基于自编码神经网络的鬼成像优化方法

针对鬼成像重构效果差所导致目标信息难以有效凸显的问题,结合自编码神经网络降噪优势,提出了一种鬼成像优化方法.该方法以手写数字数据集为样本,在对探测数据进行二阶关联获得初始鬼像的基础上,构建了一个降噪网络模型.该网络模型采用Leaky ReLU线性激活函数来解决网络的过饱和和单元死亡的问题,并通过10000个测试样本集验证了所提网络模型的有效性.通过对不同采样率下优化前后鬼像的质量进行了对比分析,分析结果表明,优化后综合不同采样率下鬼像的峰值信噪比较CGI、DGI、CSGI分别平均提高87.02％/93.99％、81.97％/85.90％、27.22％/18.16％;对比度较CGI、DGI、CSGI分别平均提高479.03％/363.79％、380.42％/272.91％、38.76％/31.05％.