公开(公告)号：CN112581412B

公开(公告)日：2024-12-10

申请号：CN202011575092.8

申请日：2020-12-28

Applicant: 中国计量大学

Inventor： 胡佳成 ,  陶镛泽 ,  施玉书 ,  张树 ,  颜迪新

IPC: G06T5/30 ,  G06T5/60 ,  G06N3/0442

Abstract: 本发明公开了一种长短期记忆网络的原子力显微镜图像复原方法。本发明方法首先利用数学形态学中的膨胀法获取仿真样本，然后对仿真样本进行归一化操作，输入到LSTM模型进行训练，并采用改进MAE损失函数和Adam优化算法完善LSTM模型，之后对训练样本进行正则化和反归一化处理。最后，将实际AFM图像输入至已训练模型中得到AFM复原图像，并使用逐步插值的自适应算法处理，从而精确获取样品中特征点的位置。本发明具有稳定性和较好的鲁棒性，同时能有效复原AFM图像，从而提高测量精度。

公开(公告)号：CN112581412A

公开(公告)日：2021-03-30

申请号：CN202011575092.8

申请日：2020-12-28

Applicant: 中国计量大学

Inventor： 胡佳成 ,  陶镛泽 ,  施玉书 ,  张树 ,  颜迪新

IPC: G06T5/30 ,  G06N3/04

Abstract: 本发明公开了一种长短期记忆网络的原子力显微镜图像复原方法。本发明方法首先利用数学形态学中的膨胀法获取仿真样本，然后对仿真样本进行归一化操作，输入到LSTM模型进行训练，并采用改进MAE损失函数和Adam优化算法完善LSTM模型，之后对训练样本进行正则化和反归一化处理。最后，将实际AFM图像输入至已训练模型中得到AFM复原图像，并使用逐步插值的自适应算法处理，从而精确获取样品中特征点的位置。本发明具有稳定性和较好的鲁棒性，同时能有效复原AFM图像，从而提高测量精度。