作者单位
摘要
西安邮电大学 电子工程学院,西安 710072
针对水下湍流的复杂性和多变性对水下航行器性能和姿态控制产生的挑战,提出使用卷积神经网络来测量水下湍流的温差耗散率XT。首先,采用功率谱反演法和惠更斯-菲涅尔原理仿真生成了受水下湍流影响的散斑图像数据集。随后,利用卷积神经网络提取这些受湍流影响的散斑图像中的特征信息,并对温差耗散率XT进行估计。最后,通过现场实验数据集验证了所提出方法的可行性。实验结果表明,所提出的神经网络在实地实验数据集和模拟仿真数据集上表现出相似的分类精度和损失曲线,其测量准确率分别为98.8%和99.2%。这一研究为水下环境监测和资源勘探领域提供了重要的参考,对于光学图像处理和湍流研究等相关领域具有实际意义。
图像处理 激光散斑 神经网络 水下湍流 温差耗散率 Image processing Laser speckle Neural network Underwater turbulence Temperature difference dissipation rate 
光子学报
2024, 53(1): 0111004

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!