CN105005053A - 基于led照明的随机散射关联成像系统及成像方法 - Google Patents
基于led照明的随机散射关联成像系统及成像方法 Download PDFInfo
- Publication number
- CN105005053A CN105005053A CN201510409412.5A CN201510409412A CN105005053A CN 105005053 A CN105005053 A CN 105005053A CN 201510409412 A CN201510409412 A CN 201510409412A CN 105005053 A CN105005053 A CN 105005053A
- Authority
- CN
- China
- Prior art keywords
- speckle image
- auto
- imaging system
- imaging
- light
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于LED照明的随机散射关联成像系统及成像方法,主要解决现有技术对光源要求高、成像系统复杂、成像实时性差的问题。该成像系统包括:LED光源(1)、准直透镜(2)、第一可变光阑(3)、观测目标(4)、随机散射介质(5)、第二可变光阑(6)、窄带滤波片(7)和探测器阵列(8);LED光源发出的非相干光经准直透镜后到达第一个可变光阑,经第一可变光阑后的光照射到观测目标上;携带目标信息的光线进入随机散射介质,其出射光经第二可变光阑滤除杂散光后入射到窄带滤波片,最后在探测器阵列上形成散斑图像。本发明具有成像成本低、成像结构简单及成像实时性好的优点,可用于生物医学、公共安全以及反恐领域。
Description
技术领域
本发明属于成像技术领域,特别涉及一种光学成像系统与成像方法,可用于生物医学成像、公共安全和反恐领域。
背景技术
传统光学成像范畴中,光波在介质内部的散射光一直被视为阻碍透过随机散射介质成像的噪声,因此国内外研究的有随机介质参与的成像方法大多依赖于介质内部的弹道光。
近年来,国内外科研人员开始考虑通过某种方法恢复出散射光中携带的目标信息,从而使散射光参与成像过程,即实现散射成像。
目前,围绕着散射成像的研究已经取得了令人瞩目的进展,主要包括波前调制技术、图像重建技术和传输矩阵测量技术等。但波前调制技术受到空间光调制器划分精度的限制,大大增加了成像过程的复杂度;图像重建技术受到算法复杂度的影响,成像实时性差;传输矩阵测量技术受到矩阵测量偏差的影响,成像质量严重下降。总之,现有的方法光源要求高、成像过程复杂、耗时长,且不利于对活体组织进行非侵入式观测。
发明内容
本发明的目的在于针对上述已有技术的不足,提出一种基于LED照明的随机散射关联成像系统及成像方法,以减小成像复杂度,提高成像分辨率,并实现实时成像。
为实现上述目的,本发明的成像系统包括:光学装置、随机散射成像装置和观测目标,其特征在于:
所述光学装置,包括LED光源、准直透镜和第一可变光阑;
所述随机散射成像装置,包括随机散射介质、第二可变光阑、窄带滤波片和探测器阵列;
LED光源发出的光经过准直透镜产生能量会聚的平行准直非相干光,再经第一可变光阑调整光束直径并滤除杂散光,照射到观测目标;观测目标被照射后,携带有观测目标信息的光束透射到随机散射介质上,并在随机散射介质内部发生强散射,经过强散射的输出光束经第二可变光阑滤除杂散光并限制光束直径后,入射到窄带滤波片,最后由探测器阵列接收图像。
为实现上述目的,本发明的成像方法,包括如下步骤:
(1)采集单帧散斑图像并对该单帧散斑图像进行亮度均一化处理,得到亮度均一化处理后的散斑图像D(x,y),以消除光源波动对图像亮度的影响;
(2)对亮度均一化处理后的图像D(x,y)进行自相关运算,获得散斑图像的自相关结果:R(x,y)=D(x,y)★D(x,y),其中★表示自相关运算符号;
(3)获取散斑图像自相关结果R(x,y)的背景噪声:
3a)计算整个成像系统的角分辨率δθ,δθ≈λ/nD,其中,λ为波长,n为随机散射介质后的空间折射率,D为随机散射介质后的第二可变光阑的孔径尺寸;
3b)根据角分辨率δθ,计算目标稀疏度N,其中,S为观测目标被照亮区域所占的面积,u为观测目标到随机散射介质的距离;
3c)根据目标稀疏度N,计算散斑图像自相关结果R(x,y)的强度峰值p,p=N+0.5N(N-1)=0.5N2+0.5N;
3d)根据目标图像的稀疏度N和散斑图像自相关结果R(x,y)的强度峰值p,计算散斑图像的背景噪声:C=[N/(N+1)]p;
(4)去除散斑图像自相关结果R(x,y)中的背景噪声,得到去除背景噪声后的散斑图像自相关:R'(x,y)=R(x,y)-C;
(5)对(4)得到的去除背景噪声的散斑图像自相关R'(x,y)进行重建,最终得到观测目标。
5a)通过Matlab软件截取所述散斑图像自相关R'(x,y)的中间部分R”(x,y);
5b)计算所述中间部分R”(x,y)的功率谱:Smeas(kx,ky)=|FT{R”(x,y)}|,其中(kx,ky)为点(x,y)的傅立叶变换对应的频域坐标,FT{·}表示傅里叶变换,|·|表示取绝对值;
5c)生成随机矩阵g1(x,y),作为迭代初始值;
5d)将5b)得到的功率谱Smeas(kx,ky)和5c)生成的随机矩阵g1(x,y)带入到iterativeFienup-type算法中进行循环迭代,最终求解出观测目标图像。
本发明与现有技术相比具有如下优点:
1)本发明依据随机散射光学成像的原理,用LED光源代替激光光源,设计了基于LED照明的随机散射关联成像系统,与现有随机散射光学成像系统相比,降低了光源成本,简化了成像系统的结构。
2)本发明基于相位恢复理论,只需对单帧散斑图像进行重建即可获得观测目标,提高了成像实时性;所用重建算法步骤简单,大大降低重建过程的复杂度,提高了重建效率。
附图说明
图1是本发明基于LED照明的随机散射关联成像系统的结构图;
图2是本发明基于LED照明的随机散射关联成像方法的流程图;
图3是用本发明方法得到的重建结果图。
具体实施方式
以下将结合附图,清楚、完整地描述本发明LED照明的随机散射关联成像系统的设置,以及成像方法的实现步骤。
参见图1,本发明的成像系统,包括光学装置、随机散射成像装置和观测目标三部分。其中:
所述光学装置,包括LED光源1、准直透镜2和第一可变光阑3。其中,LED光源1采用可见光波段的单波长非相干LED光源;
所述随机散射成像装置,包括随机散射介质5、第二可变光阑6、窄带滤波片7和探测器阵列8。
LED光源1发出的光经过准直透镜2产生能量会聚的平行准直非相干光,再经第一可变光阑3调整光束直径并滤除杂散光,照射到观测目标4;观测目标4被照射后,携带有观测目标4信息的光束透射到随机散射介质5上,并在随机散射介质5内部发生多次散射,经过多次散射的输出光束经第二可变光阑6滤除杂散光并限制光束直径后,入射到窄带滤波片7,从窄带滤波片7出射的光线进入探测器阵列8,在探测器阵列8上形成散斑图像。
参见图2,本发明的成像方法,其具体实现步骤如下:
步骤1,搭建光路,用探测器阵列采集单帧散斑图像并对其进行图像亮度均一化处理,以消除光源波动对图像亮度的影响。
1a)通过探测器阵列采集单帧散斑图像I(x,y),并上传到主控计算机,其中(x,y)为空间坐标;
1b)利用主控计算机对采集的单帧散斑图像I(x,y)进行亮度均一化处理,得到亮度均一化后的散斑图像:其中|I(x,y)|表示单帧散斑图像I(x,y)的模值。
步骤2,对亮度均一化处理后的散斑图像D(x,y)进行自相关运算,得到该亮度均一化散斑图像的自相关运算结果。
自相关运算,常用来计算同一信号在不同时刻的相似程度,其具有多种计算方式,本发明所述自相关运算是基于二维傅里叶变换理论的自相关运算,即所述的自相关结果R(x,y)等于散斑图像D(x,y)傅里叶变换模值平方的逆傅里叶变换:
R(x,y)=D(x,y)★D(x,y)=FT-1{|FT{D(x,y)}|2},
其中,FT{·}为傅立叶变换,FT-1{·}为傅立叶逆变换,★表示自相关运算符号。
步骤3,获取亮度均一化散斑图像自相关结果R(x,y)的背景噪声。
3a)计算整个成像系统的角分辨率δθ,δθ≈λ/nD,其中,λ为LED光源的波长,n为随机散射介质后的空间折射率,D为随机散射介质后的第二可变光阑的孔径尺寸;
3b)根据角分辨率δθ,计算目标稀疏度:其中,S为观测目标被照亮的区域所占的面积,u为观测目标到随机散射介质的距离;
3c)根据目标稀疏度N,计算散斑图像自相关结果R(x,y)的强度峰值:p=N+0.5N(N-1)=0.5N2+0.5N;
3d)根据目标稀疏度N和散斑图像自相关结果的强度峰值p计算散斑图像的背景噪声:C=[N/(N+1)]p。
步骤4,去除散斑图像自相关结果中的背景噪声,得到去除背景噪声后的散斑图像的自相关结果:R'(x,y)=R(x,y)-C=D(x,y)★D(x,y)-C。
步骤5,对步骤4得到的去除背景噪声的散斑图像自相关R'(x,y)进行重建,得到最终的观测目标图像。
5a)通过Matlab软件截取所述散斑图像自相关R'(x,y)的中间部分R”(x,y):
R”(x,y)=R'(x,y)((n1/2)-m1:(n1/2)+m1,(n2/2)-m2:(n2/2)+m2),
其中n1、n2分别表示散斑图像D(x,y)的横向维度和纵向维度,m1、m2分别表示所截取的图像自相关R'(x,y)中间部分的横向维度和纵向维度的1/2;
5b)根据维纳-辛钦理论计算所述中间部分R”(x,y)的功率谱Smeas(kx,ky):Smeas(kx,ky)=|FT{R”(x,y)}|,其中,(x,y)为空间坐标,(kx,ky)为对(x,y)傅立叶变换对应的频域坐标,FT{·}表示傅里叶变换,|·|表示取绝对值;
5c)生成模值为1、相位在0~2π之间随机分布的复数矩阵g1(x,y),作为迭代初始值;
5d)将5b)得到的功率谱Smeas(kx,ky)和5c)生成的随机矩阵g1(x,y)带入到iterativeFienup-type算法,进行循环迭代,求解出最终的观测目标图像。
iterative Fienup-type算法一种相位提取算法,该算法以探测器接收到的强度图像及生成的随机复数矩阵作为初始输入,通过循环迭代可恢复出振幅图像中缺失的相位信息,从而重建出最终的观测目标图像。该算法由Fienup和J.R.在文章“Phase retrievalalgorithms:a comparison”中提出。
本发明的效果可以通过以下仿真实验过程进一步说明:
第一步,将图3(a)所示原图像作为观测目标图像;
第二步,对3(a)所示原图像进行自相关运算,得到图3(b)所示的自相关运算结果;
第三步,将图3(a)所示原图像作为观测目标图像,利用本发明所述成像系统进行成像,并用探测器阵列采集图像,对所采集图像进行亮度均一化处理,得到图3(c)所示的亮度均一化处理后的散斑图像;
第四步,对图3(c)所示的散斑图像进行自相关运算并去除背景噪声,得到图3(d)所示的去除背景噪声的散斑图像自相关;
第五步,截取散斑图像自相关结果的中间部分,得到图3(e)所示的散斑图像自相关的中间部分;
第六步,对散斑图像自相关的中间部分进行重建,得到图3(f)所示的重建观测目标图像。
由图3(f)可以看出本发明可以对观测目标图像进行精确重构。
以上描述仅是本发明的一个具体实例,并不构成对本发明的任何限制。显然对于本领域的专业人员来说,在了解了本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修正和改变,但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。
Claims (6)
1.一种基于LED照明的随机散射关联成像系统,包括光学装置、随机散射成像装置和观测目标,其特征在于:
所述光学装置,包括LED光源(1)、准直透镜(2)和第一可变光阑(3);
所述随机散射成像装置,包括随机散射介质(5)、第二可变光阑(6)、窄带滤波片(7)和探测器阵列(8);
LED光源(1)发出的光经过准直透镜(2)产生能量会聚的平行准直非相干光,再经第一可变光阑(3)调整光束直径并滤除杂散光,照射到观测目标(4);观测目标(4)被照射后,携带有观测目标(4)信息的光束透射到随机散射介质(5)上,并在随机散射介质(5)内部发生强散射,经过强散射的输出光束经第二可变光阑(6)滤除杂散光并限制光束直径后,入射到窄带滤波片(7),最后由探测器阵列(8)接收图像。
2.根据权利要求1所述的成像系统,其特征在于,所述LED光源(1),采用可见光波段的单波长非相干LED光源。
3.根据权利要求1所述的成像系统,其特征在于,随机散射介质(5)的厚度为10~500μm,以减小对光的吸收,增强对光的散射。
4.根据权利要求1所述的成像系统,其特征在于,探测器阵列(8)采用电荷耦合元件CCD或互补金属氧化物半导体CMOS。
5.一种基于LED照明的随机散射关联成像方法,包括以下步骤:
(1)采集单帧散斑图像并对该单帧散斑图像进行亮度均一化处理,得到亮度均一化处理后的散斑图像D(x,y),以消除光源波动对图像亮度的影响;
(2)对亮度均一化处理后的图像D(x,y)进行自相关运算,获得散斑图像的自相关结果:R(x,y)=D(x,y)★D(x,y),其中★表示自相关运算符号;
(3)获取散斑图像自相关结果R(x,y)的背景噪声:
3a)计算整个成像系统的角分辨率δθ,δθ≈λ/nD,其中,λ为波长,n为随机散射介质后的空间折射率,D为随机散射介质后的第二可变光阑的孔径尺寸;
3b)根据角分辨率δθ,计算目标稀疏度N,其中,S为观测目标被照亮区域所占的面积,u为观测目标到随机散射介质的距离;
3c)根据目标稀疏度N,计算散斑图像自相关结果R(x,y)的强度峰值p,p=N+0.5N(N-1)=0.5N2+0.5N;
3d)根据目标图像的稀疏度N和散斑图像自相关结果R(x,y)的强度峰值p,计算散斑图像的背景噪声:C=[N/(N+1)]p;
(4)去除散斑图像自相关结果R(x,y)中的背景噪声,得到去除背景噪声后的散斑图像自相关:R'(x,y)=R(x,y)-C;
(5)对(4)得到的去除背景噪声的散斑图像自相关R'(x,y)进行重建,最终得到观测目标。
5a)通过Matlab软件截取所述散斑图像自相关R'(x,y)的中间部分R”(x,y);
5b)计算所述中间部分R”(x,y)的功率谱:Smeas(kx,ky)=|FT{R”(x,y)}|,其中(kx,ky)为点(x,y)的傅立叶变换对应的频域坐标,FT{·}表示傅里叶变换,|·|表示取绝对值;
5c)生成随机矩阵g1(x,y),作为迭代初始值;
5d)将5b)得到的功率谱Smeas(kx,ky)和5c)生成的随机矩阵g1(x,y)带入到iterativeFienup-type算法中进行循环迭代,最终求解出观测目标图像。
6.根据权利要求5所述的成像方法,其中所述步骤5c)中的随机矩阵g1(x,y),为随机分布的复数矩阵,其模值为1,相位在0~2π之间随机分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510409412.5A CN105005053B (zh) | 2015-07-13 | 2015-07-13 | 基于led照明的随机散射关联成像系统及成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510409412.5A CN105005053B (zh) | 2015-07-13 | 2015-07-13 | 基于led照明的随机散射关联成像系统及成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105005053A true CN105005053A (zh) | 2015-10-28 |
CN105005053B CN105005053B (zh) | 2017-11-21 |
Family
ID=54377787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510409412.5A Active CN105005053B (zh) | 2015-07-13 | 2015-07-13 | 基于led照明的随机散射关联成像系统及成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105005053B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107018388A (zh) * | 2017-02-28 | 2017-08-04 | 西安交通大学 | 一种超高速实时彩色计算鬼成像的装置及方法 |
CN108226947A (zh) * | 2018-01-29 | 2018-06-29 | 哈尔滨工业大学 | 基于最佳孔径滤除噪声的涡旋光测距系统 |
CN108535681A (zh) * | 2018-02-05 | 2018-09-14 | 西安电子科技大学 | 一种透过散射介质的目标4d跟踪系统及方法 |
CN109804229A (zh) * | 2016-08-15 | 2019-05-24 | 国立大学法人大阪大学 | 电磁波相位振幅生成装置、电磁波相位振幅生成方法以及电磁波相位振幅生成程序 |
CN109828371A (zh) * | 2019-03-28 | 2019-05-31 | 清华大学深圳研究生院 | 一种基于移动散斑光源的大视场散射成像方法 |
WO2019144313A1 (zh) * | 2018-01-24 | 2019-08-01 | 深圳大学 | 一种扩展光学成像景深的方法及系统 |
CN110274877A (zh) * | 2019-05-21 | 2019-09-24 | 西安电子科技大学 | 一种基于散射介质的3d光谱成像系统及方法 |
CN110333205A (zh) * | 2019-06-26 | 2019-10-15 | 西安电子科技大学 | 一种透过动态液体介质的散射成像装置和方法 |
CN110673330A (zh) * | 2019-09-02 | 2020-01-10 | 南京理工大学 | 基于散射的成像系统景深拓展装置及方法 |
CN110708471A (zh) * | 2019-09-27 | 2020-01-17 | 西安交通大学 | 一种基于主动照明的ccd自关联成像系统及方法 |
CN111103697A (zh) * | 2020-01-04 | 2020-05-05 | 四川大学 | 利用空间光调制器实现基于相位多样性的散射介质成像 |
CN111307718A (zh) * | 2020-03-06 | 2020-06-19 | 山东大学 | 基于计算鬼成像穿透散射介质的扩大视场范围的方法 |
CN111724328A (zh) * | 2020-06-30 | 2020-09-29 | 苏州兴钊防务研究院有限公司 | 一种光电协同散射介质成像系统及其方法 |
CN113281305A (zh) * | 2021-05-17 | 2021-08-20 | 太原理工大学 | 一种基于散射介质实现超分辨显微成像方法及其装置 |
CN113534403A (zh) * | 2020-03-31 | 2021-10-22 | 华为技术有限公司 | 一种摄像头模组及电子设备 |
CN113567396A (zh) * | 2021-06-02 | 2021-10-29 | 西安电子科技大学 | 基于散斑场偏振共模抑制性的散射成像系统及方法 |
CN116088173B (zh) * | 2023-04-10 | 2023-06-16 | 之江实验室 | 散射成像系统及其光轴非侵入寻找方法、装置、存储介质 |
CN117517261A (zh) * | 2024-01-03 | 2024-02-06 | 中国科学院长春光学精密机械与物理研究所 | 用于光学探测的多帧透过散射介质成像装置及其成像方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102017A (zh) * | 2014-07-07 | 2014-10-15 | 西安电子科技大学 | 基于结构光照的随机散射光学超衍射极限成像系统及方法 |
-
2015
- 2015-07-13 CN CN201510409412.5A patent/CN105005053B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102017A (zh) * | 2014-07-07 | 2014-10-15 | 西安电子科技大学 | 基于结构光照的随机散射光学超衍射极限成像系统及方法 |
Non-Patent Citations (2)
Title |
---|
ORI KATZ ET AL.: ""Non-invasive single-shot imaging through scattering layers and around corners via speckle correlations"", 《NATURE PHOTONICS》 * |
XIAOPENG SHAO ET AL.: ""Speckle-correlation imaging through highly scattering turbid media with LED illumination"", 《SMART BIOMEDICAL AND PHYSIOLOGICAL SENSOR TECHNOLOGY XII》 * |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10904415B2 (en) | 2016-08-15 | 2021-01-26 | Osaka University | Electromagnetic wave phase/amplitude generation device, electromagnetic wave phase/amplitude generation method, and electromagnetic wave phase/amplitude generation program |
CN109804229A (zh) * | 2016-08-15 | 2019-05-24 | 国立大学法人大阪大学 | 电磁波相位振幅生成装置、电磁波相位振幅生成方法以及电磁波相位振幅生成程序 |
US11412118B2 (en) | 2016-08-15 | 2022-08-09 | Osaka University | Electromagnetic wave phase/amplitude generation device, electromagnetic wave phase/amplitude generation method, and electromagnetic wave phase/amplitude generation program |
CN109804229B (zh) * | 2016-08-15 | 2021-05-25 | 国立大学法人大阪大学 | 电磁波相位振幅生成装置、电磁波相位振幅生成方法以及存储有电磁波相位振幅生成程序的非临时记录介质 |
CN107018388B (zh) * | 2017-02-28 | 2019-04-16 | 西安交通大学 | 一种超高速实时彩色计算鬼成像的装置及方法 |
CN107018388A (zh) * | 2017-02-28 | 2017-08-04 | 西安交通大学 | 一种超高速实时彩色计算鬼成像的装置及方法 |
WO2019144313A1 (zh) * | 2018-01-24 | 2019-08-01 | 深圳大学 | 一种扩展光学成像景深的方法及系统 |
CN108226947A (zh) * | 2018-01-29 | 2018-06-29 | 哈尔滨工业大学 | 基于最佳孔径滤除噪声的涡旋光测距系统 |
CN108226947B (zh) * | 2018-01-29 | 2021-09-24 | 哈尔滨工业大学 | 基于最佳孔径滤除噪声的涡旋光测距系统 |
CN108535681A (zh) * | 2018-02-05 | 2018-09-14 | 西安电子科技大学 | 一种透过散射介质的目标4d跟踪系统及方法 |
CN108535681B (zh) * | 2018-02-05 | 2021-09-28 | 西安电子科技大学 | 一种透过散射介质的目标4d跟踪系统及方法 |
CN109828371A (zh) * | 2019-03-28 | 2019-05-31 | 清华大学深圳研究生院 | 一种基于移动散斑光源的大视场散射成像方法 |
CN110274877B (zh) * | 2019-05-21 | 2021-11-02 | 西安电子科技大学 | 一种基于散射介质的3d光谱成像系统及方法 |
CN110274877A (zh) * | 2019-05-21 | 2019-09-24 | 西安电子科技大学 | 一种基于散射介质的3d光谱成像系统及方法 |
CN110333205A (zh) * | 2019-06-26 | 2019-10-15 | 西安电子科技大学 | 一种透过动态液体介质的散射成像装置和方法 |
CN110333205B (zh) * | 2019-06-26 | 2021-11-26 | 西安电子科技大学 | 一种透过动态液体介质的散射成像装置和方法 |
CN110673330B (zh) * | 2019-09-02 | 2021-09-28 | 南京理工大学 | 基于散射的成像系统景深拓展装置及方法 |
CN110673330A (zh) * | 2019-09-02 | 2020-01-10 | 南京理工大学 | 基于散射的成像系统景深拓展装置及方法 |
CN110708471A (zh) * | 2019-09-27 | 2020-01-17 | 西安交通大学 | 一种基于主动照明的ccd自关联成像系统及方法 |
CN110708471B (zh) * | 2019-09-27 | 2020-07-28 | 西安交通大学 | 一种基于主动照明的ccd自关联成像系统及方法 |
CN111103697A (zh) * | 2020-01-04 | 2020-05-05 | 四川大学 | 利用空间光调制器实现基于相位多样性的散射介质成像 |
CN111103697B (zh) * | 2020-01-04 | 2021-10-26 | 四川大学 | 利用空间光调制器实现基于相位多样性的散射介质成像 |
CN111307718A (zh) * | 2020-03-06 | 2020-06-19 | 山东大学 | 基于计算鬼成像穿透散射介质的扩大视场范围的方法 |
CN113534403A (zh) * | 2020-03-31 | 2021-10-22 | 华为技术有限公司 | 一种摄像头模组及电子设备 |
CN113534403B (zh) * | 2020-03-31 | 2023-03-10 | 华为技术有限公司 | 一种摄像头模组及电子设备 |
CN111724328A (zh) * | 2020-06-30 | 2020-09-29 | 苏州兴钊防务研究院有限公司 | 一种光电协同散射介质成像系统及其方法 |
CN111724328B (zh) * | 2020-06-30 | 2024-03-05 | 苏州兴钊防务研究院有限公司 | 一种光电协同散射介质成像系统及其方法 |
CN113281305A (zh) * | 2021-05-17 | 2021-08-20 | 太原理工大学 | 一种基于散射介质实现超分辨显微成像方法及其装置 |
CN113567396A (zh) * | 2021-06-02 | 2021-10-29 | 西安电子科技大学 | 基于散斑场偏振共模抑制性的散射成像系统及方法 |
CN113567396B (zh) * | 2021-06-02 | 2022-11-11 | 西安电子科技大学 | 基于散斑场偏振共模抑制性的散射成像系统及方法 |
CN116088173B (zh) * | 2023-04-10 | 2023-06-16 | 之江实验室 | 散射成像系统及其光轴非侵入寻找方法、装置、存储介质 |
CN117517261A (zh) * | 2024-01-03 | 2024-02-06 | 中国科学院长春光学精密机械与物理研究所 | 用于光学探测的多帧透过散射介质成像装置及其成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105005053B (zh) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105005053A (zh) | 基于led照明的随机散射关联成像系统及成像方法 | |
CN106950195B (zh) | 基于散射介质的可编程光学元件及光场调控系统和方法 | |
CN104154878B (zh) | 一种使用单像素探测器的光学成像方法 | |
CN104634285B (zh) | 一种对比度值可调控的散斑产生装置及其产生方法 | |
CN104102017A (zh) | 基于结构光照的随机散射光学超衍射极限成像系统及方法 | |
Wang et al. | A novel image fusion method based on FRFT-NSCT | |
CN106788714A (zh) | 一种基于光学计算的稀疏解混方法 | |
Zhang et al. | Characterization of particle size and shape by an IPI system through deep learning | |
Huilin et al. | Discussion of the laser ranging with polarization spectral imaging observations and communication technology for space debris | |
Liao et al. | Scattering imaging as a noise removal in digital holography by using deep learning | |
CN111240027B (zh) | 一种基于轴棱锥-透镜组合的光学空间滤波系统及其工作方法 | |
EP3499201B1 (en) | Electromagnetic wave phase/amplitude generation device, electromagnetic wave phase/amplitude generation method, and electromagnetic wave phase/amplitude generation program | |
CN102155992A (zh) | 一种偏振-超光谱压缩成像方法与系统 | |
US20160357001A1 (en) | Microscope | |
Tran et al. | Adaptive Active Fusion of Camera and Single-Point LiDAR for Depth Estimation | |
Wang et al. | Advances in Mask-Modulated Lensless Imaging | |
Turola et al. | Wave optics simulations of a focused plenoptic system | |
Chen et al. | A Real-time Scattered Image Restoration Technique Optimized by Deconvolution and Exposure Adjustment | |
CN105588641A (zh) | 一种用于地震预测预报的地基气辉成像仪 | |
Sun et al. | Super-resolution imaging of telescopic systems based on optical-neural network joint optimization | |
Hu et al. | Extended depth of field reconstruction with complex field estimation | |
Hu et al. | Hybrid method for accurate phase retrieval based on higher order transport of intensity equation and multiplane iteration | |
CN111724328B (zh) | 一种光电协同散射介质成像系统及其方法 | |
Seesan et al. | Sample and system parameter estimation from local speckle pattern by fully numerically trained deep convolution neural network | |
Su et al. | Infrared dual-band image fusion with simplified pulse coupled neural network and visual saliency map in nonsubsampled shearlet transform domain |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |