CN106772310A - 一种基于计算鬼成像的目标鉴定装置及其方法 - Google Patents

一种基于计算鬼成像的目标鉴定装置及其方法 Download PDF

Info

Publication number
CN106772310A
CN106772310A CN201611260523.5A CN201611260523A CN106772310A CN 106772310 A CN106772310 A CN 106772310A CN 201611260523 A CN201611260523 A CN 201611260523A CN 106772310 A CN106772310 A CN 106772310A
Authority
CN
China
Prior art keywords
imaging
objective identification
target
ghost imaging
calculating
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
Application number
CN201611260523.5A
Other languages
English (en)
Other versions
CN106772310B (zh
Inventor
顾国华
邹云浩
何伟基
陈钱
张闻文
钱惟贤
隋修宝
任侃
路东明
于雪莲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201611260523.5A priority Critical patent/CN106772310B/zh
Publication of CN106772310A publication Critical patent/CN106772310A/zh
Application granted granted Critical
Publication of CN106772310B publication Critical patent/CN106772310B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S17/00Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88Lidar systems specially adapted for specific applications
    • G01S17/89Lidar systems specially adapted for specific applications for mapping or imaging
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20048Transform domain processing
    • G06T2207/20056Discrete and fast Fourier transform, [DFT, FFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于计算鬼成像的目标鉴定装置及其方法。本装置由锁模激光器、激光扩束镜、光阑、高速空间光调制器、成像透镜、高速光电二极管和数字采集模块等组成。利用高速空间逛调制器产生的随机散斑对待鉴定目标进行采样,采用计算鬼成像对目标进行重建,通过非线性相关实现极低采样率下的目标鉴定。本发明采用计算鬼成像的信息采集方法,结合非线性相关检验,不仅实现了单像素、低采样率的目标鉴定,拓宽了目标鉴定的光谱范围,还减小了探测器尺寸,降低了成像系统的成本。

Description

一种基于计算鬼成像的目标鉴定装置及其方法
技术领域
本发明属于图像识别技术领域,特别是一种基于计算鬼成像的目标鉴定装置及其方法。
技术背景
目标鉴别技术广泛用于人脸识别,遥感目标探测等诸多方面,在军事和商业领域都得到了广泛的应用和关注。目前,目标鉴别主要依赖于面阵探测器(如CCD相机和CMOS相机)的直接获取目标图像,再结合相应的识别算法进行鉴定(如[1]吕颖达.数字图像盲鉴别的关键理论与技术研究[D].吉林大学,2015.[2]刘茜.彩色人脸图像特征提取方法研究[D].南京邮电大学,2015.[3]王鹏宇.基于压缩感知的旋转体目标成像鉴别方法研究[D].国防科学技术大学,2013.)。面阵探测器的使用极大制约了目标鉴别应用的光谱范围,同时,面阵探测器需要在100%奈奎斯特极限下工作,这大大增加了系统所需的硬件和计算成本。
发明内容
本发明的目的在于提供一种基于计算鬼成像的目标鉴定装置及其方法,不仅实现了单像素、低采样率的目标鉴定,拓宽了目标鉴定的光谱范围,还减小了探测器尺寸,降低了成像系统的成本。
本发明目的的技术解决方案为:一种基于计算鬼成像的目标鉴定装置,包括锁模激光器、激光扩束镜、高速空间光调制器、成像透镜I、成像透镜II、高速光电二极管、计算机和数字采集模块,在计算鬼成像的光路发射端上,锁模激光器输出端的中心轴线上依次放置激光扩束镜、高速空间光调制器和成像透镜I,所有光学中心吻合;高速空间光调制器与成像透镜I的光轴相交,对激光光束进行调制后打到待测目标上;高速光电二极管放置在成像透镜II的后焦面上,从而使得经待测目标反射的光聚焦在高速光电二极管的光敏面上;该高速光电二极管的信号输出端通过同轴电缆与数据采集模块的模拟输入端连接,该数据采集模块进行采样,将模拟信号转换为数字信号,其输出端与计算机网络端口连接,上传数据采集结果,并在计算机中进行最后的目标鉴定处理。
一种基于计算鬼成像的目标鉴定方法,步骤如下:
第一步,极低采样率的计算鬼成像:利用随机产生的满足均匀分布的0-1散斑对待鉴定目标进行空域采样,此过程采样率极低,约为5%奈奎斯特采样极限下,采用计算鬼成像对目标进行重建,得到重建图像Irecons
第二步,采用非线性相关实现目标鉴定:利用极低采样率下计算鬼成像的重建图像Irecons与已知的标准图像Istandard进行非线性相关,通过判别相关程度,如果相关图像中出现尖峰,即可认为待测目标与已知标准图像相符合,即实现目标鉴定。
本发明与现有技术相比,具有如下显著优点:(1)采用计算鬼成像的信息采集方法,结合非线性相关检验,可以实现单像素、低采样率的目标鉴定。(2)通过非线性相关进行相关程度判定,仅仅需要一个高速光电二极管,光谱相应范围大。(3)采样率远远低于面阵相机所需的100%奈奎斯特极限,一般为奈奎斯特极限的5%。(4)功耗低、体积小,适合快速部署。
下面结合附图对本发明作进一步详细描述。
附图说明
图1是本发明基于计算鬼成像的目标鉴定装置的示意图。
图2是选取的待测目标。
图3是基于计算鬼成像的目标鉴定方法的成像结果。
图4(a)、图4(b)、图4(c)和图4(d)是用于验证本发明的标准图像。
图5(a)、图5(b)、图5(c)和图5(d)是计算鬼成像与对应标准图像进行非线性相关所得到的检测结果。
具体实施方式
结合图1,本发明基于计算鬼成像的目标鉴定装置,包括锁模激光器1、激光扩束镜2、高速空间光调制器3、成像透镜I4、成像透镜II6、高速光电二极管7、计算机8和数字采集模块9,在计算鬼成像的光路发射端上,锁模激光器1输出端的中心轴线上依次放置激光扩束镜2、高速空间光调制器3和成像透镜I4,所有光学中心吻合;高速空间光调制器3与成像透镜I4的光轴相交,对激光光束进行调制后打到待测目标5上;高速光电二极管7放置在成像透镜II6的后焦面上,从而使得经待测目标5反射的光聚焦在高速光电二极管7的光敏面上;该高速光电二极管7的信号输出端通过同轴电缆与数据采集模块9的模拟输入端连接,该数据采集模块9进行采样,将模拟信号转换为数字信号,其输出端与计算机9网络端口连接,上传数据采集结果,并在计算机中进行最后的目标鉴定处理。
所述激光扩束镜2与锁模激光器1输出端的距离为激光扩束镜2输入负透镜的一倍焦距。
所述激光扩束镜2和高速空间光调制器3之间的距离调节至激光光束经扩束后在高速空间光调制器3上形成的光斑大于高速空间光调制器3调制面的1.2~1.3倍。
所述高速光电二极管7的感光面与成像透镜II6的距离为成像透镜II6的焦距。
结合图2至图5,本发明基于计算鬼成像的目标鉴定方法,步骤如下:
第一步,极低采样率的计算鬼成像:利用随机产生的满足均匀分布的0-1散斑对待鉴定目标(即待测目标5)进行空域采样,此过程采样率极低,约为5%奈奎斯特采样极限(远低于一般计算鬼成像所要求的200%~500%)下,采用计算鬼成像对目标进行重建,得到重建图像Irecons
第二步,采用非线性相关实现目标鉴定:利用极低采样率下计算鬼成像的重建图像Irecons与已知的标准图像Istandard进行非线性相关,通过判别相关程度,如果相关图像中出现尖峰,即可认为待测目标与已知标准图像相符合,即实现目标鉴定。
其中,极低采样率的计算鬼成像步骤如下:对于每一个待鉴定目标I(设定其分辨率为M×N,M是其横轴的分辨率,N是其纵轴的分辨率),通过高速空间光调制器3产生的r个随机散斑对其进行照明;这样,对于每一次随机散斑的照明,都有r个输出信号y和r个随机散斑与之相对应,将此过程写成矩阵的形式,即成像方程为
y=Ax+e (1)
其中,x是待测目标的矩阵一维排列,A∈r×n是r个随机散斑对应的矩阵,称为采样矩阵,n=M×N,M,N分别是空间光调制器的横轴和纵轴方向的像素数(与设定的待测目标分辨率相同);A中每一行是对应随机散斑的矩阵一维排列(与待测目标的的矩阵一维排列机制相同);e是测量噪声,包括环境噪声以及桶探测器的暗噪声、读出噪声等等。在采样率极低的情况下(一般奈奎斯特极限的5%),对公式(1)进行计算鬼成像运算(二阶关联),得到无法辨识的重建图像Irecons,计算鬼成像具体数学表达为<A·y>-<A><y>,其中,<·>表示加权平均。
所采用非线性相关实现目标鉴定步骤如下:由于采样极低,通过计算鬼成像重建的图像Irecons信噪比很低,通过传统鉴定方法无法鉴定,将重建图像Irecons与标准图像Istandard作非线性相关测试,即:
其中,S1=FT(Irecons(x,y))是重建图像的二维傅里叶变换形式,S2=FT(Istandard(x,y))是标准图像的二维傅里叶变换形式,k是非线性系数,FT是二维傅里叶变换,IFT是二维傅里叶逆变换,x和y是图像的横纵坐标,通过非线性相关测试的峰值的显著程度,如果相关图像中出现尖峰,即可认为待测目标与已知标准图像相符合,即实现目标鉴定。
实施例
利用图1所示的基于计算鬼成像的目标鉴定装置进行鉴定的方法,步骤如下:
第一步,对于分辨率为256×256的待检测目标(如图2所示),利用高速空间光调制器产生随机均匀分布的0-1散斑矩阵,通过数据采集模块对鉴定目标进行采样3276次,对应采样率大约为5%奈奎斯特极限,并通过二阶关联进行成像,得到成像结果如图3所示。显然,图3很模糊,并不能通过传统鉴定方法实现对目标进行直接鉴别。
第二步,采用非线性相关实现目标鉴定。利用极低采样率下计算鬼成像的重建图(图3)与标准图案(如图4(a)标准图像“Lena”、图4(b)标准图像“房屋”Lena、图4(c)标准图像“情侣”Lena和图4(d)标准图像“肖像”Lena)进行非线性相关,得到了非线性相关结果如图5(a)、图5(b)、图5(c)和图5(d)所示(图5(a)是计算鬼成像还原结果与标准图像“Lena”的非线性相关运算结果;图5(b)是计算鬼成像还原结果与标准图像“房屋”的非线性相关运算结果;图5(c)是计算鬼成像还原结果与标准图像“情侣”的非线性相关运算结果;图5(d)是计算鬼成像还原结果与标准图像“肖像”的非线性相关运算结果)。比较图5(a)~图5(d)这几张结果图,显然只有图5(a)具有明显的尖峰,这说明只有标准图像图4(a)与待测目标图2具有较高的相关程度,即可证明标准图像图4(a)与待测目标相符,完成鉴定。
本发明仅仅需要一个高速光电二极管,光谱相应范围大,在采样率远远低于面阵相机所需的100%奈奎斯特极限条件下(一般为奈奎斯特极限的5%),即可实现目标鉴定。

Claims (7)

1.一种基于计算鬼成像的目标鉴定装置,其特征在于包括锁模激光器(1)、激光扩束镜(2)、高速空间光调制器(3)、成像透镜I(4)、成像透镜II(6)、高速光电二极管(7)、计算机(8)和数字采集模块(9),在计算鬼成像的光路发射端上,锁模激光器(1)输出端的中心轴线上依次放置激光扩束镜(2)、高速空间光调制器(3)和成像透镜I(4),所有光学中心吻合;高速空间光调制器(3)与成像透镜I(4)的光轴相交,对激光光束进行调制后打到待测目标(5)上;高速光电二极管(7)放置在成像透镜II(6)的后焦面上,从而使得经待测目标(5)反射的光聚焦在高速光电二极管(7)的光敏面上;该高速光电二极管(7)的信号输出端通过同轴电缆与数据采集模块(9)的模拟输入端连接,该数据采集模块(9)进行采样,将模拟信号转换为数字信号,其输出端与计算机(9)网络端口连接,上传数据采集结果,并在计算机中进行最后的目标鉴定处理。
2.根据权利要求1所述的基于计算鬼成像的目标鉴定装置,其特征在于激光扩束镜(2)与锁模激光器(1)输出端的距离为激光扩束镜(2)输入负透镜的一倍焦距。
3.根据权利要求1所述的基于计算鬼成像的目标鉴定装置,其特征在于激光扩束镜(2)和高速空间光调制器(3)之间的距离调节至激光光束经扩束后在高速空间光调制器(3)上形成的光斑大于高速空间光调制器(3)调制面的1.2~1.3倍。
4.据权利要求1所述的基于计算鬼成像的目标鉴定装置,其特征在于高速光电二极管(7)的感光面与成像透镜II(6)的距离为成像透镜II(6)的焦距。
5.一种基于计算鬼成像的目标鉴定方法,其特征在于步骤如下:
第一步,极低采样率的计算鬼成像:利用随机产生的满足均匀分布的0-1散斑对待鉴定目标进行空域采样,此过程采样率极低,约为5%奈奎斯特采样极限下,采用计算鬼成像对目标进行重建,得到重建图像Irecons
第二步,采用非线性相关实现目标鉴定:利用极低采样率下计算鬼成像的重建图像Irecons与已知的标准图像Istandard进行非线性相关,通过判别相关程度,如果相关图像中出现尖峰,即可认为待测目标与已知标准图像相符合,即实现目标鉴定。
6.根据权利要求5所述的基于计算鬼成像的目标鉴定方法,其特征在于极低采样率的计算鬼成像步骤如下:对于每一个待鉴定目标I,通过高速空间光调制器(3)产生的r个随机散斑对其进行照明;这样,对于每一次随机散斑的照明,都有r个输出信号y和r个随机散斑与之相对应,将此过程写成矩阵的形式,即成像方程为
y=Ax+e (1)
其中,x是待测目标的矩阵一维排列,A∈r×n是r个随机散斑对应的矩阵,称为采样矩阵,n=M×N,M,N分别是空间光调制器的横轴和纵轴方向的像素数;A中每一行是对应随机散斑的矩阵一维排列,e是测量噪声;在采样率极低的情况下,对公式(1)进行计算鬼成像运算,得到无法辨识的重建图像Irecons,计算鬼成像具体数学表达为<A·y>-<A><y>,其中,<·>表示加权平均。
7.根据权利要求5所述的基于计算鬼成像的目标鉴定方法,其特征在于采用非线性相关实现目标鉴定步骤如下:由于采样极低,通过计算鬼成像重建的图像Irecons信噪比很低,将重建图像Irecons与标准图像Istandard作非线性相关测试,即:
C ( x , y ) = I F T ( S 1 | S 2 | | S 1 S 2 | k | S 1 | S 2 ) - - - ( 2 )
其中,S1=FT(Irecons(x,y))是重建图像的二维傅里叶变换形式,S2=FT(Istandard(x,y))是标准图像的二维傅里叶变换形式,k是非线性系数,FT是二维傅里叶变换,IFT是二维傅里叶逆变换,x和y是图像的横纵坐标,通过非线性相关测试的峰值的显著程度,如果相关图像中出现尖峰,即可认为待测目标与已知标准图像相符合,即实现目标鉴定。
CN201611260523.5A 2016-12-30 2016-12-30 一种基于计算鬼成像的目标鉴定装置及其方法 Active CN106772310B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611260523.5A CN106772310B (zh) 2016-12-30 2016-12-30 一种基于计算鬼成像的目标鉴定装置及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611260523.5A CN106772310B (zh) 2016-12-30 2016-12-30 一种基于计算鬼成像的目标鉴定装置及其方法

Publications (2)

Publication Number Publication Date
CN106772310A true CN106772310A (zh) 2017-05-31
CN106772310B CN106772310B (zh) 2019-05-07

Family

ID=58954731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611260523.5A Active CN106772310B (zh) 2016-12-30 2016-12-30 一种基于计算鬼成像的目标鉴定装置及其方法

Country Status (1)

Country Link
CN (1) CN106772310B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107707311A (zh) * 2017-09-20 2018-02-16 上海理工大学 基于压缩感知时间关联成像的对象认证方法
CN107807444A (zh) * 2017-09-06 2018-03-16 南京邮电大学 一种基于差分的投影仪“街角成像”方法
CN108037512A (zh) * 2017-11-24 2018-05-15 上海机电工程研究所 激光半主动关联成像跟踪探测系统及方法
CN108107441A (zh) * 2018-02-01 2018-06-01 北京理工大学 一种可实现测距与鬼成像的一体化装置及方法
CN108564090A (zh) * 2018-03-30 2018-09-21 中国科学院合肥物质科学研究院 一种基于信号加权的快速傅里叶单像素成像方法
CN109151191A (zh) * 2018-08-10 2019-01-04 吉林工程技术师范学院 基于关联成像算法实现便携式单像素相机的成像方法
CN110244471A (zh) * 2019-06-18 2019-09-17 华东交通大学 基于柯勒照明的计算鬼成像系统及方法
WO2020019204A1 (zh) * 2018-07-25 2020-01-30 合刃科技(深圳)有限公司 一种隐身物体探测系统和方法
CN111929251A (zh) * 2020-08-11 2020-11-13 湖南大学 一种基于关联成像的微小目标检测装置及方法
CN112165570A (zh) * 2020-08-29 2021-01-01 南京理工大学 一种基于计算鬼成像的多深度目标对焦方法
CN113472970A (zh) * 2021-05-10 2021-10-01 西安电子科技大学 抗泊松噪声的量子成像方法及量子成像系统
CN115128633A (zh) * 2022-07-01 2022-09-30 合肥工业大学 一种基于傅里叶光场的偏振鬼成像方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101576731A (zh) * 2009-06-09 2009-11-11 暨南大学 一种高质量的弱相干光数字全息位相再现图的获取方法
WO2010058667A1 (ja) * 2008-11-21 2010-05-27 三洋電機株式会社 物体検出装置および情報取得装置
CN103363924A (zh) * 2013-07-15 2013-10-23 中国科学院空间科学与应用研究中心 一种压缩的三维计算鬼成像系统及方法
CN104021522A (zh) * 2014-04-28 2014-09-03 中国科学院上海光学精密机械研究所 基于强度关联成像的目标图像分离装置及分离方法
CN106097269A (zh) * 2016-06-11 2016-11-09 华南理工大学 基于计算鬼成像的高分辨率微视觉系统及获取图像的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010058667A1 (ja) * 2008-11-21 2010-05-27 三洋電機株式会社 物体検出装置および情報取得装置
CN101576731A (zh) * 2009-06-09 2009-11-11 暨南大学 一种高质量的弱相干光数字全息位相再现图的获取方法
CN103363924A (zh) * 2013-07-15 2013-10-23 中国科学院空间科学与应用研究中心 一种压缩的三维计算鬼成像系统及方法
CN104021522A (zh) * 2014-04-28 2014-09-03 中国科学院上海光学精密机械研究所 基于强度关联成像的目标图像分离装置及分离方法
CN106097269A (zh) * 2016-06-11 2016-11-09 华南理工大学 基于计算鬼成像的高分辨率微视觉系统及获取图像的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
TIANYI MAO ET AL.: "Speckle-Shifting Ghost Imaging", 《IEEE PHOTONICS JOURNAL》 *
周成 等: "基于混合散斑图的压缩计算鬼成像方法研究", 《光学学报》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107807444A (zh) * 2017-09-06 2018-03-16 南京邮电大学 一种基于差分的投影仪“街角成像”方法
CN107707311B (zh) * 2017-09-20 2019-12-24 上海理工大学 基于压缩感知时间关联成像的对象认证方法
CN107707311A (zh) * 2017-09-20 2018-02-16 上海理工大学 基于压缩感知时间关联成像的对象认证方法
CN108037512A (zh) * 2017-11-24 2018-05-15 上海机电工程研究所 激光半主动关联成像跟踪探测系统及方法
CN108107441A (zh) * 2018-02-01 2018-06-01 北京理工大学 一种可实现测距与鬼成像的一体化装置及方法
CN108107441B (zh) * 2018-02-01 2021-06-08 北京理工大学 一种可实现测距与鬼成像的一体化装置及方法
CN108564090A (zh) * 2018-03-30 2018-09-21 中国科学院合肥物质科学研究院 一种基于信号加权的快速傅里叶单像素成像方法
CN108564090B (zh) * 2018-03-30 2021-07-09 中国科学院合肥物质科学研究院 一种基于信号加权的快速傅里叶单像素成像方法
WO2020019204A1 (zh) * 2018-07-25 2020-01-30 合刃科技(深圳)有限公司 一种隐身物体探测系统和方法
CN109151191B (zh) * 2018-08-10 2020-06-19 吉林工程技术师范学院 基于关联成像算法实现便携式单像素相机的成像方法
CN109151191A (zh) * 2018-08-10 2019-01-04 吉林工程技术师范学院 基于关联成像算法实现便携式单像素相机的成像方法
CN110244471A (zh) * 2019-06-18 2019-09-17 华东交通大学 基于柯勒照明的计算鬼成像系统及方法
CN110244471B (zh) * 2019-06-18 2021-07-16 华东交通大学 基于柯勒照明的计算鬼成像系统及方法
CN111929251A (zh) * 2020-08-11 2020-11-13 湖南大学 一种基于关联成像的微小目标检测装置及方法
CN112165570A (zh) * 2020-08-29 2021-01-01 南京理工大学 一种基于计算鬼成像的多深度目标对焦方法
CN113472970A (zh) * 2021-05-10 2021-10-01 西安电子科技大学 抗泊松噪声的量子成像方法及量子成像系统
CN115128633A (zh) * 2022-07-01 2022-09-30 合肥工业大学 一种基于傅里叶光场的偏振鬼成像方法
CN115128633B (zh) * 2022-07-01 2024-04-05 合肥工业大学 一种基于傅里叶光场的偏振鬼成像方法

Also Published As

Publication number Publication date
CN106772310B (zh) 2019-05-07

Similar Documents

Publication Publication Date Title
CN106772310B (zh) 一种基于计算鬼成像的目标鉴定装置及其方法
CN103323396B (zh) 一种基于符合测量的二维压缩鬼成像系统及方法
CN104154878B (zh) 一种使用单像素探测器的光学成像方法
CN107219638B (zh) 基于低通滤波的超分辨率关联成像系统及成像方法
US20120330162A1 (en) Modulated aperture imaging for automatic moving target detection
CN106885622B (zh) 一种大视场多点三维振动测量方法
US9444978B2 (en) Turbulence-free camera system and related method of image enhancement
CN105116542B (zh) 一种双视场计算关联成像系统及方法
CN106803892A (zh) 一种基于光场测量的光场高清晰成像方法
CN104992424B (zh) 一种基于离散余弦变换的单像素快速主动成像系统
CN104793343A (zh) 三通道单渥拉斯顿棱镜偏振成像装置及偏振信息探测方法
CN103913229B (zh) 编码模板多目标主动成像光谱系统及方法
CN103954357B (zh) 压缩光谱成像系统测量矩阵的获取方法
CN1702452B (zh) 数字微镜多目标成像光谱仪装置
US20240094086A1 (en) System and method for detecting centroid of complementary single pixel
CN103868680B (zh) 基于斑点干涉成像的地基望远镜离焦像差探测方法
CN109151419A (zh) 一种基于拉东变换的单像素成像方法
CN115278247A (zh) 一种偏振光谱视频压缩采集系统
CN102968801A (zh) 一种光电混合联合变换相关的运动目标跟踪方法
CN109269777B (zh) 同时获取光响应图像和反射率图像的方法、装置、系统及存储介质
CN106066480A (zh) 一种基于多维特征的运动目标跟踪装置及方法
CN111854956A (zh) 一种基于微透镜阵列的多光谱成像系统及图像重建方法
CN107014487B (zh) 一种动态场景下的压缩感知测量方法及其系统
Ye et al. Depth resolution improvement of streak tube imaging lidar using optimal signal width
CN114485942B (zh) 一种高光谱配准方法及其成像系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant