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
一种基于动态散斑场的计算关联成像去噪方法及系统 Download PDFInfo
- Publication number
- CN109100027B CN109100027B CN201810730898.6A CN201810730898A CN109100027B CN 109100027 B CN109100027 B CN 109100027B CN 201810730898 A CN201810730898 A CN 201810730898A CN 109100027 B CN109100027 B CN 109100027B
- Authority
- CN
- China
- Prior art keywords
- light intensity
- signal
- intensity modulation
- modulation signal
- reflected 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.)
- Active
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 43
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 86
- 230000001427 coherent effect Effects 0.000 claims abstract description 11
- 230000007613 environmental effect Effects 0.000 claims description 35
- 238000012935 Averaging Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 18
- 239000000126 substance Substances 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 13
- 230000001678 irradiating effect Effects 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000000654 additive Substances 0.000 description 4
- 230000000996 additive effect Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 241000135164 Timea Species 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J11/00—Measuring the characteristics of individual optical pulses or of optical pulse trains
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
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
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Iq通过下列公式表示:
Iq=[I1,I2,I3,...,IN;IN+1,IN+2,...,I2N;I2N+1,I2N+2,...,InN-1,InN]
其中,Iq为光强调制信号序列,I1,I2…InN-1,InN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:
Ip=[I1,I2,I3,...,Ir;IN+1,IN+2,...,Ir;I2N+1,I2N+2,...,InN-1,Ir]
其中,Ip为总光强调制信号序列,Ir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:
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Btrue与总光强调制信号Ip进行关联运算,重构出物体的图像GDCGI(x,y):
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:
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Btrue与总光强调制信号Ip进行关联运算,重构出物体的图像GDCGI(x,y):
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Iq通过下列公式表示:
Iq=[I1,I2,I3,...,IN;IN+1,IN+2,...,I2N;I2N+1,I2N+2,...,InN-1,InN]
其中,Iq为光强调制信号序列,I1,I2…InN-1,InN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Ir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Ip
Ip=[I1,I2,I3,...,Ir;IN+1,IN+2,...,Ir;I2N+1,I2N+2,...,InN-1,Ir]
并将总光强调制信号序列Ip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。
Ir设计为Hadamard矩阵,并根据重构图像的纹理特征计算Ir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Ip,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,...,Br;BN+1,BN+2,...,Br;B2N+1,B2N+2,...,BnN-1,Br]
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
第i次测量的含有环境噪声的测量值Bi按照加性和乘性噪声的数学表示为
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;
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Btrue与总光强调制信号Ip进行关联运算,重构出物体的图像GDCGI(x,y):
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Btrue,最后将估计的光强信号Btrue与带有特定动态散斑的总光强调制信号Ip进行计算关联重构,获得高信噪比的物体图像GDCGI(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Iq。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Iq,其中周期N=5;周期个数n=16000,在本实施例Iq中任意一个元素为40×40的随机矩阵。
Iq=[I1(40×40),I2(40×40),I3(40×40),I4(40×40),IN(40×40);I6(40×40),...IiN(40×40),...I9(40×40),I2N(40×40);...;I79996(40×40),...,I79999(40×40),InN(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Ir与原光强调制信号序列中的IkN(k=1,2,3...n)帧进行置换,Ir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Ip
Ip=[I1(40×40),I2(40×40),I3(40×40),I4(40×40),Ir(40×40);I6(40×40),...Ir(40×40)...I9(40×40),Ir(40×40);...;I79996(40×40),...,I79999(40×40),Ir(40×40)] (2)
并将总光强调制信号序列Ip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。Ir设计为Hadamard矩阵,并根据重构图像的纹理特征计算Ir共生矩阵因子G:
Ir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Ir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Ip,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,Br;B6,...,B9,Br;...;B79996,...,B79999,Br] (4)
其中Bi对应于调制信号的Ii,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
含有环境噪声的测量值Bi按照加性和乘性噪声的数学表示为
[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Btrue与总光强调制信号Ip进行计算关联来重构图像GDCGI(x,y),
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:
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Btrue与总光强调制信号Ip进行关联运算,重构出物体的图像GDCGI(x,y):
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:
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Iq通过下列公式表示:
Iq=[I1,I2,I3,…,IN;IN+1,IN+2,…,I2N;I2N+1,I2N+2,…,InN-1,InN]
其中,Iq为光强调制信号序列,I1,I2…InN-1,InN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:
Ip=[I1,I2,I3,…,Ir;IN+1,IN+2,…,Ir;I2N+1,I2N+2,…,InN-1,Ir]
其中,Ip为总光强调制信号序列,Ir为设定动态散斑场的光强信号。
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:
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810730898.6A CN109100027B (zh) | 2018-07-05 | 2018-07-05 | 一种基于动态散斑场的计算关联成像去噪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810730898.6A CN109100027B (zh) | 2018-07-05 | 2018-07-05 | 一种基于动态散斑场的计算关联成像去噪方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109100027A CN109100027A (zh) | 2018-12-28 |
CN109100027B true CN109100027B (zh) | 2020-06-26 |
Family
ID=64845497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810730898.6A Active CN109100027B (zh) | 2018-07-05 | 2018-07-05 | 一种基于动态散斑场的计算关联成像去噪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109100027B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103616687A (zh) * | 2013-12-05 | 2014-03-05 | 西安电子科技大学 | 分段线性估计的多项式拟合isar包络对齐方法 |
CN104714258A (zh) * | 2015-01-30 | 2015-06-17 | 北京航天控制仪器研究所 | 一种高信噪比快速强度关联成像方法 |
CN104992424A (zh) * | 2015-07-27 | 2015-10-21 | 北京航空航天大学 | 一种基于离散余弦变换的单像素快速主动成像系统 |
CN105807289A (zh) * | 2016-05-04 | 2016-07-27 | 西安交通大学 | 基于预置可调制光源的高速计算关联成像系统及成像方法 |
CN105911558A (zh) * | 2016-04-25 | 2016-08-31 | 北京航空航天大学 | 一种基于光放大的关联成像系统及方法 |
CN106908801A (zh) * | 2017-02-13 | 2017-06-30 | 北京物资学院 | 一种关联成像制导方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013076904A (ja) * | 2011-09-30 | 2013-04-25 | Jvc Kenwood Corp | 表示装置 |
CN102429650B (zh) * | 2011-11-10 | 2013-09-25 | 华中科技大学 | 一种激光散斑血流成像衬比分析方法 |
CN103453993B (zh) * | 2013-09-13 | 2015-04-15 | 中国科学院空间科学与应用研究中心 | 基于稀疏孔径压缩计算关联的主动高光谱成像系统及方法 |
US9900581B2 (en) * | 2015-04-21 | 2018-02-20 | Infineon Technologies Ag | Parametric online calibration and compensation in ToF imaging |
US10425598B2 (en) * | 2016-06-20 | 2019-09-24 | Massachusetts Institute Of Technology | Methods and systems for time-encoded multiplexed imaging |
-
2018
- 2018-07-05 CN CN201810730898.6A patent/CN109100027B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103616687A (zh) * | 2013-12-05 | 2014-03-05 | 西安电子科技大学 | 分段线性估计的多项式拟合isar包络对齐方法 |
CN104714258A (zh) * | 2015-01-30 | 2015-06-17 | 北京航天控制仪器研究所 | 一种高信噪比快速强度关联成像方法 |
CN104992424A (zh) * | 2015-07-27 | 2015-10-21 | 北京航空航天大学 | 一种基于离散余弦变换的单像素快速主动成像系统 |
CN105911558A (zh) * | 2016-04-25 | 2016-08-31 | 北京航空航天大学 | 一种基于光放大的关联成像系统及方法 |
CN105807289A (zh) * | 2016-05-04 | 2016-07-27 | 西安交通大学 | 基于预置可调制光源的高速计算关联成像系统及成像方法 |
CN106908801A (zh) * | 2017-02-13 | 2017-06-30 | 北京物资学院 | 一种关联成像制导方法及装置 |
Non-Patent Citations (2)
Title |
---|
Fast reconstructed and high-quality ghost imaging with fast Walsh-Hadamard transform;Le Wang;《Chinese Laser Press》;20161018;第4卷(第6期);全文 * |
基于局部Hadamard调制的迭代去噪鬼成像;张伟良;《光学学报》;20160430;第36卷(第4期);第2-4节 * |
Also Published As
Publication number | Publication date |
---|---|
CN109100027A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9961285B2 (en) | Optical imaging method using single pixel detector | |
US20180067197A1 (en) | Method and system for real-time motion artifact handling and noise removal for tof sensor images | |
US10694123B2 (en) | Synthetic apertures for long-range, sub-diffraction limited visible imaging using fourier ptychography | |
CN111986118B (zh) | 一种加权核范数最小化的水下计算鬼成像图像去噪方法及系统 | |
Edgar et al. | Real-time 3D video utilizing a compressed sensing time-of-flight single-pixel camera | |
CN111047650B (zh) | 一种用于飞行时间相机的参数标定方法 | |
Jin et al. | Sparsity regularization in inverse problems | |
CN113114882B (zh) | 一种高采样效率的傅里叶单像素成像方法 | |
CN116893429B (zh) | 基于圆谐傅里叶光场的单像素成像方法和目标识别方法 | |
Edgar et al. | Real-time computational photon-counting LiDAR | |
CN112051239B (zh) | 基于动态散射系统的在探测面积受限情况下的成像方法 | |
Khan et al. | High-density single shot 3D sensing using adaptable speckle projection system with varying preprocessing | |
Purohit et al. | Image processing framework for performance enhancement of low-light image sensors | |
Bai et al. | Imaging around corners with single-pixel detector by computational ghost imaging | |
CN109100027B (zh) | 一种基于动态散斑场的计算关联成像去噪方法及系统 | |
CN112468791A (zh) | 基于单像素探测的光强测量迭代成像方法 | |
CN108981782B (zh) | 一种利用手机实现计算关联成像的方法 | |
EP3582183B1 (en) | Deflectometric techniques | |
Suo et al. | A self-synchronized high speed computational ghost imaging system: A leap towards dynamic capturing | |
Xiaohui et al. | The image adaptive method for solder paste 3D measurement system | |
Mack et al. | Restoration of time-of-flight (ToF) underwater images using TV regularization | |
Qin et al. | Compressed sensing phase retrieval with phase diversity | |
Balakin | Reduction of images to the form typical for measuring the distribution of object transparency with subjective information about its sparsity in a given basis | |
Liu | Real-time 3-d reconstruction by means of structured light illumination | |
Mao et al. | Time-of-flight camera via a single-pixel correlation image sensor |
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 |