• <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
    一边摸一边抽搐一进一出视频| 成年美女黄网站色视频大全免费| 久久精品aⅴ一区二区三区四区| 亚洲第一av免费看| 亚洲精品一区蜜桃| 婷婷色av中文字幕| 亚洲av成人不卡在线观看播放网 | 日韩一本色道免费dvd| 亚洲一区二区三区欧美精品| 操出白浆在线播放| 国产激情久久老熟女| 人人澡人人妻人| 成年人午夜在线观看视频| 在线观看人妻少妇| 精品国产露脸久久av麻豆| 波多野结衣一区麻豆| 中国国产av一级| 欧美精品亚洲一区二区| 日韩 欧美 亚洲 中文字幕| 99国产综合亚洲精品| 亚洲色图 男人天堂 中文字幕| 国产片内射在线| 9热在线视频观看99| 一个人免费看片子| 最近最新中文字幕大全免费视频 | 女人爽到高潮嗷嗷叫在线视频| 久久久久久久国产电影| 精品人妻熟女毛片av久久网站| 这个男人来自地球电影免费观看 | 免费在线观看完整版高清| 中文天堂在线官网| av一本久久久久| 欧美日韩精品网址| 亚洲欧美成人精品一区二区| 只有这里有精品99| 国产日韩一区二区三区精品不卡| 国产无遮挡羞羞视频在线观看| 18禁国产床啪视频网站| 两性夫妻黄色片| 搡老乐熟女国产| 少妇 在线观看| 日韩欧美一区视频在线观看| 色精品久久人妻99蜜桃| 成人漫画全彩无遮挡| 99热全是精品| 精品人妻熟女毛片av久久网站| 中文欧美无线码| 制服人妻中文乱码| 国产无遮挡羞羞视频在线观看| 亚洲男人天堂网一区| 亚洲人成电影观看| 久久97久久精品| 晚上一个人看的免费电影| 亚洲国产日韩一区二区| 亚洲av成人精品一二三区| 一二三四中文在线观看免费高清| 高清在线视频一区二区三区| 国产av码专区亚洲av| 少妇人妻久久综合中文| 超碰成人久久| 午夜福利一区二区在线看| 母亲3免费完整高清在线观看| 色综合欧美亚洲国产小说| 免费在线观看视频国产中文字幕亚洲 | 波多野结衣一区麻豆| 校园人妻丝袜中文字幕| 超碰97精品在线观看| 国产成人一区二区在线| 99香蕉大伊视频| 国产免费视频播放在线视频| 女人高潮潮喷娇喘18禁视频| 国产成人精品久久二区二区91 | 亚洲精品中文字幕在线视频| videosex国产| 国产成人免费观看mmmm| av女优亚洲男人天堂| 男女无遮挡免费网站观看| 交换朋友夫妻互换小说| 青春草亚洲视频在线观看| 麻豆乱淫一区二区| 十八禁网站网址无遮挡| 制服诱惑二区| 捣出白浆h1v1| 欧美精品一区二区免费开放| 国产片内射在线| 一级a爱视频在线免费观看| 午夜福利一区二区在线看| 色精品久久人妻99蜜桃| 久久人人爽av亚洲精品天堂| 伊人久久大香线蕉亚洲五| 亚洲av电影在线进入| 日日撸夜夜添| 欧美日韩精品网址| 日本黄色日本黄色录像| 又大又黄又爽视频免费| 老司机深夜福利视频在线观看 | 中文字幕亚洲精品专区| 欧美激情高清一区二区三区 | 99久久人妻综合| 丁香六月天网| 美女福利国产在线| 999精品在线视频| 一区福利在线观看| 亚洲国产日韩一区二区| 这个男人来自地球电影免费观看 | 女性被躁到高潮视频| 中文字幕制服av| 18禁国产床啪视频网站| 男女之事视频高清在线观看 | kizo精华| 精品福利永久在线观看| 亚洲成国产人片在线观看| 午夜免费鲁丝| 亚洲精品日本国产第一区| 久久精品久久久久久久性| 韩国精品一区二区三区| 少妇被粗大的猛进出69影院| 岛国毛片在线播放| 亚洲精品,欧美精品| 色综合欧美亚洲国产小说| 亚洲国产欧美网| 久久精品久久久久久久性| 亚洲国产看品久久| 亚洲成色77777| 免费观看a级毛片全部| 国产片内射在线| 美女国产高潮福利片在线看| 人人妻,人人澡人人爽秒播 | 亚洲成人免费av在线播放| 久久久久精品人妻al黑| 日韩中文字幕视频在线看片| 侵犯人妻中文字幕一二三四区| 黄片小视频在线播放| 免费观看a级毛片全部| 亚洲婷婷狠狠爱综合网| 人妻 亚洲 视频| 大香蕉久久成人网| 午夜福利影视在线免费观看| 秋霞伦理黄片| 日本一区二区免费在线视频| a级毛片黄视频| kizo精华| 色吧在线观看| 亚洲熟女毛片儿| 岛国毛片在线播放| √禁漫天堂资源中文www| 丰满饥渴人妻一区二区三| 九草在线视频观看| 日韩av免费高清视频| 麻豆乱淫一区二区| 精品国产乱码久久久久久男人| 国产精品三级大全| 嫩草影视91久久| 亚洲七黄色美女视频| 制服人妻中文乱码| 嫩草影视91久久| 亚洲精品美女久久av网站| 香蕉丝袜av| 免费看av在线观看网站| 赤兔流量卡办理| av有码第一页| 成人黄色视频免费在线看| 激情五月婷婷亚洲| 性色av一级| 午夜福利,免费看| 国产熟女欧美一区二区| 免费观看a级毛片全部| 又大又黄又爽视频免费| 两个人看的免费小视频| 亚洲精品国产av成人精品| 热re99久久精品国产66热6| 午夜福利乱码中文字幕| 亚洲av电影在线进入| 99精品久久久久人妻精品| 大片电影免费在线观看免费| 97人妻天天添夜夜摸| 久久狼人影院| 只有这里有精品99| 在线观看免费高清a一片| 一区二区三区激情视频| 国产精品二区激情视频| av在线观看视频网站免费| 七月丁香在线播放| 美女国产高潮福利片在线看| 日韩视频在线欧美| 制服丝袜香蕉在线| 多毛熟女@视频| 2021少妇久久久久久久久久久| 99久久人妻综合| 国产高清不卡午夜福利| 只有这里有精品99| 天美传媒精品一区二区| 黄色 视频免费看| 男女无遮挡免费网站观看| 女性生殖器流出的白浆| av又黄又爽大尺度在线免费看| 丰满少妇做爰视频| 青春草视频在线免费观看| 亚洲一区二区三区欧美精品| 夫妻午夜视频| 一二三四在线观看免费中文在| 久久久精品免费免费高清| 制服丝袜香蕉在线| xxx大片免费视频| 国产精品免费视频内射| 久久精品国产亚洲av涩爱| 国产极品粉嫩免费观看在线| 国产视频首页在线观看| 悠悠久久av| 精品酒店卫生间| 中文欧美无线码| 国精品久久久久久国模美| 涩涩av久久男人的天堂| 天堂中文最新版在线下载| 亚洲一级一片aⅴ在线观看| 最近2019中文字幕mv第一页| a级片在线免费高清观看视频| 免费观看a级毛片全部| 久久久久国产一级毛片高清牌| 中文字幕精品免费在线观看视频| 精品一品国产午夜福利视频| av网站免费在线观看视频| 一边亲一边摸免费视频| 一边摸一边做爽爽视频免费| av有码第一页| 午夜激情久久久久久久| 狂野欧美激情性bbbbbb| 亚洲精品美女久久av网站| 久久这里只有精品19| 日韩免费高清中文字幕av| 两个人免费观看高清视频| 久久人妻熟女aⅴ| 亚洲伊人久久精品综合| 色视频在线一区二区三区| 亚洲五月色婷婷综合| 国产又色又爽无遮挡免| 久久天躁狠狠躁夜夜2o2o | 美女大奶头黄色视频| √禁漫天堂资源中文www| 亚洲欧美日韩另类电影网站| 亚洲人成网站在线观看播放| 欧美日韩成人在线一区二区| 亚洲情色 制服丝袜| 悠悠久久av| 国产免费现黄频在线看| 久久久精品国产亚洲av高清涩受| 99久久综合免费| 亚洲伊人色综图| 天天添夜夜摸| 亚洲av福利一区| 老司机在亚洲福利影院| 国产一区二区激情短视频 | 久久精品久久久久久噜噜老黄| 9热在线视频观看99| 性高湖久久久久久久久免费观看| 我的亚洲天堂| 亚洲精品久久成人aⅴ小说| 又大又黄又爽视频免费| 性色av一级| 欧美激情高清一区二区三区 | 国产免费福利视频在线观看| 一区二区三区乱码不卡18| 国产探花极品一区二区| 国产一区二区 视频在线| 搡老岳熟女国产| 99热国产这里只有精品6| 免费黄色在线免费观看| av网站免费在线观看视频| 亚洲国产最新在线播放| 色94色欧美一区二区| 成人18禁高潮啪啪吃奶动态图| 99久久人妻综合| 亚洲美女黄色视频免费看| av女优亚洲男人天堂| 成人亚洲欧美一区二区av| 黄片播放在线免费| 尾随美女入室| 男女国产视频网站| 久久婷婷青草| 777米奇影视久久| 九九爱精品视频在线观看| 久久99精品国语久久久| 久热爱精品视频在线9| 免费女性裸体啪啪无遮挡网站| 国产成人免费无遮挡视频| 国产精品国产av在线观看| 最新在线观看一区二区三区 | 巨乳人妻的诱惑在线观看| 一区二区av电影网| 国产爽快片一区二区三区| 国产极品天堂在线| 亚洲五月色婷婷综合| 男女免费视频国产| 免费在线观看视频国产中文字幕亚洲 | 各种免费的搞黄视频| 最近手机中文字幕大全| 十八禁高潮呻吟视频| 欧美日本中文国产一区发布| 99香蕉大伊视频| 一级毛片我不卡| 精品视频人人做人人爽| 只有这里有精品99| 国产免费视频播放在线视频| 精品亚洲成a人片在线观看| 人成视频在线观看免费观看| 久久久久人妻精品一区果冻| 欧美成人精品欧美一级黄| 国产男女超爽视频在线观看| xxx大片免费视频| 欧美成人午夜精品| 亚洲在久久综合| 国产精品秋霞免费鲁丝片| 欧美国产精品va在线观看不卡| kizo精华| 又大又黄又爽视频免费| 老司机影院成人| 亚洲人成77777在线视频| xxxhd国产人妻xxx| 99re6热这里在线精品视频| 激情五月婷婷亚洲| 热99久久久久精品小说推荐| 国产人伦9x9x在线观看| 欧美老熟妇乱子伦牲交| 国产亚洲最大av| 国产xxxxx性猛交| 国产成人91sexporn| 三上悠亚av全集在线观看| 亚洲色图 男人天堂 中文字幕| 久久人人爽人人片av| 交换朋友夫妻互换小说| 午夜激情av网站| 国产成人精品无人区| 夜夜骑夜夜射夜夜干| 国产精品一区二区在线观看99| 亚洲,一卡二卡三卡| 午夜福利,免费看| 男女国产视频网站| 国产一卡二卡三卡精品 | 新久久久久国产一级毛片| 又大又黄又爽视频免费| 99久久人妻综合| 又大又黄又爽视频免费| 亚洲av成人不卡在线观看播放网 | 最新的欧美精品一区二区| 热99国产精品久久久久久7| 亚洲成人av在线免费| 大片免费播放器 马上看| 大香蕉久久网| 美女福利国产在线| 国产高清不卡午夜福利| 亚洲精品国产av成人精品| 最近中文字幕2019免费版| 午夜日韩欧美国产| 久久女婷五月综合色啪小说| 好男人视频免费观看在线| 国产免费又黄又爽又色| 在线观看三级黄色| 欧美精品高潮呻吟av久久| 十分钟在线观看高清视频www| 伊人久久国产一区二区| 桃花免费在线播放| 国产精品麻豆人妻色哟哟久久| 精品一区二区免费观看| 亚洲成人免费av在线播放| 最新在线观看一区二区三区 | 午夜免费男女啪啪视频观看| 亚洲精品国产色婷婷电影| 午夜免费观看性视频| 2018国产大陆天天弄谢| h视频一区二区三区| 免费久久久久久久精品成人欧美视频| 日韩一区二区视频免费看| 日本猛色少妇xxxxx猛交久久| 日韩精品免费视频一区二区三区| 丰满乱子伦码专区| 熟女av电影| 久久ye,这里只有精品| 蜜桃在线观看..| www.熟女人妻精品国产| 亚洲男人天堂网一区| 青青草视频在线视频观看| 亚洲国产精品999| 国产日韩一区二区三区精品不卡| 亚洲在久久综合| 久久精品久久精品一区二区三区| 国产免费现黄频在线看| 夜夜骑夜夜射夜夜干| 免费观看av网站的网址| 老司机在亚洲福利影院| 一级,二级,三级黄色视频| 一级a爱视频在线免费观看| 亚洲精品视频女| 97精品久久久久久久久久精品| 亚洲精品日韩在线中文字幕| 建设人人有责人人尽责人人享有的| 一区二区三区精品91| 热re99久久精品国产66热6| 国产精品一国产av| 午夜精品国产一区二区电影| 久久这里只有精品19| 精品人妻一区二区三区麻豆| 久久久久国产一级毛片高清牌| 精品一区二区三卡| 国产亚洲最大av| 欧美黄色片欧美黄色片| 亚洲色图综合在线观看| 成人亚洲欧美一区二区av| 日韩免费高清中文字幕av| 国产成人精品久久久久久| 亚洲精品日本国产第一区| 电影成人av| 下体分泌物呈黄色| 国产av精品麻豆| 高清不卡的av网站| 一本一本久久a久久精品综合妖精| 又粗又硬又长又爽又黄的视频| 韩国精品一区二区三区| 最新的欧美精品一区二区| 老司机深夜福利视频在线观看 | 欧美日韩av久久| 人体艺术视频欧美日本| 我的亚洲天堂| 精品一品国产午夜福利视频| 国产97色在线日韩免费| 久久久久久人人人人人| 亚洲精品自拍成人| 一本大道久久a久久精品| 欧美日本中文国产一区发布| av一本久久久久| 巨乳人妻的诱惑在线观看| 精品国产一区二区久久| 丝袜在线中文字幕| 欧美日韩福利视频一区二区| 久久久国产欧美日韩av| svipshipincom国产片| 国产不卡av网站在线观看| 日韩成人av中文字幕在线观看| www.av在线官网国产| 王馨瑶露胸无遮挡在线观看| 高清黄色对白视频在线免费看| 狂野欧美激情性bbbbbb| 免费观看a级毛片全部| 亚洲图色成人| 久久久国产一区二区| 国产成人午夜福利电影在线观看| 久久97久久精品| 欧美日韩综合久久久久久| 老司机深夜福利视频在线观看 | 国产伦人伦偷精品视频| 国产精品免费视频内射| 欧美人与性动交α欧美精品济南到| 黑人巨大精品欧美一区二区蜜桃| 久久久久视频综合| 国产精品久久久人人做人人爽| 观看美女的网站| 看十八女毛片水多多多| 最近的中文字幕免费完整| 成人亚洲精品一区在线观看| 国产精品久久久久成人av| 天天躁夜夜躁狠狠久久av| 婷婷色av中文字幕| 视频区图区小说| 午夜福利视频在线观看免费| av一本久久久久| 欧美日本中文国产一区发布| 亚洲精品国产av成人精品| 一级片免费观看大全| 亚洲熟女毛片儿| av福利片在线| 天天影视国产精品| 国产一区二区 视频在线| 日韩熟女老妇一区二区性免费视频| 天天躁日日躁夜夜躁夜夜| 亚洲av欧美aⅴ国产| 妹子高潮喷水视频| 桃花免费在线播放| 国产亚洲精品第一综合不卡| 国产一区二区在线观看av| 熟妇人妻不卡中文字幕| 中文欧美无线码| 日韩 亚洲 欧美在线| 美女脱内裤让男人舔精品视频| 看免费av毛片| 久热这里只有精品99| 十分钟在线观看高清视频www| 天天躁夜夜躁狠狠躁躁| 亚洲熟女精品中文字幕| 黄网站色视频无遮挡免费观看| 视频在线观看一区二区三区| a级毛片黄视频| 最近最新中文字幕大全免费视频 | 我要看黄色一级片免费的| 在线天堂最新版资源| 王馨瑶露胸无遮挡在线观看| 90打野战视频偷拍视频| 久久国产亚洲av麻豆专区| 黄色视频不卡| 黄色怎么调成土黄色| 国产又色又爽无遮挡免| www.精华液| 巨乳人妻的诱惑在线观看| 18禁裸乳无遮挡动漫免费视频| 亚洲少妇的诱惑av| 最近最新中文字幕免费大全7| 99久久人妻综合| 国产亚洲欧美精品永久| 国产一卡二卡三卡精品 | 国产精品二区激情视频| 最近手机中文字幕大全| 大香蕉久久成人网| 欧美亚洲日本最大视频资源| 日韩中文字幕视频在线看片| 亚洲人成网站在线观看播放| 黄色毛片三级朝国网站| 欧美精品一区二区大全| 亚洲专区中文字幕在线 | 十八禁网站网址无遮挡| 日本欧美国产在线视频| 午夜av观看不卡| 女人高潮潮喷娇喘18禁视频| 国产高清国产精品国产三级| 国产男女超爽视频在线观看| 亚洲五月色婷婷综合| 日本wwww免费看| 80岁老熟妇乱子伦牲交| 丝袜美足系列| 亚洲av中文av极速乱| 亚洲av成人不卡在线观看播放网 | 亚洲精品乱久久久久久| 高清视频免费观看一区二区| 国产精品久久久久成人av| 青草久久国产| 亚洲欧美色中文字幕在线| 人人澡人人妻人| 国产精品国产av在线观看| 一二三四中文在线观看免费高清| 国产女主播在线喷水免费视频网站| 国产精品久久久久久久久免| 又粗又硬又长又爽又黄的视频| 日韩,欧美,国产一区二区三区| 五月天丁香电影| 一区在线观看完整版| 国产又爽黄色视频| 国精品久久久久久国模美| 纵有疾风起免费观看全集完整版| 免费看av在线观看网站| 国产男人的电影天堂91| 九草在线视频观看| 日韩 亚洲 欧美在线| 午夜老司机福利片| 亚洲视频免费观看视频| 美国免费a级毛片| 久久性视频一级片| 天天躁狠狠躁夜夜躁狠狠躁| 久久人人爽av亚洲精品天堂| 欧美日韩综合久久久久久| 亚洲三区欧美一区| 国产精品亚洲av一区麻豆 | √禁漫天堂资源中文www| 国产不卡av网站在线观看| 久久久久久久久免费视频了| 亚洲男人天堂网一区| 欧美日韩视频高清一区二区三区二| 国产在线视频一区二区| 午夜福利视频精品| 在线天堂中文资源库| 精品卡一卡二卡四卡免费| 90打野战视频偷拍视频| 毛片一级片免费看久久久久| 男女之事视频高清在线观看 | 精品亚洲成国产av| 黑人欧美特级aaaaaa片| 亚洲国产精品一区二区三区在线| 国产精品蜜桃在线观看| 熟女少妇亚洲综合色aaa.| 大香蕉久久网| 亚洲精品第二区| 七月丁香在线播放| 91精品三级在线观看| 一边摸一边抽搐一进一出视频| 国产国语露脸激情在线看| av视频免费观看在线观看| 精品久久久精品久久久| 国产 一区精品| 在线观看免费视频网站a站| 亚洲国产欧美网| 国产精品成人在线| 亚洲国产看品久久| 精品卡一卡二卡四卡免费| 91国产中文字幕| 国产精品久久久av美女十八| 黄色毛片三级朝国网站| 又大又爽又粗| 丁香六月天网| 亚洲 欧美一区二区三区| 国产精品 国内视频| 涩涩av久久男人的天堂| 看免费av毛片| 久久天躁狠狠躁夜夜2o2o | 制服丝袜香蕉在线| 亚洲专区中文字幕在线 | 黑丝袜美女国产一区| 国产精品久久久久久精品古装| 大片电影免费在线观看免费| 欧美最新免费一区二区三区| 另类精品久久| 欧美日韩亚洲国产一区二区在线观看 | 美女中出高潮动态图| 午夜日韩欧美国产| 国产一区二区三区av在线| 久久精品aⅴ一区二区三区四区| 女人爽到高潮嗷嗷叫在线视频| 国产熟女午夜一区二区三区| 亚洲人成网站在线观看播放| 欧美 亚洲 国产 日韩一|