CN109100027B - 一种基于动态散斑场的计算关联成像去噪方法及系统 - Google Patents

Abstract

本发明公开一种基于动态散斑场的计算关联成像去噪方法及系统。将固定光强调制信号与数字微镜调制器原光强调制信号序列中的一帧进行置换，然后按照置换后的光强调制信号序列将激光器出射的相干光调制成非相干光，并利用调制后的非相干光照射物体的方式线性估计出噪声的变化从而进一步恢复出真实的物体反射光光强的信号，最后通过将反射光光强的信号与非相干光的光强调制光强信号进行计算关联来重构出被测物体的图像。采用本发明的方法或者系统能够抵抗关联成像中动态干扰的影响。

Description

一种基于动态散斑场的计算关联成像去噪方法及系统

技术领域

本发明涉及图像处理领域，特别是涉及一种基于动态散斑场的计算关联成像去噪方法及系统。

背景技术

在传统光学成像中，一般利用单个具有分辨能力的二维探测器对光强信号直接进行记录，像与物上的点是一一对应的。与传统光学成像不同，计算关联成像是通过辐射场分布的强度、相位和空间涨落关联来得到物体的像。利用量子力学性质，在量子成像机理上突破了衍射极限的限制，可以在极弱的光强、复杂的环境中实现波谱段极窄条件下的成像，而且其突破了传统成像受云、雾和烟尘的影响较大的限制，特别适合在极弱的背景和恶劣条件下成像，计算关联这种新型的成像方法是在国防军事和生物医学等领域具有很大应用前景。

计算关联成像是通过一个一维单光子探测器测得的信号和虚拟参考臂中的光强调制信号进行关联重构出图像。计算关联成像在实际使用过程中存在不足：因为关联成像所用的单光子探测器灵敏度极高，单光子探测信号包含光源的波动以及环境杂散光的扰动等，致使测量受到干扰的影响较大。而且，这类干扰在计算关联成像中还会污染照射在物体表面的调制信号。最终导致利用光场的涨落信息来重构出物体的图像的信噪比极低。传统去噪方法采用具有差分结构的量子关联方法，用于消除系统中的共模噪声。这种方法的其缺点不仅需要两个单光子探测器，极大地增加了硬件成本，而且只能去除共模噪声，不能去除大气环境中动态干扰等噪声。

发明内容

本发明的目的是提供一种基于动态散斑场的计算关联成像去噪方法及系统，将反射光光强的信号与非相干光的光强调制光强信号进行计算关联来重构出被测物体的图像，能够实现图像重构过程中实时的抵抗关联成像中动态干扰的影响。

为实现上述目的，本发明提供了如下方案：

一种基于动态散斑场的计算关联成像去噪方法，所述方法包括：

获取被测物体图像等级；

根据被测物体图像等级设定图像分辨率和信噪比；

根据所述图像分辨率和信噪比，得到光强调制信号序列，所述光强调制信号序列包含多个光强调制信号矩阵，每几个所述光强调制信号矩阵为一个周期，所述每个光强调制信号矩阵为一帧光强信号；

根据所述信噪比确定第kN帧光强信号，所述第kN帧光强信号为所述光强调制信号序列中每个周期同一位置处的光强信号；

获取设定动态散斑场的光强信号；

将所述设定动态散斑场的光强信号与所述光强调制信号序列中的第kN帧进行置换，得到带有设定动态散斑的总光强调制信号序列；

根据所述总光强调制信号序列，得到反射光光强信号，所述反射光光强信号包含有环境噪声；

根据所述反射光光强信号和所述总光强调制信号序列，采用分段线性化法计算关联成像中的环境噪声系数估值；

根据所述环境噪声系数估值，得到真实反射光光强信号；

根据所述真实反射光光强信号和所述总光强调制信号序列进行关联计算，重构被测物体的图像。

可选的，所述根据所述总光强调制信号序列，得到反射光光强信号，具体包括：

根据所述总光强调制信号序列，将相干光调制成非相干光；

将所述非相干光照射在被测物体上，得到反射光；

测量所述反射光的光强信号。

可选的，所述光强调制信号序列I_q通过下列公式表示：

I_q＝[I₁，I₂，I₃，...，I_N；I_N+1，I_N+2，...，I_2N；I_2N+1，I_2N+2，...，I_nN-₁，I_nN]

其中，I_q为光强调制信号序列，I₁，I₂…I_nN-1，I_nN为光强调制信号中的多帧光强信号，N为正整数的周期，n为周期的个数。

可选的，所述总光强调制信号序列通过下列公式表示：

I_p＝[I₁，I₂，I₃，...，I_r；I_N+1，I_N+2，...，I_r；I_2N+1，I_2N+2，...，I_nN-1，I_r]

其中，I_p为总光强调制信号序列，I_r为设定动态散斑场的光强信号。

可选的，所述根据所述环境噪声系数估值，得到真实反射光光强信号，具体包括：

采用

计算真实反射光光强信号

其中，

为真实反射光光强信号，表示第i次测量的物体反射光的真实光强信号；B_i为反射光光强信号，第i次测量的含有环境噪声的测量值；

为第i次测量的环境噪声估值。

可选的，所述根据所述真实反射光光强信号和所述总光强调制信号序列进行关联计算，重构被测物体的图像，具体包括：

根据真实反射光光强的信号B_true与总光强调制信号I_p进行关联运算，重构出物体的图像G_DCGI(x，y)：

其中，

表示对B_true的系综平均；k＝1，2，...n；

表示对I_p的系综平均；

表示对

的系综平均。

为实现上述目的，本发明提供了如下方案：

一种基于动态散斑场的计算关联成像去噪系统，所述系统包括：

图像等级获取模块，用于获取被测物体图像等级；

分辨率、信噪比获取模块，用于根据被测物体图像等级设定图像分辨率和信噪比；

光强调制信号序列获取模块，用于根据所述图像分辨率、信噪比，得到光强调制信号序列，所述光强调制信号序列包含多个光强调制信号矩阵，每几个所述光强调制信号矩阵为一个周期，所述每个光强调制信号矩阵为一帧光强信号；

第kN帧光强信号确定模块，用于根据所述信噪比确定第kN帧光强信号，所述第kN帧光强信号为所述光强调制信号序列中每个周期同一位置处的光强信号；

光强信号获取模块，用于获取设定动态散斑场的光强信号；

总光强调制信号序列确定模块，用于将所述设定动态散斑场的光强信号与所述光强调制信号序列中的第kN帧进行置换，得到带有设定动态散斑的总光强调制信号序列；

反射光光强信号获取模块，用于根据所述总光强调制信号序列，得到反射光光强信号，所述反射光光强信号包含有环境噪声；

环境噪声系数估值计算模块，用于根据所述反射光光强信号和所述总光强调制信号序列，采用分段线性化法计算关联成像中的环境噪声系数估值；

真实反射光光强信号获取模块，用于根据所述环境噪声系数估值，得到真实反射光光强信号；

图像重构模块，用于根据所述真实反射光光强信号和所述总光强调制信号序列进行关联计算，重构被测物体的图像。

可选的，所述反射光光强信号获取模块，具体包括：

非相干光获取单元，用于根据所述总光强调制信号序列，将相干光调制成非相干光；

反射光获取单元，用于将所述非相干光照射在被测物体上，得到反射光；

测量单元，用于测量所述反射光的光强信号。

可选的，所述真实反射光光强信号获取模块，具体包括：

计算子单元，用于采用

计算真实反射光光强信号；

其中，

为真实反射光光强信号，表示第i次测量的物体反射光的真实光强信号；B_i为反射光光强信号，第i次测量的含有环境噪声的测量值；

为第i次测量的环境噪声估值。

可选的，所述图像重构模块，具体包括：

重构子单元，用于根据真实反射光光强的信号B_true与总光强调制信号I_p进行关联运算，重构出物体的图像G_DCGI(x，y)：

其中，

表示对B_true的系综平均；k＝1，2，...n；

表示对I_p的系综平均；

表示对

的系综平均。

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种基于动态散斑场的计算关联成像去噪方法，将固定光强调制信号与数字微镜调制器原光强调制信号序列中的一帧进行置换，然后按照置换后的光强调制信号序列将激光器出射的相干光调制成非相干光，并利用调制后的非相干光照射物体的方式线性估计出噪声的变化从而进一步恢复出真实的物体反射光光强的信号，最后通过将反射光光强的信号与非相干光的光强调制光强信号进行计算关联来重构出被测物体的图像，以此抵抗关联成像中动态干扰的影响。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例基于动态散斑场的计算关联成像去噪方法流程图；

图2为本发明实施例计算关联成像装置图；

图3为将固定光强调制信号与数字微镜调制器原光强调制信号序列中的一帧进行置换后产生新的光强调制信号示意图。

图4为本发明实施例基于动态散斑场的计算关联成像去噪系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例基于动态散斑场的计算关联成像去噪方法流程图。如图1所示，一种基于动态散斑场的计算关联成像去噪方法，所述方法包括：

步骤101：获取被测物体图像等级；

步骤102：根据被测物体图像等级设定图像分辨率和信噪比；

步骤103：根据所述图像分辨率、信噪比，得到光强调制信号序列，所述光强调制信号序列包含多个光强调制信号矩阵，每几个所述光强调制信号矩阵为一个周期，所述每个光强调制信号矩阵为一帧光强信号，所述光强调制信号序列I_q通过下列公式表示：

I_q＝[I₁，I₂，I₃，...，I_N；I_N+1，I_N+2，...，I_2N；I_2N+1，I_2N+2，...，I_nN-1，I_nN]

其中，I_q为光强调制信号序列，I₁，I₂…I_nN-1，I_nN为光强调制信号中的多帧光强信号。

步骤104：根据所述信噪比确定第kN帧光强信号；

步骤105：获取设定动态散斑场的光强信号；

步骤106：将所述设定动态散斑场的光强信号与所述光强调制信号序列中的第kN帧进行置换，得到带有设定动态散斑的总光强调制信号序列；

在该序列的基础上再将特定动态散斑场的光强信号I_r与原光强调制信号序列中的第kN(k＝1，2，...n)帧进行置换，构成带有特定动态散斑的总光强调制信号序列I_p

I_p＝[I₁，I₂，I₃，...，Ir；I_N+1，I_N+2，...，I_r；I₂N₊₁，I_2N+2，...，I_nN-1，I_r]

并将总光强调制信号序列I_p存储到数字微镜调制器(Digital MicromirrorDevice，DMD)的存储器中，其中N为正整数的周期，n为周期的个数。

I_r设计为Hadamard矩阵，并根据重构图像的纹理特征计算I_r共生矩阵因子G，

M×M为图像分辨率。

步骤107：根据所述总光强调制信号序列，得到反射光光强信号，所述反射光光强信号包含有环境噪声，数字微镜调制器利用其存储器中的总光强调制信号序列I_p，将激光器发射出的经扩束透镜扩束的相干光调制成非相干光，并同步照射处于环境噪声中的被测物体上得到反射光，并利用单光子探测器进行测量，获得含有环境噪声的反射光光强的信号B，即为所求的反射光光强信号。

B＝[B₁，B₂，B₃，...，B_r；B_N+1，B_N+2，...，B_r；B_2N+1，B_2N+2，...，B_nN-1，B_r]

在关联成像受到空间环境噪声的影响，含有环境噪声的测量值B按照加性和乘性噪声的数学表示为

其中，B_true为物体反射光的真实光强信号；μ为环境噪声干扰系数；

为环境噪声系数的估值。

第i次测量的含有环境噪声的测量值B_i按照加性和乘性噪声的数学表示为

其中，

为第i次测量的物体反射光的真实光强信号；μ_i为第i次测量的环境噪声干扰系数；

为第i次测量的环境噪声系数的估值。

步骤108：根据所述反射光光强信号和所述总光强调制信号序列，采用分段线性化法计算每个周期内的关联成像中的环境噪声系数估值；

步骤109：根据所述环境噪声系数估值，得到真实反射光光强信号；

采用

计算真实反射光光强信号

其中，

为真实反射光光强信号，表示第i次测量的物体反射光的真实光强信号；Bi为反射光光强信号，第i次测量的含有环境噪声的测量值；

为第i次测量的环境噪声估值。

步骤110：根据所述真实反射光光强信号和所述总光强调制信号序列进行关联计算，重构被测物体的图像；

根据真实反射光光强的信号B_true与总光强调制信号I_p进行关联运算，重构出物体的图像G_DCGI(x，y)：

其中，

表示对B_true的系综平均；k＝1，2，…n；

表示对I_p的系综平均；

表示对

的系综平均。

本发明与现有技术相比，具有下列优点：

(1)本发明是一种基于特定动态散斑场的计算关联成像去噪方法，利用固定光强调制信号与数字微镜调制器原光强调制信号序列中的一帧进行置换，并通过非相干光照射的方式线性估计出噪声的变化，将反射光光强的信号与非相干光的光强调制光强信号进行计算关联来重构出被测物体的图像，以此抵抗关联成像中动态干扰的影响。

(2)在图像重构过程中实时的抵抗关联成像中动态干扰的影响，在整个去噪过程中不需要额外加入任何硬件。

具体实施例1：

本发明的目的是提供一种基于特定的动态散斑场的计算关联成像去噪方法。以中国汉字“北”的成像为例，图像的分辨率为40×40，对其进行基于特定的动态散斑场的计算关联成像去噪处理，其流程如图1所示。图2为本发明实施例计算关联成像装置图，如图2所示，该成像装置包括激光器、扩束透镜、数字微镜调制器、单光子探测器以及电子学系统。首先激光器发射出来的相干光经扩束透镜扩束后，数字微镜调制器利用本方法所设计的带有动态散斑特性的总光强调制信号，将相干光调制成非相干光后照射到物体上，照射到物体上的光被单光子探测器探测，将探测到的物体光强信号B，采用本发明所述方法进行估计物体光强信号B_true，最后将估计的光强信号B_true与带有特定动态散斑的总光强调制信号I_p进行计算关联重构，获得高信噪比的物体图像G_DCGI(x，y)。具体过程如下：

根据重构图像等级获取图像分辨率和信噪比，设计光强调制信号序列I_q。在本实施例中，将分辨率M×M选为40×40的中国汉字“北”图像置于大气环境中，所需要达到的信噪比为7dB，设计光强调制信号序列I_q，其中周期N＝5；周期个数n＝16000，在本实施例I_q中任意一个元素为40×40的随机矩阵。

I_q＝[I_1(40×40)，I_2(40×40)，I_3(40×40)，I_4(40×40)，I_N(40×40)；I_6(40×40)，...I_iN(40×40)，...I_9(40×40)，I_2N(40×40)；...；I_{79996(40×40)}，...，I_{79999(40×40)}，I_nN(40×40)] (1)

在该序列的基础上再将特定动态散斑场的光强信号I_r与原光强调制信号序列中的I_kN(k＝1，2，3...n)帧进行置换，I_r是一个40×40的特定的正交随机矩阵，构成带有特定动态散斑的总光强调制信号序列I_p

I_p＝[I_1(40×40)，I_2(40×40)，I_3(40×40)，I_4(40×40)，I_r(40×40)；I_6(40×40)，...I_r(40×40)...I_9(40×40)，I_r(40×40)；...；I_{79996(40×40)}，...，I_{79999(40×40)}，I_r(40×40)] (2)

并将总光强调制信号序列I_p存储到数字微镜调制器的存储器中。图3为将固定光强调制信号与数字微镜调制器原光强调制信号序列中的一帧进行置换后产生新的光强调制信号示意图。I_r设计为Hadamard矩阵，并根据重构图像的纹理特征计算I_r共生矩阵因子G：

I_r的设计根据被成像的物体特性和成像的信噪比要求进行设计，本实施案例中对中国汉字“北”进行成像。为此动态散斑I_r设计为Hadamard矩阵，并且优化选择Hadamard矩阵的结构纹理灰度共生矩阵为最小。

数字微镜调制器利用其存储器中的总光强调制信号序列I_p，将激光器发射出的经扩束透镜扩束的相干光调制成非相干光，并同步照射处于具有环境噪声中的物体“北”上，利用单光子探测器测量照射物体后的反射光，获得具有环境噪声的反射光光强的信号B。

B＝[B₁，B₂，B₃，B₄，B_r；B₆，...，B₉，B_r；...；B₇₉₉₉₆，...，B₇₉₉₉₉，B_r] (4)

其中B_i对应于调制信号的I_i，共有80000个，部分数据如下：

[13.9569，14.3964，39.4869，12.8284，...39.9895，40.0839，14.7195，27.1826.]

计算其方差为12.4989。

含有环境噪声的测量值B按照加性和乘性噪声的数学表示为

其中，B_true为物体反射光的真实光强信号；μ为环境噪声干扰系数；

为环境噪声系数的估值。

含有环境噪声的测量值B_i按照加性和乘性噪声的数学表示为

其中，

为第i次测量的物体反射光的真实光强信号；μ_i为第i次测量的环境噪声干扰系数；

为第i次测量的环境噪声系数的估值。

利用上述含有环境噪声的反射光光强的信号B和总光强调制序列I_p通过分段线性化法估计计算关联成像中的环境噪声

然后通过估计出的噪声

恢复出真实的物体反射光光强的信号

根据

获得B_true如下(部分)

[43.4248，43.4264，43.4279，43.4295，...43.4311，43.4326，43.4342，43.4358.]

计算其方差为0.7073，可见其方差与含有环境噪声的反射光光强的信号B的方差相比提高了11.7916，这说明部分噪声被有效地补偿了。

通过将反射光光强的信号B_true与总光强调制信号I_p进行计算关联来重构图像G_DCGI(x，y)，

其中，

表示对B_true的系综平均；

表示对I_p的系综平均；

表示对

的系综平均。

计算重构图像的峰值信噪比，峰值信噪比可表示如下：

上式中，G₀(x，y)表示原始物体的图像，它包含40×40个像素，MAX是单个像素点的灰度最大值。随着PSNR值增大，图像质量会越来越好。

在大气环境良好、轻度雾霾、中度雾霾、重度雾霾条件下的本发明方法和计算关联成像方法重构图像的峰值信噪比对比。如表1所示，可以看出，本发明重构图像比计算关联成像重构图像的峰值信噪比最高提升了5-7dB。

表1：本发明与计算关联成像方法在不同大气环境中的峰值信噪比对比

图4为本发明实施例基于动态散斑场的计算关联成像去噪系统结构图。如图4所示，一种基于动态散斑场的计算关联成像去噪系统，所述系统包括：

图像等级获取模块401，用于获取被测物体图像等级；

分辨率、信噪比获取模块402，用于根据被测物体图像等级设定图像分辨率和信噪比；

光强调制信号序列获取模块403，用于根据所述图像分辨率和信噪比，得到光强调制信号序列，所述光强调制信号序列包含多个光强调制信号矩阵，每几个所述光强调制信号矩阵为一个周期，所述每个光强调制信号矩阵为一帧光强信号；

第kN帧光强信号确定模块404，用于根据所述信噪比确定第kN帧光强信号，所述第kN帧光强信号为所述光强调制信号序列中每个周期同一位置处的光强信号；

光强信号获取模块405，用于获取设定动态散斑场的光强信号；

总光强调制信号序列确定模块406，用于将所述设定动态散斑场的光强信号与所述光强调制信号序列中的第kN帧进行置换，得到带有设定动态散斑的总光强调制信号序列；

反射光光强信号获取模块407，用于根据所述总光强调制信号序列，得到反射光光强信号，所述反射光光强信号包含有环境噪声；

环境噪声系数估值计算模块408，用于根据所述反射光光强信号和所述总光强调制信号序列，采用分段线性化法计算关联成像中的环境噪声系数估值；

真实反射光光强信号获取模块409，用于根据所述环境噪声系数估值，得到真实反射光光强信号；

图像重构模块410，用于根据所述真实反射光光强信号和所述总光强调制信号序列进行关联计算，重构被测物体的图像。

所述反射光光强信号获取模块407，具体包括：

非相干光获取单元，用于根据所述总光强调制信号序列，将相干光调制成非相干光；

反射光获取单元，用于将所述非相干光照射在被测物体上，得到反射光；

测量单元，用于测量所述反射光的光强信号。

所述真实反射光光强信号获取模块409，具体包括：

计算子单元，用于采用

计算真实反射光光强信号；

其中，

为真实反射光光强信号，表示第i次测量的物体反射光的真实光强信号；B_i为反射光光强信号，第i次测量的含有环境噪声的测量值；

为第i次测量的环境噪声估值。

所述图像重构模块410，具体包括：

重构子单元，用于根据真实反射光光强的信号B_true与总光强调制信号I_p进行关联运算，重构出物体的图像G_DCGI(x，y)：

其中，

表示对B_true的系综平均；k＝1，2，...n；

表示对I_p的系综平均；

表示对

的系综平均。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于动态散斑场的计算关联成像去噪方法，其特征在于，所述方法包括：

获取被测物体图像等级；

根据被测物体图像等级设定图像分辨率和信噪比；

根据所述图像分辨率和信噪比得到光强调制信号序列；所述光强调制信号序列包含多个光强调制信号矩阵，每几个所述光强调制信号矩阵为一个周期，每个光强调制信号矩阵为一帧光强信号；

根据所述信噪比确定第kN帧光强信号，所述第kN帧光强信号为所述光强调制信号序列中每个周期同一位置处的光强信号；

获取设定动态散斑场的光强信号；

将所述设定动态散斑场的光强信号与所述第kN帧光强信号进行置换，得到带有设定动态散斑的总光强调制信号序列；

根据所述总光强调制信号序列，得到反射光光强信号，所述反射光光强信号包含有环境噪声；

根据所述反射光光强信号和所述总光强调制信号序列，采用分段线性化法计算关联成像中的环境噪声系数估值；

根据所述环境噪声系数估值，得到真实反射光光强信号，具体包括：

采用

计算真实反射光光强信号；

其中，

为真实反射光光强信号，表示第i次测量的物体反射光的真实光强信号；B_i为反射光光强信号，第i次测量的含有环境噪声的测量值；

为第i次测量的环境噪声估值；

根据所述真实反射光光强信号和所述总光强调制信号序列进行关联计算，重构被测物体的图像。

2.根据权利要求1所述的基于动态散斑场的计算关联成像去噪方法，其特征在于，所述根据所述总光强调制信号序列，得到反射光光强信号，具体包括:

根据所述总光强调制信号序列，将相干光调制成非相干光；

将所述非相干光照射在被测物体上，得到反射光；

测量所述反射光的光强信号。

3.根据权利要求1所述的基于动态散斑场的计算关联成像去噪方法，其特征在于，所述光强调制信号序列I_q通过下列公式表示：

I_q＝[I₁，I₂，I₃，…，I_N；I_N+1，I_N+2，…，I_2N；I_2N+1，I_2N+2，…，I_nN-1，I_nN]

其中，I_q为光强调制信号序列，I₁,I₂…I_nN-1,I_nN为光强调制序列信号中的多帧光强调制信号，其中N为正整数的周期，n为周期的个数。

4.根据权利要求1所述的基于动态散斑场的计算关联成像去噪方法，其特征在于，所述总光强调制信号序列通过下列公式表示：

I_p＝[I₁，I₂，I₃，…，Ir；I_N+1，I_N+2，…，Ir；I_2N+1，I_2N+2，…，I_nN-1，I_r]

其中，I_p为总光强调制信号序列，I_r为设定动态散斑场的光强信号。

5.根据权利要求1所述的基于动态散斑场的计算关联成像去噪方法，其特征在于，所述根据所述真实反射光光强信号和所述总光强调制信号序列进行关联计算，重构被测物体的图像，具体包括：

根据真实反射光光强的信号B_true与总光强调制信号I_p进行关联运算，重构出物体的图像G_DCGI(x，y):

其中，

表示对B_true的系综平均；k＝1,2,…n；

表示对I_p的系综平均；

表示对

的系综平均。

6.一种基于动态散斑场的计算关联成像去噪系统，其特征在于，所述系统包括：

图像等级获取模块，用于获取被测物体图像等级；

分辨率、信噪比获取模块，用于根据被测物体图像等级设定图像分辨率和信噪比；

光强调制信号序列获取模块，用于根据所述图像分辨率和信噪比得到光强调制信号序列；所述光强调制信号序列包含多个光强调制信号矩阵，每几个所述光强调制信号矩阵为一个周期，每个光强调制信号矩阵为一帧光强信号；

第kN帧光强信号确定模块，用于根据所述信噪比确定第kN帧光强信号，所述第kN帧光强信号为所述光强调制信号序列中每个周期同一位置处的光强信号；

光强信号获取模块，用于获取设定动态散斑场的光强信号；

总光强调制信号序列确定模块，用于将所述设定动态散斑场的光强信号与所述第kN帧光强信号进行置换，得到带有设定动态散斑的总光强调制信号序列；

反射光光强信号获取模块，用于根据所述总光强调制信号序列，得到反射光光强信号，所述反射光光强信号包含有环境噪声；

环境噪声系数估值计算模块，用于根据所述反射光光强信号和所述总光强调制信号序列，采用分段线性化法计算关联成像中的环境噪声系数估值；

真实反射光光强信号获取模块，用于根据所述环境噪声系数估值，得到真实反射光光强信号；

图像重构模块，用于根据所述真实反射光光强信号和所述总光强调制信号序列进行关联计算，重构被测物体的图像；

其中，所述真实反射光光强信号获取模块，具体包括：

计算子单元，用于采用

计算真实反射光光强信号；

其中，

为真实反射光光强信号，表示第i次测量的物体反射光的真实光强信号；B_i为反射光光强信号，第i次测量的含有环境噪声的测量值；

为第i次测量的环境噪声估值。

7.根据权利要求6所述的基于动态散斑场的计算关联成像去噪系统，其特征在于，所述反射光光强信号获取模块，具体包括:

非相干光获取单元，用于根据所述总光强调制信号序列，将相干光调制成非相干光；

反射光获取单元，用于将所述非相干光照射在被测物体上，得到反射光；

测量单元，用于测量所述反射光的光强信号。

8.根据权利要求6所述的基于动态散斑场的计算关联成像去噪系统，其特征在于，所述图像重构模块，具体包括：

重构子单元，用于根据真实反射光光强的信号B_true与总光强调制信号I_p进行关联运算，重构出物体的图像G_DCGI(x，y):

其中，

表示对B_true的系综平均；k＝1,2,…n；

表示对I_p的系综平均；

表示对

的系综平均。

Images