计算全息图误差分析方法

AITNT
正文
推荐专利
计算全息图误差分析方法
申请号:CN202410787053
申请日期:2024-06-18
公开号:CN118365640B
公开日期:2024-10-08
类型:发明专利
摘要
本发明涉及面形图分析技术领域,尤其涉及一种计算全息图误差分析方法,包括如下步骤:S1.收集面形图,并采集CGH局部误差面形图,生成图像数据集。S2.划分为训练集、验证集和测试集。S3.搭建深度学习网络,并对其进行训练,得到深度学习模型。S4.将测试集输入到深度学习模型中,得到预测的整体误差图。S5.提取条纹轮廓,计算出每个点的坐标值及对应坐标值的误差值,与整体面形图的实际坐标值进行比较,计算不同点的误差值。S6.基于误差值,得到CGH整体面形图的制作误差对波前的影响。本发明通过计算出条纹轮廓的每个点的坐标值及对应误差值,并与整体面形图的实际坐标值进行比较,进而能够准确推测整体误差分布图并分析其对波前的影响。
技术关键词
误差分析方法 深度学习模型 全息图 图像处理边缘提取 条纹 深度学习网络 制作误差 轮廓 生成图像数据 训练集 面形误差 网络深度 数据格式 网络结构 数值 信号 波长
系统为您推荐了相关专利信息
1
一种强时敏目标场景下的多源瞬时饱和数据压缩方法
数据压缩方法 卡尔曼滤波器 深度学习网络提取 深度学习特征提取 深度学习模型
2
基于深度学习模型和随钻信息的地层岩性预测方法
岩性预测方法 深度学习模型 参数 岩层界面 地质勘探行业
3
基于深度学习的四旋翼无人机故障动态补偿和控制方法
飞行状态数据 四旋翼无人机 电机故障状态 深度学习模型 构建深度神经网络
4
一种学生潜能与偏向识别方法、装置及可读存储介质
学生 识别方法 动态变化特征 教学方法 报告
5
基于气测全烃的高含水条件下致密砂岩气预测方法和系统
地震 深度前馈神经网络 深度学习模型 纵横波速度比 钻井液粘度
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号