基于迁移学习的原子力显微镜成像恢复方法

发布时间：2021-04-28 02:08

　　受限于探针针尖结构尺寸,用原子力显微镜进行微纳测量时会产生图像边缘失真.提出了一种基于迁移学习的原子力显微镜成像恢复方法,通过迁移学习训练源模型和靶模型实现一维栅格成像恢复.该方法采用数学形态法中的腐蚀算法生成栅格点云数据,通过U-Net网络源模型从点云中提取针尖卷积效应的特征向量,将权重参数迁移至U-Net网络靶模型,靶模型在自适应正则化方法下进行监督学习.实验结果表明,该方法能有效恢复一维栅格的原子力显微镜测量图像,提高横向分辨力,可用于纳米栅格的线宽检测上. 

【文章来源】：光子学报. 2020,49(04)北大核心EICSCD

【文章页数】：9 页

【文章目录】：
0 引言
1 基于数学形态学的AFM探针扫描成像原理
2 基于迁移学习的AFM成像恢复原理及方法
    2.1 U-Net网络迁移学习模型及盲恢复方法实现
    2.2 基于U-Net网络的自适应正则化方法
3 纳米栅格成像恢复结果分析
    3.1 源模型
    3.2 靶模型
4 结论


【参考文献】：
期刊论文
[1]估计系统点扩展函数以降低相位测量轮廓术误差[J]. 田懿,包国琦,刘凯.  中国激光. 2019(05)
[2]“纳米几何特征参量计量标准器研究及应用示范”项目获“国家质量基础的共性技术研究与应用”重点专项支持[J]. 施玉书,张树,曹丛.  中国计量. 2018(12)
[3]一维矩形光栅AFM图像盲探针表面重建模拟研究[J]. 胡明霞,马艳.  光学仪器. 2018(03)
[4]基于数学形态学方法的AFM探针建模研究[J]. 袁帅,董再励,缪磊,王志迁,许可.  仪器仪表学报. 2010(05)

硕士论文
[1]基于卷积神经网络的图像盲复原方法研究[D]. 王心哲.燕山大学 2018



本文编号：3164592