方波傅立葉轉換sinc的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列推薦必買和特價產品懶人包

基於捲積神經網路的鏡片表面髒污和刮痕檢測技術

為了解決方波傅立葉轉換sinc的問題，作者廖威宇 這樣論述：

本論文探討如何利用影像處理技術並使用卷積神經網路達成自動識別透鏡表面的刮痕與灰塵。實驗採用環形光源在適當的高度照明並結合遠心鏡頭和工業相機擷取透鏡的表面特徵，透鏡的表面會因為空氣中的灰塵和運送透鏡途中所造成的刮痕，影響量測結果成效不佳、良率無法獲得提升等狀況，自動光學檢測(Automatic optical inspection，AOI)為產業中最常使用於檢測產品的缺陷、品質管理，但此方法常因閥值大小造成誤判，AOI的缺點為健壯性不夠，所以藉由卷積神經網路改善此問題。利用影像處理將彩色圖像轉換成灰階圖像可以有效減少運算量，並使用快速傅立葉轉換將時域空間的資訊轉換成頻率域空間的資訊且濾除頻率域

中的週期雜訊，接著經由SinC函數進行週期性雜訊的濾波，並且利用Soble邊緣偵測找出影像邊緣、刮痕，使用演算法找出影像邊角去除，有效減少網路訓練時的干擾，對於特定區域找尋特徵並且有效的進行訓練。藉由影像處理技術獲得的鏡片樣輸入至卷積神經網路(Convolution Neural Networks)進行訓練，卷積神經網路能有效針對圖片進行分類，利用網路產生特徵圖像作為之後其他層的神經元輸入，可以有效提升卷積神經網路在辨別圖像上的精確度，最後成功分辨刮痕、灰塵、乾淨的透鏡，達成95.56%的準確度，表示此模型能有效辨別透鏡上的表面特徵。

運用傅式轉換域之繞射式無光罩微影系統

為了解決方波傅立葉轉換sinc的問題，作者許嘉玲 這樣論述：

本論文探討一種運用傅式轉換域的繞射式無光罩微影系統。此無光罩微影系統的特點在於，利用方形孔徑的傅立葉轉換特性，在空間光調變器的輸入端，產生呈現Sinc函數分佈的入射光，再進一步於曝光面處生Rect函數分佈的光場，最後再依遞迴傅立葉演算法，於曝光面的光場模擬設計出高品質的曝光影像。本論文探討之繞射式無光罩微影系統，能於曝光面產生均勻化且對比度較佳的曝光影像，該曝光影像符合了相位移光罩技術的成像特點。據此系統，均勻化且對比度較佳的光阻圖案能被製作出。