基于干涉离焦像的冰晶粒子形状分类方法

本发明涉及冰晶粒子形状测量，特别涉及一种基于深度学习的冰晶粒子形状分类方法。

背景技术：

1、冰晶粒子作为云的组成成分之一，种类繁多，形状多样，不同形态的冰晶粒子具有不同的散射特性，影响着云的辐射特性，因此，准确认识云层中的冰晶粒子，对辐射和温度场的模拟具有重要意义。激光粒子干涉成像技术在对各类球形粒子、不规则粒子的测量中已经有了广泛的发展，可以作为一种对冰晶粒子进行检测的可靠方法。干涉离焦像通过提取粒子散射光的频率信息获取粒子的尺寸等相关信息，相比聚焦像具有更好的鲁棒性。

2、利用干涉成像方法进行的粒子形貌研究已比较成熟，专利cn108593528b《基于激光干涉的非球形粗糙粒子形状和尺寸测量方法》公开了“建立干涉离焦像与粒子几何尺寸之间的联系，通过干涉离焦像的二维自相关计算得到粒子尺寸信息”。

3、为了解决室温环境冰晶粒子难以保存的问题，在进行冰晶粒子形状分类时利用数字微反射镜(dmd)模拟冰晶粒子。dmd是一种空间光调制器件，由宽度几微米的正方形微反射镜组成阵列，微镜数量取决于器件分辨率，每一个微镜代表一个像素。这些微反射镜的对角线由扭转铰链支撑，集成在一块芯片上，每块微镜有单独的地址，由数字信号控制，可绕对角线偏转固定角度，通过每块微镜所处角度不同，对入射光线实现调制。激光照射在dmd上，处于“开”态的微反射镜将光线反射进成像物镜，处于“关”态的微反射镜将光线反射出成像系统，不参与成像。将冰晶粒子的图像加载到dmd上，用微反射镜模拟粒子表面的散射点，实现在系统中采集冰晶粒子的散斑干涉图像。

4、人工冰晶粒子形状分类方法已不适用于冰晶粒子干涉离焦像的分类，目前尚无冰晶干涉离焦像的自动分类方法。

技术实现思路

1、本发明提出了一种基于干涉离焦像的冰晶粒子形状分类方法，使用深度学习方法基于冰晶粒子干涉离焦像实现冰晶粒子形状分类。

2、本发明利用以下技术方案实现：

3、一种基于干涉离焦像的冰晶粒子形状分类方法，具体步骤如下：

4、步骤1、将用于训练神经网络的冰晶粒子图片尺寸大小调整至m×n像素；

5、步骤2、对于经过步骤1处理后的冰晶粒子图片提取出目标轮廓区域，在目标轮廓区域内随机生成散点；

6、步骤3、将散点图边界外用像素0填充至m×n像素大小，使粒子的散点图与dmd幅面大小相同；

7、步骤4、搭建激光干涉粒子成像系统，将处理好的粒子图像依次输入dmd进行干涉成像，利用位于离焦像面的ccd接收粒子的干涉离焦像；

8、步骤5、利用采集到的干涉离焦像构建卷积网络神经训练集，训练分类网络；

9、步骤6、将新的粒子干涉离焦像输入步骤5得到的分类网络，实现冰晶粒子形状分类。

10、与现有技术相比，本发明所能够达成的有益效果如下：

11、1)实现了粒子形状自动分类；

12、2)具有速度快，可靠性高的优点；

13、3)为激光粒子干涉成像技术在冰晶粒子的研究分析中提供了基础。

技术特征：

1.一种基于干涉离焦像的冰晶粒子形状分类方法，其特征在于，具体步骤如下：

2.如权利要求1所述的一种基于干涉离焦像的冰晶粒子形状分类方法，其特征在于，所述分类网络采用densenet-121网络，网络构成包括：

技术总结
本发明公开了一种基于干涉离焦像的冰晶粒子形状分类方法，将用于训练神经网络的冰晶粒子图片进行预处理，搭建激光干涉粒子成像系统，将处理好的粒子图像依次输入DMD进行干涉成像，利用位于离焦像面的CCD接收粒子的干涉离焦像；利用采集到的干涉离焦像构建卷积网络神经训练集，训练分类网络；将新的粒子干涉离焦像输入步骤5得到的分类网络，实现冰晶粒子形状分类。与现有技术相比，本发明实现粒子形状自动分类；该方法具有速度快，可靠性高的优点，为激光粒子干涉成像技术在冰晶粒子的研究分析中提供了基础。

技术研发人员：侯景辉,张红霞,付雨石,贾大功,刘铁根
受保护的技术使用者：天津大学
技术研发日：
技术公布日：2024/1/14