[发明专利]确定多层浑浊介质光学特性参数及层厚度的方法及系统

权利要求书

1.一种确定多层浑浊介质光学特性参数及层厚度的方法，其特征在于，包括：

获取不同角度激发光下从多层浑浊介质中漫反射出来的光强分布信息，在所述光强分布信息与对应的多层浑浊介质每层的光学特性参数及层厚度之间建立机器学习映射关系模型；

将所述光强分布信息与对应的光学特性参数及层厚度的随机组合划分为训练数据集和测试数据集，并对所述训练数据集和测试数据集进行归一化处理；

利用归一化处理后的所述训练数据集确定不同角度激发光下的漫反射光强分布信息和对应的光学特性参数及层厚度的随机组合的机器学习模型，其中所述光强分布信息作为该模型的输入，每一层的光学特性参数及层厚度作为该模型的输出，对建立的模型进行训练；

利用归一化处理后的所述测试数据集对确定的模型进行测试，通过所述模型将测试数据集的光强分布信息作为输入，预测多层浑浊介质中每层的光学特性参数及层厚度；

将预测的光学特性参数及层厚度与真实的光学特性参数及层厚度进行对比，以评估该模型对多层浑浊介质光学特性参数及层厚度的识别性能。

2.根据权利要求1所述的确定多层浑浊介质光学特性参数及层厚度的方法，其特征在于：所述光学特性参数包括吸收系数μ_a，散射系数μ_s，各项异性因子g、折射率n。

3.根据权利要求2所述的确定多层浑浊介质光学特性参数及层厚度的方法，其特征在于：在所述光强分布信息与对应的多层浑浊介质每层的光学特性参数及层厚度之间建立机器学习映射关系模型包括：

通过蒙特卡洛仿真模拟光在由吸收系数μ_a、散射系数μ_s、各项异性因子g、折射率n及层厚度d随机组合的多层介质中的传输特性，初始化光子入射角度，获取不同角度激发下光从多层浑浊介质中漫反射出来的光强分布信息；

在所述光强分布信息与所述光学特性参数及层厚度之间建立机器学习映射关系模型如下：

f(x)＝w^Tφ(x)+b

式中，x表示不同角度激发光下的漫反射光强分布信息；f(x)表示相对应的光学特性参数及层厚度；φ(x)表示将x映射到高维特性空间的非线性映射函数；w表示高维特征空间的权重向量；b表示偏差变量。

4.根据权利要求1所述的确定多层浑浊介质光学特性参数及层厚度的方法，其特征在于：将所述光强分布信息与对应的光学特性参数及层厚度的随机组合划分为训练数据集的方法包括：

将所述光强分布信息与对应的光学特性参数及层厚度的随机组合划分为训练数据集为{(x_i,y_i),i＝1,2,…,m}，其中x_i表示第i个训练样本的输入值，y_i表示第i个训练样本的目标值，m表示训练数据集中的样本数量。

5.根据权利要求1所述的确定多层浑浊介质光学特性参数及层厚度的方法，其特征在于：将所述光强分布信息与对应的光学特性参数及层厚度的随机组合划分为测试数据集的方法包括：

将所述光强分布信息与对应的光学特性参数及层厚度的随机组合划分为测试数据集为{(X_i,Y_i),i＝1,2,…,n}，其中X_i表示第i个测试样本的输入值，Y_i表示第i个测试样本的目标值，n表示测试数据集中的样本数量。

6.根据权利要求1所述的确定多层浑浊介质光学特性参数及层厚度的方法，其特征在于：对所述训练数据集和测试数据集进行归一化处理的方法包括：

将所述训练数据集和测试数据集中的不同角度激发光下的漫反射光强分布信息进行min-max标准化，使不同角度激发光下的漫反射光强分布信息处于同一数量级。