CN107807444A - 一种基于差分的投影仪“街角成像”方法 - Google Patents
一种基于差分的投影仪“街角成像”方法 Download PDFInfo
- Publication number
- CN107807444A CN107807444A CN201710795697.XA CN201710795697A CN107807444A CN 107807444 A CN107807444 A CN 107807444A CN 201710795697 A CN201710795697 A CN 201710795697A CN 107807444 A CN107807444 A CN 107807444A
- Authority
- CN
- China
- Prior art keywords
- difference
- imaging
- light
- street corner
- msub
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
- G02B27/0012—Optical design, e.g. procedures, algorithms, optimisation routines
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于差分的投影仪“街角成像”方法,该方法将投影仪所产生的随机散斑照射到物体,然后通过“街角”墙面的漫反射,在“街角”的另一侧使用一个无空间分辨能力的桶探测器收集探测墙面的漫反射的光,在桶探测器后将物体的差分信息作为被成像对象,用差分值代替光强值,去除光场的平均强度涨落,通过二阶关联,获得在“街角”无法直接成像的物体的像。同时,考虑到噪声对成像结果的影响,当物体的自身分辨率较小时,由于存在背景光的干扰,GI的SNR较小,因此,引入差分算法,降低了噪声影响,有效提升成像质量。本发明具有结构简单、实现便捷的优点,适合于街角监控成像的需要,有很大的应用前景。
Description
技术领域
本发明涉及一种基于差分的投影仪“街角成像”方法,属于关联成像技术领域。
背景技术
关联成像(Correlated Imaging),又称“鬼”成像(Ghost Imaging,GI),是近些年来量子光学领域的前沿和热点之一。与传统成像不同的是,在没有直接照射物体的参考光路中,关联成像系统能够获得高质量的成像,因而称为“鬼”成像。随着研究的深入,研究人员又提出了热光鬼成像和计算鬼成像,鬼成像的成像质量越来越高,对设备的要求越来越低,使鬼成像在各个领域的应用得以实现。
1995年,Pittman等人根据Klyshko的理论在实验上实现了纠缠关联成像。2002年,Bennink等人在实验上利用经典热光源实现了鬼成像,证明了利用热光同样可以实现鬼成像,在鬼成像领域引起了不小的轰动。由于热光鬼成像实现简单,对实验设备要求较低,近年来越来越多的研究人员的重视,提出了各种热光鬼成像方案。2008年,Shapiro等人从理论上证明了计算鬼成像(Computational Ghost Imaging,CGI)的可行性,2009年Bromberg等人实现了计算鬼成像。同年,Katz等人首次将压缩感知(Compressive sensing,CS)理论和热光鬼成像相结合从而提出了压缩鬼成像方案(Compressive Ghost Imaging),将数据的采集与压缩相结合,使得重构图像所需的测量次数远远小于Nyquist采样次数,发现利用压缩感知的重构算法可以大大加快图像重构速度,这种新方案极大程度改善了热光鬼成像测量次数过多的缺点。
然而上述的成像方法需要物体与探测器在同一光路,没有考虑到无法直接成像物体的情况,且当物体自身分辨率较小时,由于存在背景光的干扰,较大的图像噪声功率使得GI的信噪比(Signal-to-Noise Ratio,SNR)较小,恢复出的图像质量较差。
发明内容
本发明所要解决的技术问题是:提供一种基于差分的投影仪“街角成像”方法,利用“街角”墙面的漫反射,获得无法直接成像物体的像,同时降低噪声影响,提高成像质量。
本发明为解决上述技术问题采用以下技术方案:
一种基于差分的投影仪“街角成像”方法,包括如下步骤:
步骤1,光源经过数字微镜晶片调制后产生一组随机光散斑,将光散斑照射到透射性物体表面;
步骤2,透过步骤1所述物体的光散斑打到散射墙面上,经过散射墙面的漫反射,产生漫反射光;利用无空间分辨能力的桶探测器收集探测漫反射光,并计算桶探测器探测到的光强值;
步骤3,将透射性物体的差分信息作为被成像对象,对桶探测器探测到的光强值进行差分计算,得到桶探测器的差分值;
步骤4,根据桶探测器的差分值进行二阶关联运算,获得在“街角”无法直接成像的物体的像。
作为本发明的一种优选方案,步骤2所述桶探测器探测到的光强值计算公式如下:
S1=∫I1(x1)T(x1)d2x1
其中,S1为桶探测器探测到的光强值,x1为入射方向散斑位置的横坐标,I1(x1)为入射方向散斑光场强度分布,T(x1)为入射方向物体信息。
作为本发明的一种优选方案,步骤3所述桶探测器的差分值计算公式如下:
其中,S_为桶探测器的差分值,S1为桶探测器探测到的光强值,S2为反射方向的光强值,<·>表示求均值。
作为本发明的一种优选方案,所述反射方向的光强值S2计算公式如下:
S2=∫I2(x2)T(x2)d2x2
其中,x2为反射方向散斑位置的横坐标,I2(x2)为反射方向散斑光场强度分布,T(x2)为反射方向物体信息。
作为本发明的一种优选方案,步骤4所述二阶关联运算的计算公式如下:
G(x,y)=〈S_I(x,y)〉-〈S_><I(x,y)〉
其中,G(x,y)为二阶关联运算的结果,S_为桶探测器的差分值,I(x,y)为光场强度分布,〈·〉表示求均值。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、本发明方法能够考虑到物体与探测器不在同一光路的情况,恢复出无法直接成像物体的像。
2、本发明方法能够从噪声对成像结果的影响方面进行考虑,使用物体的差分信息作为成像对象,用差分值代替桶探测器的原始测量值,降低噪声对成像质量的影响,有效地提高了成像信噪比。
附图说明
图1是本发明基于差分的投影仪“街角成像”方法的实现示意图。
图2是本发明差分模型的示意图。
图3是本发明具体实施例图。
图4是“NUPT”和“T”在本发明方法下实验结果图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本发明考虑利用“街角”墙面的漫反射,获得无法直接成像物体的像,同时将物体的差分信息作为被成像对象,用差分值代替光强值,降低噪声的影响,获得高质量的成像,获得了一种基于差分的投影仪“街角成像”方法。该方法利用“街角”墙面的漫反射,在“街角”的另一侧使用一个无空间分辨能力的桶探测器收集探测墙面的漫反射的光,在桶探测器后将物体的差分信息作为被成像对象,用差分值代替光强值,去除光场的平均强度涨落,获得物体的成像。
图1给出了基于差分的投影仪“街角成像”方法示意图。首先将电脑(Computer)产生一组随机散斑,使用投影仪(DLP)将这组随机散斑照射到物体“NUPT”上,透过物体(Object)的光经过墙面(Scattering wall)的漫反射被一个没有空间分辨率的桶探测器(Bucket detector)所接收。对桶探测器的光强值进行差分运算,得到原始数据的差分值,再进行关联运算恢复出图像。
图2是差分模型的示意图,利用差分算法对图1中桶探测器接收的光强进行相应处理。图中S1为桶探测器的值,I2(x2)为光场强度分布,物体的投射函数为T(x),具体步骤如下:
步骤1:得到桶探测值S1:
S1=∫I1(x1)T(x1)d2x1 (1)
步骤2:对光场强度分布I2(x2)求和得到S2:
S2=∫I2(x2)T(x2)d2x2 (2)
步骤3:定义物体的差分信息:
步骤4:使用物体的差分信息作为被成像物体,得到桶探测器的差分值S_:
S_=∫I1(x1)δT(x1)d2x1 (5)
步骤5:根据下式计算鬼成像的信噪比SNR:
<O(x2)〉=〈δS1δI2(x2)〉 (7)
其中,表示求T的均值,
δS1=S1-<S1> (9)
δI2(x2)=I2(x2)-<I2(x2)> (10)
根据SNR公式:
将物体的差分信息代替成为待成像物体:
将两组信噪比SNR进行对比:
其中,
可以看出,式(14)总是大于1的,由此我们可以得出,当物体自身分辨率较低时,由于存在背景光的干扰,图像的信噪比SNR较小,成像的质量也比较差,此时我们使用物体的差分信息代替作为待成像物体,当物体的差分值越小时,图像的信噪比越大,恢复出的图像也更加清晰。
图3为投影仪“街角成像”实验装置图,DMD产生一组随机散斑,将这组散斑照射带物体,透过物体的光被墙面反射,反射后的光被一个没有空间分辨率的桶探测器所接收。物体大小为32×32。
图4为基于差分的投影仪“街角成像”方法的实验结果图(N=1024)。本发明对“NUPT”和“T”两组图像进行了验证。左侧的图为不使用差分算法的实验结果图,从图中可以清楚的看到,当不使用差分算法时,由于物体自身分辨率较低,容易受背景光的干扰,恢复的图像受噪声影响较大,图像的SNR较低,质量比较差;右侧的图为使用差分算法后的实验结果图,从图中可以看出,采用差分算法后,大大地削弱了背景噪声对成像的影响,图像的信噪比也得到了提高,恢复出的图像也较为清晰。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (5)
1.一种基于差分的投影仪“街角成像”方法,其特征在于,包括如下步骤:
步骤1,光源经过数字微镜晶片调制后产生一组随机光散斑,将光散斑照射到透射性物体表面;
步骤2,透过步骤1所述物体的光散斑打到散射墙面上,经过散射墙面的漫反射,产生漫反射光;利用无空间分辨能力的桶探测器收集探测漫反射光,并计算桶探测器探测到的光强值;
步骤3,将透射性物体的差分信息作为被成像对象,对桶探测器探测到的光强值进行差分计算,得到桶探测器的差分值;
步骤4,根据桶探测器的差分值进行二阶关联运算,获得在“街角”无法直接成像的物体的像。
2.根据权利要求1所述基于差分的投影仪“街角成像”方法,其特征在于,步骤2所述桶探测器探测到的光强值计算公式如下:
S1=∫I1(x1)T(x1)d2x1
其中,S1为桶探测器探测到的光强值,x1为入射方向散斑位置的横坐标,I1(x1)为入射方向散斑光场强度分布,T(x1)为入射方向物体信息。
3.根据权利要求1所述基于差分的投影仪“街角成像”方法,其特征在于,步骤3所述桶探测器的差分值计算公式如下:
<mrow>
<msub>
<mi>S</mi>
<mo>-</mo>
</msub>
<mo>=</mo>
<msub>
<mi>S</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>S</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo><</mo>
<msub>
<mi>S</mi>
<mn>2</mn>
</msub>
<mo>></mo>
</mrow>
</mfrac>
<msub>
<mi>S</mi>
<mn>2</mn>
</msub>
</mrow>
其中,S-为桶探测器的差分值,S1为桶探测器探测到的光强值,S2为反射方向的光强值,〈·〉表示求均值。
4.根据权利要求3所述基于差分的投影仪“街角成像”方法,其特征在于,所述反射方向的光强值S2计算公式如下:
S2=∫I2(x2)T(x2)d2x2
其中,x2为反射方向散斑位置的横坐标,I2(x2)为反射方向散斑光场强度分布,T(x2)为反射方向物体信息。
5.根据权利要求1所述基于差分的投影仪“街角成像”方法,其特征在于,步骤4所述二阶关联运算的计算公式如下:
G(x,y)=〈S-I(x,y)〉-〈S-><I(x,y)>
其中,G(x,y)为二阶关联运算的结果,S-为桶探测器的差分值,I(x,y)为光场强度分布,<·>表示求均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710795697.XA CN107807444A (zh) | 2017-09-06 | 2017-09-06 | 一种基于差分的投影仪“街角成像”方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710795697.XA CN107807444A (zh) | 2017-09-06 | 2017-09-06 | 一种基于差分的投影仪“街角成像”方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107807444A true CN107807444A (zh) | 2018-03-16 |
Family
ID=61576494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710795697.XA Pending CN107807444A (zh) | 2017-09-06 | 2017-09-06 | 一种基于差分的投影仪“街角成像”方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107807444A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163274A (zh) * | 2019-05-15 | 2019-08-23 | 南京邮电大学 | 一种基于鬼成像和线性判别分析的物体分类方法 |
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 |
CN113009689A (zh) * | 2021-03-04 | 2021-06-22 | 清华大学 | 量子成像方法以及量子成像系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103558606A (zh) * | 2013-10-29 | 2014-02-05 | 南京邮电大学 | 一种基于压缩感知的条件部分测量关联成像方法 |
CN104345318A (zh) * | 2014-11-18 | 2015-02-11 | 上海交通大学 | 基于计算关联成像的可绕过墙角的成像系统及成像方法 |
JP2016214665A (ja) * | 2015-05-22 | 2016-12-22 | 国立研究開発法人情報通信研究機構 | 磁気共鳴イメージングシステム、およびイメージング方法 |
CN106772310A (zh) * | 2016-12-30 | 2017-05-31 | 南京理工大学 | 一种基于计算鬼成像的目标鉴定装置及其方法 |
CN107133617A (zh) * | 2017-04-21 | 2017-09-05 | 上海交通大学 | 一种基于计算关联成像的无成像目标认证系统及认证方法 |
-
2017
- 2017-09-06 CN CN201710795697.XA patent/CN107807444A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103558606A (zh) * | 2013-10-29 | 2014-02-05 | 南京邮电大学 | 一种基于压缩感知的条件部分测量关联成像方法 |
CN104345318A (zh) * | 2014-11-18 | 2015-02-11 | 上海交通大学 | 基于计算关联成像的可绕过墙角的成像系统及成像方法 |
JP2016214665A (ja) * | 2015-05-22 | 2016-12-22 | 国立研究開発法人情報通信研究機構 | 磁気共鳴イメージングシステム、およびイメージング方法 |
CN106772310A (zh) * | 2016-12-30 | 2017-05-31 | 南京理工大学 | 一种基于计算鬼成像的目标鉴定装置及其方法 |
CN107133617A (zh) * | 2017-04-21 | 2017-09-05 | 上海交通大学 | 一种基于计算关联成像的无成像目标认证系统及认证方法 |
Non-Patent Citations (1)
Title |
---|
仲亚军等: "针对多散斑图的差分压缩鬼成像方案研究", 《物理学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163274A (zh) * | 2019-05-15 | 2019-08-23 | 南京邮电大学 | 一种基于鬼成像和线性判别分析的物体分类方法 |
CN110163274B (zh) * | 2019-05-15 | 2022-08-30 | 南京邮电大学 | 一种基于鬼成像和线性判别分析的物体分类方法 |
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 |
CN113009689A (zh) * | 2021-03-04 | 2021-06-22 | 清华大学 | 量子成像方法以及量子成像系统 |
CN113009689B (zh) * | 2021-03-04 | 2021-12-21 | 清华大学 | 量子成像方法以及量子成像系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016015516A1 (zh) | 一种使用单像素探测器的光学成像方法 | |
Li et al. | A double-threshold technique for fast time-correspondence imaging | |
CN103888689B (zh) | 图像采集方法及图像采集装置 | |
CN108957514B (zh) | 一种核辐射探测方法 | |
Meyers et al. | Positive-negative turbulence-free ghost imaging | |
US20170013213A1 (en) | Turbulence-free camera system and related method of image enhancement | |
CN107807444A (zh) | 一种基于差分的投影仪“街角成像”方法 | |
US7812303B2 (en) | Method and system for creating an image using quantum properties of light based upon spatial information from a second light beam which does not illuminate the subject | |
CN104992424B (zh) | 一种基于离散余弦变换的单像素快速主动成像系统 | |
CN107220931A (zh) | 一种基于灰度级映射的高动态范围图像重建方法 | |
Liu et al. | Computational ghost imaging of hot objects in long-wave infrared range | |
Mao et al. | Speckle-shifting ghost imaging | |
CN110930317A (zh) | 一种基于卷积神经网络的鬼成像方法 | |
CN109242808B (zh) | 一种基于分数阶傅里叶变换的关联成像方法 | |
Yang et al. | Single-photon quantum imaging via single-photon illumination | |
US10885674B1 (en) | Training network for compressive sensing based image processing | |
US11812163B2 (en) | Imaging device having a modulator that includes at least a first grating pattern and a second grating patern having a phase deviating from a phase of the first grating pattern | |
Wang et al. | Compressed ghost imaging based on differential speckle patterns | |
CN107659985A (zh) | 降低移动终端功耗的方法、装置、存储介质和移动终端 | |
Vandenbroucke et al. | Measurement of cosmic-ray muons with the Distributed Electronic Cosmic-ray Observatory, a network of smartphones | |
CN109377516A (zh) | 一种使用动态视觉数据的光流计算方法 | |
Willert | Event-based imaging velocimetry using pulsed illumination | |
US10798364B2 (en) | 3D image reconstruction based on lensless compressive image acquisition | |
WO2023221450A1 (zh) | 一种三维信息测量装置、测量方法和电子设备 | |
CN107421439A (zh) | 一种无成像目标显著性检测与坐标跟踪系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180316 |