流场测速中基于深度卷积神经网络的光学畸变校正技术 | |
高泽宇[1,2,3]; 李新阳[1,2]; 叶红卫[1,2] | |
刊名 | 红外与激光工程 |
2020-09-02 | |
卷号 | 49期号:10页码:9-18 |
关键词 | 自适应光学 卷积神经网络 粒子图像测速 像差校正 |
ISSN号 | 1007-2276 |
DOI | 10.3788/IRLA20200267 |
文献子类 | 期刊论文 |
英文摘要 | 基于光学成像的流场测量技术,如粒子图像测速技术(PIV),易受到因流体中折射率的不均匀性或晃动的介质边界引起的光学畸变而带来的影响。这些畸变会使得示踪粒子在图像上的位置分布产生误差且严重影响图像清晰度,从而增大流场速度测量的误差。为了提高光学流场速度测量的测量精度,自适应光学系统可以应用于其中去校正光学畸变。基于图像流场测量中的光学像差具有频率高,动态范围大,空间分辨率高等特点,对于这一应用场景,基于波前校正器件的自适应光学系统受到了器件本身性能的影响。基于深度学习的自适应光学技术在流场测量中的应用,建立了一种基于深度神经网络的无波前校正器件自适应光学校正技术,以深度神经网络代替传统的波前校正器件,用于粒子图像测速技术中的光学畸变校正。为了生成神经网络所需要的训练和测试数据集,搭建了可以实现波前测量的粒子图像测速实验平台,分析并建立了光学畸变在粒子图像上的图像退化模型。最后,以校正后PIV图像的校正效果和流场速度测量结果作为评价标准,对所建立神经网络的畸变校正性能进行了分析。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.ioe.ac.cn/handle/181551/9958] |
专题 | 光电技术研究所_自适应光学技术研究室(八室) |
作者单位 | 1.中国科学院大学,北京100049 2.中国科学院光电技术研究所,四川成都610209 3.中国科学院自适应光学重点实验室,四川成都610209 |
推荐引用方式 GB/T 7714 | 高泽宇[1,2,3],李新阳[1,2],叶红卫[1,2]. 流场测速中基于深度卷积神经网络的光学畸变校正技术[J]. 红外与激光工程,2020,49(10):9-18. |
APA | 高泽宇[1,2,3],李新阳[1,2],&叶红卫[1,2].(2020).流场测速中基于深度卷积神经网络的光学畸变校正技术.红外与激光工程,49(10),9-18. |
MLA | 高泽宇[1,2,3],et al."流场测速中基于深度卷积神经网络的光学畸变校正技术".红外与激光工程 49.10(2020):9-18. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论