ISSN1006－7167CN31－1707/TＲESEAＲCHANDEXPLOＲATIONINLABOＲATOＲY第42卷第1期Vol．42No．12023年1月Jan．2023DOI:10．19927/j．cnki．syyt．2023．01．006基于Unet3+的散射成像实验设计与实现钟志，彭军英，于蕾，单明广(哈尔滨工程大学信息与通信工程学院，哈尔滨150001)摘要:针对传统散射成像方式范围小、系统稳定性要求高、设备复杂等问题，提出了一种基于深度学习的散射成像实验设计方案。该方案采用监督学习的方式，利用神经网络从实验散斑数据中学习光线在散射介质中的传播规律，实现对散斑图像的重建。具体实验过程:首先构建散射系统，并在其基础上获取不同种类的散斑图案用于网络训练;然后使用Unet3+网络模型对散射过程进行拟合，通过多尺度跳跃连接的方式实现对图案中低维特征的高效利用;最后利用训练好的网络实现对不同种类的散斑图案的高质量重建。实验结果表明，本方案无需昂贵的硬件设备，结构简单，易于操作，训练好的Unet3+网络相比于广泛应用的Unet模型具有更高的重建质量，且针对新类型的散斑数据体现出一定的泛化能力。关键词:散射成像;深度学习;泛化能力中图分类号:O436文献标志码:A文章编号:1006－7167(2023)01－0025－05DesignandImplementationofSatteringImagingExperimentBasedonUnet3+ZHONGZhi，PENGJunying，YULei，SHANMingguang(CollegeofInformationandCommunicationEngineering，HarbinEngineeringUniversity，Harbin150001，China)Abstract:Thisstudytakesthescatteringimagingproblemastheresearchbackgroundandproposesaexperimentschedulebasedondeep-learning．Inthiswork，weadoptthemethodofsupervisedlearningandutilizeneuralnetworktolearnthepropagationoflightinthescatteringmediumfromthespeckledatasetinordertoreconstructobjectinformation．Specifically，anexperimentalscatteringopticalsystemisbuilt，thendifferentkindsofspecklepatternsareobtainedtotrainthenetwork．Besides，theUnet3+networkistakentofittherelationshipbetweengroundtruthandspecklepatterns，andthelow-dimensionalfeaturesareeffectivelyutilizedinthewayofmulti-scaleskipconnections．Theexperimentalresultsshowthatourschemeisfacilitytooperatewithoutextrahardwaresupport，andthewell-trainedUnet3+modelcanachievemuchhigherreconstructionqualitycomparedwithUnetnetwork，andhascertaingeneralization...
