煤笤诰W(wǎng)絡(luò)上公開(kāi).

    2 質(zhì)心物理信息神經(jīng)網(wǎng)絡(luò)

    實(shí)際光斑強(qiáng)度Iraw為無(wú)噪聲光斑強(qiáng)度Io與噪聲強(qiáng)度n的疊加,表示為

    基于深度學(xué)習(xí)的質(zhì)心計(jì)算問(wèn)題可以被表述為利用神經(jīng)網(wǎng)絡(luò)對(duì)含噪聲光斑Iraw進(jìn)行處理,得到光斑,使得利用與Io計(jì)算得到相同的質(zhì)心.

    神經(jīng)網(wǎng)絡(luò)對(duì)光斑的預(yù)處理過(guò)程可以表示為

    其中Θ為網(wǎng)絡(luò)參數(shù).網(wǎng)絡(luò)訓(xùn)練的目標(biāo)是獲得質(zhì)心計(jì)算誤差最小的網(wǎng)絡(luò)參數(shù),即

    其中,fc為光斑質(zhì)心計(jì)算函數(shù).質(zhì)心采用一階矩定義計(jì)算:

    其中,x表示坐標(biāo),包括橫縱坐標(biāo)(x,y),對(duì)應(yīng)質(zhì)心的水平豎直位置;I為光強(qiáng);i表示坐標(biāo)索引;ε為數(shù)值小量,取10—15.考慮到I可能出現(xiàn)全零情況,因此實(shí)際計(jì)算時(shí)需要向分母中增加一個(gè)小量.L(·,·)表示損失函數(shù).考慮到質(zhì)心距離符合歐拉距離表征,采用2 范數(shù)作為損失函數(shù),表示為

    式中,下標(biāo)p 表示經(jīng)神經(jīng)網(wǎng)絡(luò)處理后的光斑計(jì)算得到的質(zhì)心,下標(biāo)o 表示無(wú)噪聲光斑的質(zhì)心.

    相比于SHNN,centroid-PINN 在使用網(wǎng)絡(luò)方面具有很高的自由度.可用神經(jīng)網(wǎng)絡(luò)有很多種,例如全連接網(wǎng)絡(luò)、深度卷積神經(jīng)網(wǎng)絡(luò)、U-Net 等.UNet為全卷積網(wǎng)絡(luò),被廣泛用于圖像區(qū)域劃分、降噪、識(shí)別等領(lǐng)域[25].質(zhì)心計(jì)算的困難主要來(lái)源于噪聲干擾.所以,本文采用U-Net 對(duì)噪聲光斑進(jìn)行預(yù)處理.如圖1 所示,網(wǎng)絡(luò)的主體采用U-Net 網(wǎng)絡(luò),將無(wú)噪聲原始光斑施加噪聲后再采用神經(jīng)網(wǎng)絡(luò)處理得到預(yù)測(cè)光斑,分別利用無(wú)噪聲光斑和預(yù)測(cè)光斑計(jì)算質(zhì)心,將二者的質(zhì)心間橫縱坐標(biāo)距離作為損失函數(shù),利用反向傳播算法優(yōu)化網(wǎng)絡(luò)參數(shù).U-Net為包括壓縮路徑和擴(kuò)展路徑的對(duì)稱U 形結(jié)構(gòu).壓縮路徑用于編碼,擴(kuò)展路徑用于簡(jiǎn)碼.本文采用的UNet 網(wǎng)絡(luò)包含2 個(gè)編碼/解碼層、1 個(gè)瓶頸層以及同一級(jí)的編碼層和解碼層之間的連接.編碼層包含2 個(gè)卷積層和1 個(gè)最大池化層.卷積層用于特征提取,卷積核的尺寸為3×3.最大池化層用于降采樣.每經(jīng)過(guò)一次降采樣,特征圖尺寸減小為原來(lái)的一半.為了減少信息損失,每個(gè)模塊較上個(gè)模塊的特征向量長(zhǎng)度增大1 倍,依次為16,32,64.解碼層包含1 個(gè)上采樣層和2 個(gè)卷積層.解碼層中,前一層特征圖上采樣與同層的壓縮層的特征向量拼接后組成卷積層的輸入.通過(guò)卷積層完成特征向量長(zhǎng)度的縮短及尺寸的加倍,從而實(shí)現(xiàn)圖像的勻化和主要信息提取.最終需要光斑灰度圖像計(jì)算質(zhì)心,因此網(wǎng)絡(luò)的輸出特征向量長(zhǎng)度為1.

    圖1 網(wǎng)絡(luò)結(jié)構(gòu)Fig.1.Network architecture.

    采用模擬方式產(chǎn)生訓(xùn)練及測(cè)試用的光斑圖像.經(jīng)大氣傳輸?shù)倪h(yuǎn)場(chǎng)長(zhǎng)時(shí)間平均光斑符合高斯分布,因此采用

    生成光斑.其中,x0和y0分別為質(zhì)心橫縱坐標(biāo),σx和σy表示高斯函數(shù)水平豎直方向的標(biāo)準(zhǔn)差.由于每經(jīng)一次降采樣,特征尺寸減半,所以U-Net 的網(wǎng)絡(luò)輸入尺寸需根據(jù)瓶頸層的特征尺寸及降采樣次數(shù)計(jì)算.本文選用的輸入尺寸為256×256.為了便于設(shè)置參數(shù),考慮到通常要求遠(yuǎn)場(chǎng)光斑測(cè)量區(qū)域?yàn)楣獍咧睆降? 倍,因此,圖像的長(zhǎng)寬坐標(biāo)范圍設(shè)置為—3—3.利用隨機(jī)數(shù)修改光斑參數(shù)產(chǎn)生不同形貌的光斑.其中x0,y0∈[-2,2] 表示光斑的質(zhì)心位置在—2—2 之間變化,σx,σy ∈[0.4,0.8] 用于調(diào)整高斯光斑的直徑.共生成10000 張高斯光斑圖片,隨機(jī)選取其中的80%作為訓(xùn)練數(shù)據(jù),20%作為測(cè)試數(shù)據(jù).

    在輸入網(wǎng)絡(luò)前對(duì)光斑進(jìn)行預(yù)處理.第一步: 由于質(zhì)心計(jì)算僅利用光強(qiáng)相對(duì)強(qiáng)度,以及神經(jīng)網(wǎng)絡(luò)的激活函數(shù)輸出范圍為—1—1,所以將光斑強(qiáng)度歸一化至0—1.第二步:為了模擬實(shí)際光斑,向原始光斑圖像中實(shí)時(shí)添加噪聲形成網(wǎng)絡(luò)輸入.典型的噪聲類(lèi)型包括白噪聲、斜坡噪聲、橫向及縱向高斯噪聲等[17].針對(duì)經(jīng)長(zhǎng)距離傳輸?shù)倪h(yuǎn)場(chǎng)光斑,橫向及縱向高斯噪聲較為少見(jiàn),因此僅考慮前兩種類(lèi)型噪聲干擾.白噪聲的標(biāo)準(zhǔn)差范圍為0—0.3,模擬最大30%的噪聲干擾.斜坡噪聲的最大強(qiáng)度范圍為0—1,斜率范圍為—0.5—0.5.第3 步: 再次將光斑強(qiáng)度歸一化至0—1 之間.

    在得到預(yù)測(cè)光斑后,利用(4)式分別計(jì)算預(yù)測(cè)的光斑和無(wú)噪聲光斑的質(zhì)心,再使用(5)式計(jì)算損失函數(shù).計(jì)算質(zhì)心的關(guān)鍵在于獲得質(zhì)心坐標(biāo)在圖像中的相對(duì)位置.因此,將光斑圖像的長(zhǎng)寬坐標(biāo)分別設(shè)為—1—1.圖像的大小為256×256,對(duì)應(yīng)一個(gè)像素的尺寸約為0.008.最后采用反向傳播算法優(yōu)化網(wǎng)絡(luò)參數(shù).采用的優(yōu)化器為Adam,學(xué)習(xí)率設(shè)置為0.0001.

    為了進(jìn)一步驗(yàn)證網(wǎng)絡(luò)的泛化能力,采用訓(xùn)練后的網(wǎng)絡(luò)預(yù)測(cè)了與高斯形貌不同的光斑的質(zhì)心.考慮平頂光斑遠(yuǎn)場(chǎng)衍射理想光斑,采用如下函數(shù)產(chǎn)生類(lèi)Sinc 光斑:

    其中,J1為一階貝塞爾函數(shù),r為坐標(biāo)點(diǎn)與質(zhì)心距離.采用均勻分布隨機(jī)數(shù)修改其中的參數(shù)改變光斑特征.a ∈[0.5,1.5],其余參數(shù)范圍與(6)式相同.

    3 結(jié)果與分析

    3.1 訓(xùn)練過(guò)程

    共對(duì)所有數(shù)據(jù)訓(xùn)練20 個(gè)周期.訓(xùn)練中依次從總體樣本中抽取小批量樣本,批量的大小為32.典型的損失函數(shù)變化如圖2 所示.曲線顯示: 經(jīng)1 個(gè)周期的訓(xùn)練,損失函數(shù)明顯下降.經(jīng)過(guò)訓(xùn)練,訓(xùn)練集上的損失函數(shù)下降了約4 個(gè)數(shù)量級(jí),測(cè)試集上的損失函數(shù)值約為10—4.測(cè)試集的損失函數(shù)值整體小于訓(xùn)練集的損失函數(shù),原因是當(dāng)前采用的損失函數(shù)為所有樣本的損失函數(shù)之和,而測(cè)試集的樣本少.多次重復(fù)執(zhí)行訓(xùn)練過(guò)程,得到的損失函數(shù)變化情況略有不同.這是由于優(yōu)化神經(jīng)網(wǎng)絡(luò)時(shí)采用的隨機(jī)數(shù)作為種子.但是,通常損失函數(shù)能夠在一個(gè)周期內(nèi)明顯下降.Centroid-PINN 利用損失函數(shù)將質(zhì)心計(jì)算物理過(guò)程融入神經(jīng)網(wǎng)絡(luò),使得神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)能夠更好地針對(duì)質(zhì)心計(jì)算提取所需的圖像特征.因而網(wǎng)絡(luò)較容易收斂,在較少的迭代周期內(nèi)即達(dá)到收斂.需要指出的是,如果采用較大的學(xué)習(xí)率,可能出現(xiàn)振蕩情況.振蕩的可能原因是個(gè)別光斑恰好通過(guò)當(dāng)前網(wǎng)絡(luò)參數(shù)前向傳播后得到近似全零圖像.但繼續(xù)訓(xùn)練,損失函數(shù)將再次降低.該結(jié)果表明網(wǎng)絡(luò)在當(dāng)前參數(shù)設(shè)置下易于收斂.

    圖2 訓(xùn)練過(guò)程中損失函數(shù)變化情況Fig.2.Loss in training process.

    3.2 高斯光斑測(cè)試

    從高斯光斑測(cè)試集中隨機(jī)選取光斑圖像,采用已訓(xùn)練的網(wǎng)絡(luò)預(yù)測(cè)光斑質(zhì)心,結(jié)果如圖3 所示.圖3(a)中,第一行為3 個(gè)典型的輸入光斑圖像;第二行為對(duì)應(yīng)的無(wú)噪聲原始光斑;第三行為采用第一行光斑作為輸入得到的預(yù)測(cè)圖像.輸入光斑圖像中顯示出較明顯的背景干擾,并且光斑尺寸各異、位置隨機(jī)、存在沿水平豎直方向的拉伸變形.結(jié)果顯示: 在預(yù)測(cè)光斑圖像中,僅在與原始光斑位置相同處的強(qiáng)度較大,在噪聲處幾乎無(wú)響應(yīng),說(shuō)明網(wǎng)絡(luò)對(duì)于真實(shí)光斑的響應(yīng)較強(qiáng).進(jìn)一步,分別使用重心算法(CoG)和閾值重心算法(TmCoG)計(jì)算原始輸入光斑的質(zhì)心,采用CoG 計(jì)算預(yù)測(cè)圖像光斑質(zhì)心.為了便于實(shí)現(xiàn),TmCoG 的閾值固定為0.1.結(jié)果如圖3(b)所示.圖中顯示了10 個(gè)批次的計(jì)算結(jié)果,每個(gè)數(shù)據(jù)點(diǎn)為32 幅圖像的平均值.CoG 與TmCoG的計(jì)算偏差基本相同,約0.5.對(duì)比圖像尺寸為1,因此對(duì)于存在當(dāng)前噪聲干擾的光斑,傳統(tǒng)質(zhì)心算法無(wú)法準(zhǔn)確獲得光斑質(zhì)心.主要原因是傳統(tǒng)質(zhì)心算法易受噪聲干擾,特別是無(wú)法應(yīng)對(duì)斜坡噪聲干擾.而利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的精度為約0.008,約為1 個(gè)像素.表明利用當(dāng)前的神經(jīng)網(wǎng)絡(luò)可以有效預(yù)測(cè)斜坡和白噪聲干擾下的高斯光斑質(zhì)心位置.對(duì)比網(wǎng)絡(luò)輸出的光斑與原始光斑,雖然二者存在較大差異,但是網(wǎng)絡(luò)在光斑處的響應(yīng)遠(yuǎn)高于其他位置處,表明網(wǎng)絡(luò)有效提取了高精度計(jì)算質(zhì)心的特征,因而獲得了較高的質(zhì)心定位精度.在傳統(tǒng)降噪應(yīng)用中,要求網(wǎng)絡(luò)的輸出與原始圖像相一致.Centroid-PINN 不同于傳統(tǒng)的降噪,Centroid-PINN 的約束為網(wǎng)絡(luò)輸出的光斑與原始光斑形所計(jì)算得到的質(zhì)心相同.

    圖3 高斯光斑典型結(jié)果 (a)典型光斑,第一行為輸入光斑,第二行為原始的無(wú)噪聲光斑,第三行為預(yù)測(cè)光斑;(b)質(zhì)心誤差Fig.3.Typical results of gauss spots: (a) Typical spots,first row is input spots,second row is true spot,third row is predicted spot;(b) centroid estimation error.

    3.3 泛化測(cè)試

    為了檢驗(yàn)該網(wǎng)絡(luò)的泛化能力,使用上述訓(xùn)練后的網(wǎng)絡(luò)預(yù)測(cè)了噪聲干擾下的類(lèi)Sinc 光斑的質(zhì)心,結(jié)果如圖4 所示.圖4(a)是典型的輸入光斑、原始光斑和預(yù)測(cè)光斑.輸入光斑為含噪聲光斑.原始光斑為無(wú)噪聲光斑.預(yù)測(cè)光斑為經(jīng)神經(jīng)網(wǎng)絡(luò)處理后的光斑.為了更明顯的顯示衍射光斑圖案,灰度值采用了自然對(duì)數(shù)坐標(biāo).輸入光斑不僅包含各種類(lèi)型的噪聲干擾、改變了尺寸、拉伸變化,而且增加了原訓(xùn)練數(shù)據(jù)集中不存在的旋轉(zhuǎn)變換.與高斯光斑算例相似,在預(yù)測(cè)光斑中,僅在與原始光斑的主光斑位置處出現(xiàn)較強(qiáng)響應(yīng).圖像邊緣處顯示出十分低的響應(yīng)是由于目前采用的U-Net 在卷積計(jì)算時(shí)采用了邊緣補(bǔ)零的方法,采用邊緣對(duì)稱方法可以改善這一現(xiàn)象.質(zhì)心計(jì)算誤差結(jié)果如圖4(b)所示.由神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的質(zhì)心誤差小于0.008,即神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度達(dá)到了亞像素級(jí)別.相比而言,傳統(tǒng)質(zhì)心算法的計(jì)算誤差約0.09,未能得到準(zhǔn)確的質(zhì)心位置.因此,神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的精度依舊遠(yuǎn)高于傳統(tǒng)質(zhì)心算法方法.

    圖4 類(lèi)Sinc 光斑計(jì)算結(jié)果 (a)典型光斑,第一行為輸入光斑,第二行為原始光斑,第三行為網(wǎng)絡(luò)輸出光斑;(b)質(zhì)心誤差Fig.4.Typical results of sinc-like spots: (a) Typical spots,first row is input spots,second row is true spot,third row is predicted spot;(b) centroid estimation error.

    3.4 不同噪聲水平的影響分析

    為了檢驗(yàn)Centroid-PINN 的性能,利用高斯光斑分別計(jì)算了兩種噪聲對(duì)質(zhì)心定位精度的影響,結(jié)果如圖5 所示.圖5(a),(b)分別顯示了僅有高斯噪聲和僅有斜坡噪聲的計(jì)算結(jié)果.橫坐標(biāo)表示不同的噪聲強(qiáng)度.每一個(gè)數(shù)據(jù)點(diǎn)均為32 幅圖像計(jì)算的平均結(jié)果.結(jié)果顯示: Centroid-PINN 預(yù)測(cè)的質(zhì)心誤差小于0.01,約為1 個(gè)像素;而傳統(tǒng)方法預(yù)測(cè)的結(jié)果偏差較大,未能準(zhǔn)確獲得質(zhì)心位置.表明神經(jīng)網(wǎng)絡(luò)可以在兩種噪聲單獨(dú)干擾下有效地排除噪聲干擾,識(shí)別光斑.特別是對(duì)于斜坡噪聲,隨著噪聲強(qiáng)度的增大,神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度進(jìn)一步提升.該現(xiàn)象可以解釋為隨著斜坡噪聲的強(qiáng)度增大,噪聲的特征更為明顯,因此神經(jīng)網(wǎng)絡(luò)更容易排除該噪聲的干擾.

    圖5 不同強(qiáng)度噪聲對(duì)質(zhì)心計(jì)算的影響 (a)白噪聲;(b)斜坡噪聲Fig.5.Influence of noise intensity on centroid computation: (a) White noise;(b) ramp noise.

    4 結(jié)論

    針對(duì)噪聲干擾下的畸變光斑質(zhì)心高精度計(jì)算,提出了基于神經(jīng)網(wǎng)絡(luò)的質(zhì)心預(yù)測(cè)方法,稱為centroid-PINN.Centroid-PINN 利用U-Net神經(jīng)網(wǎng)絡(luò)預(yù)處理光斑圖像,將質(zhì)心計(jì)算誤差作為損失函數(shù)優(yōu)化網(wǎng)絡(luò)參數(shù).采用模擬手段驗(yàn)證了該方法.結(jié)果表明: 在白噪聲和斜坡噪聲干擾下,centroid-PINN對(duì)于畸變的高斯光斑和Sinc 光斑的質(zhì)心計(jì)算精度遠(yuǎn)高于傳統(tǒng)方法,可達(dá)亞像素級(jí)別.相比于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)方法,centroid-PINN 具有更明確的物理意義,更易于訓(xùn)練.相比傳統(tǒng)質(zhì)心計(jì)算方法,centroid-PINN 能夠智能化消除特定類(lèi)型噪聲的干擾,有效解決了噪聲干擾下的質(zhì)心高精度定位難題.進(jìn)一步,噪聲的類(lèi)型豐富多樣,本文僅對(duì)兩種典型噪聲的干擾展開(kāi)了研究,后續(xù)工作中還可以分析其他噪聲的干擾,以及多種噪聲的疊加干擾.

    猜你喜歡
    光斑質(zhì)心高斯
    小高斯的大發(fā)現(xiàn)
    我愛(ài)塵世的輕煙和光斑
    都市(2023年6期)2023-12-28 07:56:54
    光斑
    重型半掛汽車(chē)質(zhì)量與質(zhì)心位置估計(jì)
    基于GNSS測(cè)量的天宮二號(hào)質(zhì)心確定
    有趣的光斑
    有趣的光斑
    天才數(shù)學(xué)家——高斯
    有限域上高斯正規(guī)基的一個(gè)注記
    一種海洋測(cè)高衛(wèi)星質(zhì)心在軌估計(jì)算法
    航天器工程(2014年5期)2014-03-11 16:35:53
    欧美性猛交╳xxx乱大交人| 国产亚洲av嫩草精品影院| 国产视频内射| 99国产精品99久久久久| 免费在线观看影片大全网站| 日本 av在线| 最近最新免费中文字幕在线| 欧美国产日韩亚洲一区| 欧美日韩精品网址| 巨乳人妻的诱惑在线观看| 99在线人妻在线中文字幕| 亚洲精华国产精华精| 欧美成人免费av一区二区三区| 色综合婷婷激情| 日韩欧美 国产精品| 黄片小视频在线播放| 一级片免费观看大全| 成年女人毛片免费观看观看9| 久久久久久久久中文| 国产成人欧美| 国产精品二区激情视频| 亚洲成人久久爱视频| 国产又黄又爽又无遮挡在线| 精品一区二区三区视频在线观看免费| 久久久久久久久久黄片| 麻豆成人午夜福利视频| 国产1区2区3区精品| 久久婷婷成人综合色麻豆| 岛国视频午夜一区免费看| 色精品久久人妻99蜜桃| 亚洲国产精品久久男人天堂| 亚洲五月色婷婷综合| 在线观看一区二区三区| 日韩大码丰满熟妇| 国产成人av激情在线播放| 在线观看免费视频日本深夜| 亚洲国产欧洲综合997久久, | 亚洲 欧美 日韩 在线 免费| 在线永久观看黄色视频| 久久久久九九精品影院| 亚洲精品国产一区二区精华液| 国产精品亚洲美女久久久| 久久久久亚洲av毛片大全| 19禁男女啪啪无遮挡网站| 男人操女人黄网站| 脱女人内裤的视频| 亚洲成人久久性| 久久久久久久久久黄片| 国产av又大| 男女那种视频在线观看| 久久久久久人人人人人| 欧美性猛交黑人性爽| 欧美日韩一级在线毛片| 韩国av一区二区三区四区| 欧美+亚洲+日韩+国产| 国产午夜精品久久久久久| 制服诱惑二区| 一级毛片精品| www.自偷自拍.com| 国产黄色小视频在线观看| 欧美丝袜亚洲另类 | 精品久久久久久久久久免费视频| 欧美日韩黄片免| 欧美黄色片欧美黄色片| 在线观看免费午夜福利视频| 国产亚洲精品av在线| 午夜福利在线在线| 最近最新中文字幕大全免费视频| 色av中文字幕| 777久久人妻少妇嫩草av网站| 久久狼人影院| 久久亚洲真实| 淫妇啪啪啪对白视频| 精品一区二区三区视频在线观看免费| 亚洲无线在线观看| 欧美中文日本在线观看视频| 国产精品影院久久| 变态另类丝袜制服| 操出白浆在线播放| 国产亚洲精品一区二区www| 亚洲美女黄片视频| 色播亚洲综合网| 国产精品久久电影中文字幕| 亚洲电影在线观看av| 亚洲av美国av| 国产熟女午夜一区二区三区| 热re99久久国产66热| 日韩欧美国产一区二区入口| 日本a在线网址| 亚洲欧美精品综合久久99| 色婷婷久久久亚洲欧美| 久热这里只有精品99| 久久久久久久精品吃奶| 久久久久久久久免费视频了| 人人妻,人人澡人人爽秒播| 免费高清在线观看日韩| 成年免费大片在线观看| 欧美性长视频在线观看| 他把我摸到了高潮在线观看| 欧美日韩一级在线毛片| 757午夜福利合集在线观看| av在线播放免费不卡| 久久精品91无色码中文字幕| 精品久久久久久久久久免费视频| av天堂在线播放| 欧美日韩乱码在线| 国产片内射在线| 亚洲电影在线观看av| АⅤ资源中文在线天堂| 少妇的丰满在线观看| 又黄又爽又免费观看的视频| 精品国产美女av久久久久小说| 一本久久中文字幕| 午夜日韩欧美国产| 中文字幕人成人乱码亚洲影| 禁无遮挡网站| 91九色精品人成在线观看| 国产又爽黄色视频| 亚洲五月婷婷丁香| 国产亚洲精品一区二区www| 精品国产一区二区三区四区第35| 91国产中文字幕| 看免费av毛片| 国产真人三级小视频在线观看| 日韩av在线大香蕉| 精品国产乱子伦一区二区三区| 97碰自拍视频| 性色av乱码一区二区三区2| 一卡2卡三卡四卡精品乱码亚洲| 白带黄色成豆腐渣| 久久精品影院6| 精品无人区乱码1区二区| 欧美 亚洲 国产 日韩一| 男人舔女人下体高潮全视频| 久久久国产成人免费| 亚洲中文日韩欧美视频| 午夜a级毛片| 亚洲五月婷婷丁香| 无限看片的www在线观看| 日韩欧美一区视频在线观看| 精品乱码久久久久久99久播| 国产成人av教育| 亚洲专区字幕在线| 欧美激情 高清一区二区三区| tocl精华| 不卡av一区二区三区| 少妇被粗大的猛进出69影院| 真人一进一出gif抽搐免费| 午夜日韩欧美国产| 国产一卡二卡三卡精品| 在线看三级毛片| 欧美精品啪啪一区二区三区| 亚洲精品美女久久久久99蜜臀| 一本一本综合久久| 精品国产国语对白av| 欧美在线黄色| 久久香蕉激情| 亚洲欧美精品综合一区二区三区| 久久久国产精品麻豆| 首页视频小说图片口味搜索| 动漫黄色视频在线观看| 亚洲av电影在线进入| 日韩一卡2卡3卡4卡2021年| 色婷婷久久久亚洲欧美| 美女高潮到喷水免费观看| 女人被狂操c到高潮| 亚洲五月色婷婷综合| 麻豆成人午夜福利视频| 国产亚洲精品av在线| 久热这里只有精品99| 一级作爱视频免费观看| 免费无遮挡裸体视频| 男女床上黄色一级片免费看| 欧美日韩亚洲国产一区二区在线观看| 国产高清视频在线播放一区| 啪啪无遮挡十八禁网站| 久久久久久久久中文| 男女下面进入的视频免费午夜 | 精品福利观看| 久久精品影院6| 国产成人欧美在线观看| 亚洲中文字幕一区二区三区有码在线看 | 欧美乱色亚洲激情| 中文字幕人妻丝袜一区二区| 欧美成人免费av一区二区三区| 精品国产超薄肉色丝袜足j| 极品教师在线免费播放| 久久热在线av| 国产不卡一卡二| 国产色视频综合| 美国免费a级毛片| 国产一卡二卡三卡精品| 精品久久蜜臀av无| 日韩免费av在线播放| 久久久久久久精品吃奶| 久久精品国产综合久久久| 国产高清激情床上av| 亚洲一卡2卡3卡4卡5卡精品中文| 一级黄色大片毛片| 少妇裸体淫交视频免费看高清 | 国产成人精品久久二区二区免费| 岛国视频午夜一区免费看| 成人国语在线视频| ponron亚洲| 满18在线观看网站| 亚洲国产欧美网| 午夜福利欧美成人| 午夜老司机福利片| 精品国产亚洲在线| 亚洲aⅴ乱码一区二区在线播放 | 国产一级毛片七仙女欲春2 | 亚洲专区中文字幕在线| 69av精品久久久久久| 国产精品电影一区二区三区| 99re在线观看精品视频| 久9热在线精品视频| 两性午夜刺激爽爽歪歪视频在线观看 | 久久精品影院6| 精品日产1卡2卡| 身体一侧抽搐| 精品久久久久久久末码| 成人永久免费在线观看视频| 99在线人妻在线中文字幕| 成人三级做爰电影| 91成人精品电影| 欧美乱妇无乱码| 色婷婷久久久亚洲欧美| 听说在线观看完整版免费高清| www.熟女人妻精品国产| 村上凉子中文字幕在线| 一进一出抽搐动态| 不卡一级毛片| 日本 欧美在线| 在线国产一区二区在线| 亚洲第一青青草原| 99热这里只有精品一区 | 久久久久久久久中文| 少妇被粗大的猛进出69影院| 欧美成人免费av一区二区三区| 日韩欧美 国产精品| 99久久无色码亚洲精品果冻| 又黄又粗又硬又大视频| 色综合站精品国产| 国产在线精品亚洲第一网站| 国产高清激情床上av| 免费在线观看亚洲国产| 久久久久久人人人人人| 久久九九热精品免费| 亚洲自偷自拍图片 自拍| 国产精品一区二区三区四区久久 | 神马国产精品三级电影在线观看 | 亚洲欧洲精品一区二区精品久久久| 欧美又色又爽又黄视频| 久久久国产成人免费| 国产精品一区二区精品视频观看| 男女之事视频高清在线观看| 91九色精品人成在线观看| 99精品欧美一区二区三区四区| 成人三级做爰电影| 天天躁狠狠躁夜夜躁狠狠躁| 少妇 在线观看| 国产一区二区在线av高清观看| www.精华液| 男人舔奶头视频| 高清毛片免费观看视频网站| 亚洲自偷自拍图片 自拍| 一级a爱片免费观看的视频| 在线观看午夜福利视频| 欧美乱色亚洲激情| 欧美黑人精品巨大| 亚洲人成伊人成综合网2020| 伊人久久大香线蕉亚洲五| 在线观看免费日韩欧美大片| 国产亚洲av高清不卡| 51午夜福利影视在线观看| 一区二区三区国产精品乱码| 啦啦啦 在线观看视频| www.熟女人妻精品国产| 婷婷六月久久综合丁香| 精品日产1卡2卡| 精品人妻1区二区| 后天国语完整版免费观看| 免费无遮挡裸体视频| 日韩欧美免费精品| 欧美乱码精品一区二区三区| 色综合站精品国产| 国产1区2区3区精品| 在线免费观看的www视频| 校园春色视频在线观看| 男女午夜视频在线观看| 久久久精品国产亚洲av高清涩受| 国产高清视频在线播放一区| 正在播放国产对白刺激| 啦啦啦免费观看视频1| 国产成人一区二区三区免费视频网站| 亚洲国产欧美日韩在线播放| 国产色视频综合| 国产精品98久久久久久宅男小说| 成人午夜高清在线视频 | 色播亚洲综合网| 一本大道久久a久久精品| 国产精品免费一区二区三区在线| svipshipincom国产片| 国产野战对白在线观看| 国产97色在线日韩免费| av天堂在线播放| 日韩有码中文字幕| 日韩免费av在线播放| 久久性视频一级片| 亚洲成人免费电影在线观看| 精品免费久久久久久久清纯| 国产成+人综合+亚洲专区| 亚洲精品国产精品久久久不卡| 久久午夜综合久久蜜桃| 他把我摸到了高潮在线观看| 国产高清videossex| 国产又爽黄色视频| 成人三级做爰电影| 日韩精品免费视频一区二区三区| 精品日产1卡2卡| 色在线成人网| 欧美中文日本在线观看视频| 欧美av亚洲av综合av国产av| 欧美黄色淫秽网站| 精品人妻1区二区| 三级毛片av免费| 欧美一区二区精品小视频在线| 成人手机av| 一级a爱视频在线免费观看| 18禁美女被吸乳视频| 女人爽到高潮嗷嗷叫在线视频| 国产一区二区激情短视频| 国产在线精品亚洲第一网站| 亚洲国产欧洲综合997久久, | 国产一区二区三区在线臀色熟女| 精品高清国产在线一区| 欧美性猛交黑人性爽| 日日爽夜夜爽网站| 亚洲成av片中文字幕在线观看| 一本精品99久久精品77| 久久久久久久久久黄片| 中文字幕最新亚洲高清| 精品乱码久久久久久99久播| 夜夜躁狠狠躁天天躁| 亚洲av美国av| 一级毛片女人18水好多| 久久香蕉国产精品| 久久 成人 亚洲| 免费高清视频大片| 精品国内亚洲2022精品成人| 国产av不卡久久| 夜夜躁狠狠躁天天躁| 欧美黑人欧美精品刺激| 一级毛片女人18水好多| 国产亚洲欧美在线一区二区| 波多野结衣巨乳人妻| 19禁男女啪啪无遮挡网站| 免费在线观看日本一区| 成人国语在线视频| 亚洲专区中文字幕在线| 老司机午夜十八禁免费视频| 亚洲精品一区av在线观看| 三级毛片av免费| 亚洲av成人不卡在线观看播放网| 99热6这里只有精品| 日本免费一区二区三区高清不卡| 中文字幕精品亚洲无线码一区 | 精品久久久久久久末码| 亚洲成人免费电影在线观看| 国产av又大| 老汉色∧v一级毛片| 精品欧美国产一区二区三| 亚洲 欧美 日韩 在线 免费| 麻豆国产av国片精品| 欧美日韩黄片免| 好男人在线观看高清免费视频 | 欧美黄色淫秽网站| 欧美在线黄色| 高清在线国产一区| 日本精品一区二区三区蜜桃| 久久青草综合色| 亚洲精品粉嫩美女一区| 色播在线永久视频| 免费女性裸体啪啪无遮挡网站| 美国免费a级毛片| 日本免费a在线| 天天一区二区日本电影三级| 一级片免费观看大全| 国产精品1区2区在线观看.| 一个人观看的视频www高清免费观看 | 欧美色视频一区免费| 99久久久亚洲精品蜜臀av| 操出白浆在线播放| 人人妻人人澡欧美一区二区| 成人国语在线视频| 久久精品夜夜夜夜夜久久蜜豆 | 国产激情欧美一区二区| 欧美性猛交黑人性爽| 国产亚洲精品综合一区在线观看 | 国产区一区二久久| 一级a爱片免费观看的视频| 午夜福利成人在线免费观看| 久久天堂一区二区三区四区| 亚洲欧美日韩高清在线视频| 成人亚洲精品一区在线观看| 搞女人的毛片| 最近最新免费中文字幕在线| 亚洲 欧美 日韩 在线 免费| 久99久视频精品免费| 亚洲全国av大片| 99热6这里只有精品| 国产亚洲精品第一综合不卡| 亚洲avbb在线观看| 黄色女人牲交| 高潮久久久久久久久久久不卡| 亚洲精品美女久久久久99蜜臀| 黄色毛片三级朝国网站| 免费看美女性在线毛片视频| 激情在线观看视频在线高清| 这个男人来自地球电影免费观看| 老汉色∧v一级毛片| 女警被强在线播放| 亚洲国产毛片av蜜桃av| 法律面前人人平等表现在哪些方面| 久久天堂一区二区三区四区| 精品国内亚洲2022精品成人| 黑丝袜美女国产一区| 国产伦在线观看视频一区| 狠狠狠狠99中文字幕| 欧美日韩精品网址| 午夜精品在线福利| 日韩欧美国产一区二区入口| 亚洲欧美精品综合久久99| 久热这里只有精品99| 九色国产91popny在线| 久久精品影院6| 在线国产一区二区在线| av视频在线观看入口| 侵犯人妻中文字幕一二三四区| 桃红色精品国产亚洲av| 成人国产一区最新在线观看| 精品欧美一区二区三区在线| 在线永久观看黄色视频| 成人一区二区视频在线观看| 俄罗斯特黄特色一大片| 777久久人妻少妇嫩草av网站| 男人的好看免费观看在线视频 | 变态另类丝袜制服| 成人永久免费在线观看视频| 美女高潮到喷水免费观看| 午夜日韩欧美国产| 日韩av在线大香蕉| 不卡一级毛片| 午夜老司机福利片| 一a级毛片在线观看| 国产aⅴ精品一区二区三区波| 在线天堂中文资源库| 久久久久免费精品人妻一区二区 | 91九色精品人成在线观看| 日日干狠狠操夜夜爽| 在线观看66精品国产| 两性夫妻黄色片| 日韩欧美国产一区二区入口| 可以免费在线观看a视频的电影网站| 一区二区日韩欧美中文字幕| 脱女人内裤的视频| 少妇裸体淫交视频免费看高清 | 大型黄色视频在线免费观看| 亚洲欧美精品综合久久99| 国产欧美日韩一区二区三| 免费观看精品视频网站| 国产精品av久久久久免费| 白带黄色成豆腐渣| 麻豆国产av国片精品| 亚洲精品一区av在线观看| 美女扒开内裤让男人捅视频| 亚洲成av片中文字幕在线观看| 色播在线永久视频| 很黄的视频免费| 久久国产精品男人的天堂亚洲| 一本精品99久久精品77| 成人亚洲精品一区在线观看| 亚洲av五月六月丁香网| 一本一本综合久久| 亚洲成人精品中文字幕电影| 午夜久久久久精精品| av有码第一页| 婷婷亚洲欧美| tocl精华| 欧美av亚洲av综合av国产av| 最近最新中文字幕大全电影3 | 最新美女视频免费是黄的| 亚洲av日韩精品久久久久久密| 欧美精品啪啪一区二区三区| tocl精华| 成人三级黄色视频| 日本一本二区三区精品| 日韩视频一区二区在线观看| 老司机在亚洲福利影院| 后天国语完整版免费观看| 久久人人精品亚洲av| √禁漫天堂资源中文www| 亚洲熟妇中文字幕五十中出| 好看av亚洲va欧美ⅴa在| 久久精品91无色码中文字幕| 韩国精品一区二区三区| 校园春色视频在线观看| 久久久水蜜桃国产精品网| av电影中文网址| 一边摸一边抽搐一进一小说| 91字幕亚洲| 成人亚洲精品av一区二区| 一二三四社区在线视频社区8| 国产伦在线观看视频一区| 丝袜人妻中文字幕| 亚洲真实伦在线观看| 国产av一区在线观看免费| 视频区欧美日本亚洲| 老司机在亚洲福利影院| 一进一出抽搐动态| 一区二区日韩欧美中文字幕| 久久国产亚洲av麻豆专区| 欧美在线一区亚洲| 日韩免费av在线播放| 亚洲一区高清亚洲精品| 免费电影在线观看免费观看| 女人爽到高潮嗷嗷叫在线视频| 久久久久国内视频| 国产一级毛片七仙女欲春2 | 一进一出好大好爽视频| 中文字幕久久专区| 亚洲av熟女| 999精品在线视频| 欧美一级毛片孕妇| www.999成人在线观看| 国产亚洲精品一区二区www| 黄片大片在线免费观看| 精品久久久久久,| 久久久久久久久免费视频了| 一夜夜www| 丝袜在线中文字幕| 欧美另类亚洲清纯唯美| 天堂√8在线中文| 欧美日韩瑟瑟在线播放| 欧美日韩一级在线毛片| 久热这里只有精品99| 看黄色毛片网站| 国产精品 国内视频| 日韩免费av在线播放| 日韩欧美在线二视频| 亚洲无线在线观看| 在线观看免费视频日本深夜| 夜夜夜夜夜久久久久| 日韩欧美一区二区三区在线观看| 精品高清国产在线一区| 丝袜人妻中文字幕| 亚洲成人精品中文字幕电影| 欧美一级a爱片免费观看看 | 熟女少妇亚洲综合色aaa.| 变态另类丝袜制服| 国产精品一区二区精品视频观看| 亚洲人成伊人成综合网2020| 欧美激情 高清一区二区三区| 又黄又粗又硬又大视频| 99在线视频只有这里精品首页| av在线播放免费不卡| 麻豆一二三区av精品| 久久天躁狠狠躁夜夜2o2o| av天堂在线播放| 精品第一国产精品| 亚洲七黄色美女视频| 午夜福利高清视频| 午夜成年电影在线免费观看| 亚洲狠狠婷婷综合久久图片| 亚洲人成网站在线播放欧美日韩| 桃色一区二区三区在线观看| 亚洲av美国av| 色老头精品视频在线观看| 国产成人av教育| 18禁国产床啪视频网站| 久久精品亚洲精品国产色婷小说| 99在线视频只有这里精品首页| 亚洲精品久久成人aⅴ小说| 国产亚洲精品综合一区在线观看 | 我的亚洲天堂| 国产高清有码在线观看视频 | 999久久久精品免费观看国产| 18禁黄网站禁片午夜丰满| 亚洲激情在线av| 不卡av一区二区三区| 女警被强在线播放| 国产精品,欧美在线| 无限看片的www在线观看| 别揉我奶头~嗯~啊~动态视频| 在线观看一区二区三区| 国产亚洲精品综合一区在线观看 | 啦啦啦韩国在线观看视频| 色精品久久人妻99蜜桃| 韩国精品一区二区三区| 亚洲欧美精品综合久久99| 亚洲成人国产一区在线观看| netflix在线观看网站| 亚洲五月婷婷丁香| 亚洲自拍偷在线| 校园春色视频在线观看| 国内揄拍国产精品人妻在线 | 午夜福利欧美成人| 一级毛片高清免费大全| 久久性视频一级片| 久久精品夜夜夜夜夜久久蜜豆 | 国产视频一区二区在线看| 免费看日本二区| 久久久久久国产a免费观看| 精品少妇一区二区三区视频日本电影| 狂野欧美激情性xxxx|