买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明提出了一种基于双流特征融合网络Two‑StreamFeatureFusionConvolutionalNetwork,TSFFCNet的纠缠光量子图像目标识别方法。首先，将氩原子激光器产生的连续泵浦光照射至周期极化磷酸氧钛钾PeriodicallyPoledKTP,PPKTP晶体，进行共线的Ⅱ型自发参量下转换过程，产生具有纠缠特性的闲置光和信号光；其次，闲置光和信号光通过偏振分束器被分离在两条光路上传输，信号光束经过成像透镜照射在待成像目标上后被单光子探测器收集，闲置光束经数字微镜装置DigitalMicromirrorDevice,DMD扫描后被另一单光子探测器收集；再次，两条光路探测器收集到的光子通过光纤送入符合计数器进行测量得到量子图像；然后，建立双流特征融合网络，将量子图像输入到网络中进行训练；最后，根据深度学习网络提取的特征进行目标识别。

主权项：1.一种基于双流特征融合网络的纠缠光量子图像目标识别方法，其特征在于包括以下步骤：步骤一、利用波长为405nm的半导体激光器产生高质量的连续泵浦光，利用半波片和四分之一波片将激光调制为线偏振光；步骤二、利用焦距分别为100mm的透镜1和50mm的透镜2组成望远镜系统，对泵浦光进行缩束，使缩束压缩后的泵浦光能量更加集中；步骤三、将泵浦光照射周期极化磷酸氧钛钾PeriodicallyPoledKTP,PPKTP晶体进行自发参量下转换产生波长为810nm的纠缠双光子对，双光子纠缠态的波函数表示为： 其中，函数描述纠缠光子对的空间位置分布信息，态|0,0表示纠缠双光子对的初始态，和为信号光子和闲置光子的产生算符；步骤四、利用透镜3和透镜4对纠缠光束进行扩束，通过波长为810nm的偏振分束器PolarizationBeamSplitter,PBS将纠缠光子对分离，得到信号光束和闲置光束，它们的频幅函数FΩ为： 其中，Ω为纠缠光的中心频率，τ为信号光子和闲置光子通过PPKTP晶体产生的时间差；步骤五、将信号光束经过成像透镜5照射放置在距离偏振分束器1米位置的待成像目标，透射过目标物体的信号光子经过透镜6和透镜7进行汇聚，然后通过中心波长为810nm的滤波片滤除非810nm的杂散光，得到高纯度的810nm纠缠信号光束，该光束进入光纤准直器经单模光纤传输入单光子探测器1被收集；步骤六、闲置光束经反射棱镜入射到数字微镜装置DigitalMicromirrorDevice,DMD上，经DMD扫描二维空间信息后通过透镜8和透镜9进行汇聚，然后通过中心波长为810nm的滤波片滤除非810nm的杂散光，得到高纯度的810nm纠缠闲置光束，进入光纤准直器经单模光纤传输入单光子探测器2被收集；步骤七、将单光子探测器1和单光子探测器2收集到的信号光子和闲置光子进行符合计数，符合计数可以用光场二阶关联函数表示，即 其中，r1和r2分别表示信号光子和参考光子从透镜7和9到PBS的距离，t1和t2分别表示信号和参考光子的传播时间，Er1,t1和Er2,t2分别表示信号光路和参考光路的光场，然后根据符合计数测量结果即可实现量子成像；步骤八、将MNIST手写数字图片数据集中每个数字的前500张图片进行成像，生成5000张像素为28×28的量子成像图，并将其随机分割为包含3500张图片的训练集和包含1500张图片的测试集，处理为深度学习网络的手写数字量子成像图数据集；步骤九、将量子成像图输入构造的双流特征融合网络Two-StreamFeatureFusionConvolutionalNetwork,TSFFCNet，设置卷积模块1的卷积核个数为32，通过1层卷积核为5×5、步长为1的卷积变换，保持输入数据的尺寸不变；步骤十、对步骤九的结果进行批标准化BatchNormalization,BN、步长为2的最大池化和修正线性单元REctifiedLinearUnit,ReLU激活操作，得到14×14大小的浅层特征图；步骤十一、将浅层特征图输入TSFFCNet的S流中，提取量子成像目标的目标边缘轮廓、整体背景信息等浅层特征；步骤十二、将浅层特征图输入TSFFCNet的D流中，提取量子成像目标的抽象语义信息等深层特征，得到4×4大小的特征图；步骤十三、将步骤十一和步骤十二提取到的特征进行融合，并引入概率为0.4的Dropout层随机断开网络的连接，防止网络训练过拟合；步骤十四、利用节点数分别为120和80的两层全连接层进一步聚合挖掘目标的特征信息，并将生成的特征向量输入到Softmax函数进行计算，得到当前输入样本属于每个数字类别的概率结果矩阵X＝[x0x1x2x3x4x5x6x7x8x9]T，矩阵X中的标量值xii∈{0,1,…,9}表示量子成像目标被TSFFCNet判别为类别i的概率，标量值最大的角标表示目标量子成像图被判别为某一类数字的结果，从而实现目标的识别分类。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于双流特征融合网络的纠缠光量子图像目标识别方法