CN110703276A - 在强散射条件下的傅里叶成像装置及方法 - Google Patents
在强散射条件下的傅里叶成像装置及方法 Download PDFInfo
- Publication number
- CN110703276A CN110703276A CN201910813691.XA CN201910813691A CN110703276A CN 110703276 A CN110703276 A CN 110703276A CN 201910813691 A CN201910813691 A CN 201910813691A CN 110703276 A CN110703276 A CN 110703276A
- Authority
- CN
- China
- Prior art keywords
- light
- value
- spectrogram
- target object
- imaging
- 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
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了在强散射条件下的傅里叶成像装置,包括照明系统和探测系统,照明系统用于向目标物投射光线,探测系统用于探测被照明系统的光线照射后的目标物所反射的光强信息;照明系统包括光源以及沿光路依次设置的准直透镜、空间光调制器和投影镜头,其中,投影镜头用于扩大被调制的光束的照射范围;探测系统包括沿光路依次设置的成像透镜和单像素相机,其中单像素相机用于探测目标物反射光线经过成像透镜后的光强信息。本发明还公开了在利用前述成像装置在强散射条件下的傅里叶成像方法,通过将调制光投影到目标物上采集光强信息进行联合计算得到频谱图,并进行基于邻域的频域滤波,重构出目标物空域图,具有较好的去散射效果。
Description
技术领域
本发明涉及光学成像技术领域,具体涉及一种在强散射条件下的傅里叶成像装置及方法。
背景技术
随着城市化和工业化的不断推进,雾霾在我国的出现趋于频繁,雾霾颗粒作为一种散射介质,会对大气中传播的光子进行散射,从而降低成像的对比度和信噪比,对光学成像质量造成很大影响。对于海上运输、飞机起降、陆上交通监管以及新兴的自动驾驶等对光学成像十分依赖的领域而言,在强散射条件下的成像技术显得尤为重要。
由于成像的过程依赖于光波所携带的物体信息,在散射介质成像中,根据入射光子被散射次数的多少可分为三种类型的光子:弹道光子、散射光子和蛇形光子。未经历散射的弹道光子和经历少次散射的蛇形光子的占比决定了散射成像中图像的质量。
计算成像技术是通过强度关联算法来恢复出目标物体的信息,将一系列自行设计的图案投射到物体上,通过采集由单像素探测器获取的光强波动信号精确重建出图像的有效信息,这种有效信息为自然图像在变换域(如阿达玛、傅里叶、小波域)的稀疏表示,获取得到变换域的信息进而可以实现图像的重构。该技术在强散射条件下成像有着独特的优势。计算成像作为一种新型的成像方式,在散射系数很高的强散射条件下也有很好的成像效果,缺点是需要多次采样、成像时间长,而且成像过程中的滤波方法目前仅限于在光路中添加针孔滤波器来实现。
近年来,针对散射介质成像这一难题,业界提出许多方法,如计算层析技术、自适应光学成像技术、光学相干断层技术等,但这些方法在去散射过程中存在着一些缺点:1)上述方法都只适用于弱散射介质成像,对强散射介质却无能为力;2)上述方法需要有目标物体的先验知识,普适性较低;3)在非可见光波段,上述方法的去散射效果会受到局限。
以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案,其并不必然属于本专利申请的现有技术,在没有明确的证据表明上述内容在本专利申请的申请日前已经公开的情况下,上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
本发明的主要目的在于克服前述现有技术的不足,提出一种在强散射条件下的傅里叶成像装置及方法,基于傅里叶变换的原理,将空域中的光学强度信息关联起来恢复出目标物体的频域信息。
一种在强散射条件下的傅里叶成像装置,包括照明系统和探测系统,所述照明系统用于向目标物投射光线,所述探测系统用于探测被照明系统的光线照射后的目标物所反射的光强信息;所述照明系统包括光源以及沿光路依次设置的准直透镜、空间光调制器和投影镜头,其中,投影镜头用于扩大被调制的光束的照射范围;所述探测系统包括沿光路依次设置的成像透镜和单像素相机,其中单像素相机用于探测目标物反射光线经过成像透镜后的光强信息。
一种在强散射条件下的傅里叶成像方法,采用前述的成像装置来实现,具体包括如下步骤:
S1、按照式(1)生成四组bmp格式的图像并依次加载到所述空间光调制器,使空间光调制器利用这四组bmp格式的图像对经过准直器后的光束进行调制;
T(x,y;fx,fy;θ)=a+b·cos(2πfxx+2πfyy+θ) (1)
式(1)中,T(x,y;fx,fy;θ)代表bmp图像,a、b分别表示平移系数和缩放系数,a和b均取值0.5;θ为相移参数,依次取值0、π、以得到四组bmp图像;x,y表示空域坐标;fx,fy表示频域坐标;
S2、经过空间光调制器调制后的光束通过投影镜头照射到目标物上,通过成像透镜将目标物反射的携带物体信息的漫散光线传播到单像素相机,再由单像素相机采集目标物的光强信息,得到四组相同维度的光强信号值矩阵;
S3、对四组光强信号值矩阵利用式(2)进行计算,得到目标物的频谱图E;
E=[D0-Dπ]+j[Dπ/2-D3π/2] (2)
S4、按照预设的压缩比,选取频谱图E中频谱值在预设范围内的低频点以对频谱图E进行压缩采样;
S5、对压缩采样后的频谱图E(fx,fy)进行滤波;
S6、对滤波之后的频谱图进行傅里叶逆变换,得到目标物的重构空域图。
强散射条件下例如生物组织、浓雾、浑浊液体,在光子和强散射介质的相互作用过程中,部分光子的强度和方向信息发生变化,携带成像信息的弹道光子会被部分或完全消耗。光学成像方法大都受限于消光长度,当传输距离大于消光长度时光学成像便失去效用,而强散射介质中的消光长度会更小,因此大多数的光学成像方法都失效。本发明克服了在强散射条件下光学成像的技术困难,基于计算成像的原理,获取高灵敏度的光强值,并进行光学强度关联计算,摆脱了传统光学方法对透射距离的限制,同时针对不同的压缩比设计不同的bmp图像进行光线调制,这样一来可以对目标物的频域图像按预设的压缩比进行压缩采样,最后对压缩采样的频谱图使用基于邻域的频域滤波方法进行滤波,可重构出效果较好的目标物空域图像。另一方面,投影镜头的设置可以增加装置的工作距离,使得本发明尤其适用于强散射条件下大视场、远距离的环境,比如遥感勘测、交通监控、水文探测等。
附图说明
图1是本发明的在强散射条件下的傅里叶成像装置示意图;
图2是本发明一具体实施例中强散射条件下目标物的压缩采样后的频谱图;
图3是对压缩采样后的频谱图进行滤波时寻找噪声点的示意图;
图4是本发明一具体实施中滤波前后的目标物空域图像对比图;
图5是本发明中目标物的空域图像效果随压缩比变化的示意图;
图6是本发明中重构图像的峰值信噪比(PSNR)与压缩比的关系图。
具体实施方式
下面结合附图和具体的实施方式对本发明作进一步说明。
本发明针对目前强散射条件下成像所存在的问题,基于计算成像技术和傅里叶变换的理论基础,提出了一种能够在强散射条件下以较少的采样次数和较快的速度重构出目标物图像的成像装置和方法。如图1所示,本发明提出的在强散射条件下的傅里叶成像装置包括照明系统和探测系统;所述照明系统用于向目标物100投射光线,所述探测系统用于探测被照明系统的光线照射后的目标物所反射的光强信息。继续参考图1,所述照明系统包括光源10以及沿光路依次设置的准直透镜20、空间光调制器30和投影镜头40,其中,投影镜头40用于扩大被调制的光束的照射范围;所述探测系统包括沿光路依次设置的成像透镜50和单像素相机60,其中单像素相机60用于探测目标物反射光线经过成像透镜50后的光强信息。
该成像装置的大致成像原理为:光源10发出激光后经过准直器20变为平行光束投射到空间光调制器30,空间光调制器30对光束进行调制后,调制后的光束从投影镜头40投射到较远处(比如50米外)目标物100上,目标物会反射光线,携带目标物成像信息的光线经过成像透镜50后射出,单像素相机60直接采集光强信息,可得到光强信号值矩阵,再进行强度信息的关联计算,得到目标物的频域图像(即频谱图)。后面进行压缩采样再滤波,最后傅里叶逆变换即可重构出目标物的空域图像。
空间光调制器30采用微镜阵列光调制器,微镜阵列DMD包含一系列的微镜片,每个微镜片分别悬挂在一个单独的静态RAM上,根据写入SDRAM的值是1或是0来旋转相应的角度,实现光的空间调制。
为了适应长距离、大视场的环境,例如遥感勘测、交通监控、水文探测等,本发明的成像装置设置了投影镜头,由两个焦距为别为200mm和500mm的双胶合消色差透镜组成。应当理解的是,这只是举例,并不代表本发明的投影镜头只能是这种配置,只要能够增加光束的直径以扩大照射范围和照射距离的投影镜头都可以。
使用本发明上述成像装置进行强散射条件下的傅里叶成像的方法,包括如下步骤S1至S6:
S1、空间光调制器的调制图案的生成:在一种具体的实施例中,可在PC端的Matlab软件中,利用式(1)生成四组bmp格式的图像作为调制图案:
T(x,y;fx,fy;θ)=a+b·cos(2πfxx+2πfyy+θ) (1)
式(1)中,T(x,y;fx,fy;θ)代表bmp图像,a、b分别表示平移系数和缩放系数,a和b均取值0.5;θ为相移参数,依次取值0、π、以得到四组bmp图像;x,y表示bmp图像的空域坐标;fx,fy表示频域坐标;其中,为了将值域为[-1,1]的余弦函数的范围改为[0,1]来适应调制器的需求,a和b的取值只能都取0.5,如此,频域坐标点的个数便是每一组bmp图像的图像数。
对于每一张bmp图像,都将图像的像素灰度采用四舍五入方法在Matlab软件的double数值类型下置为0或1,完后将四组bmp图像加载到空间光调制器,即存储到空间光调制器的SDRAM中,微镜片通过读取SDRAM上的数值(即0或1)来执行相应角度的翻转,比如数值为1时微镜片翻转至将光线反射出,数值为0则不反射光线。从而实现光的空间调制。
S2、使用四组bmp图像对光线进行调制后,经由投影经过投射到目标物上,目标物反射的携带物体信息的光线从散射介质中经过成像透镜到单像素相机,最终单像素相机即会采集到与四组bmp图像对应的四个维度相同的光强信号值矩阵。
S3、光强信息联合计算:对四组光强信号值矩阵利用式(2)进行计算,得到目标物的频谱图E;
E=[D0-Dπ]+j[Dπ/2-D3π/2] (2)
S4、按照预设的压缩比,选取频谱图E中频谱值在预设范围内的低频点以对频谱图E进行压缩采样。由于频谱图中,目标物图像的主要信息大部分集中在低频部分,且由于频谱图也是在笛卡尔坐标系,因此图像的主要信息集中在频谱图中心区域,在压缩采样过程中外周的频率点(可认为是高频点)可置为0。所谓的低频点例如可以是频率值在频谱图中最高频率值的1/3以内的点,按照压缩比选取低频点之后,其余的点可置为0(在频谱图中显示为黑色),可得到如图2所示的压缩采样后的频谱图E(fx,fy)。例如,若选取的压缩比为4:1,要求重构图像分辨率在64×64,则压缩采样所选取的低频点为64×64的1/4即1024个。
S5、对压缩采样后的频谱图E(fx,fy)进行滤波,滤波时,不需要对周围已经置为0的黑色部分进行滤波。具体的滤波过程包括:
S51、自定义滤波半径,在一种优选的实施例中,滤波半径取频谱图E(fx,fy)边长的2/3,但这并不是限制,可以取其它的值。然后,如图3所示,以频谱图E(fx,fy)的中心点为圆心、以滤波半径为半径作圆(图中大圆)。另外,自然图像的频谱图中会有决定其空域图像中细节信息的方向线,因此还需找出频谱图E(fx,fy)中的方向线。可按如下方式寻找所述方向线:先对频谱图E(fx,fy)中的点按灰度值进行阈值划分,0~50范围内置为50,51~100置为100,101~150置为150,151~200置为200,201~255置为255,此时,频谱图E(fx,fy)变为只含有五种灰度值像素的频谱图像;对所述只含有五种灰度值像素的频谱图像,利用直线的霍夫变换公式进行霍夫变换,在霍夫域寻找最大霍夫值,而后再进行霍夫反变换回到频域,即得到所述方向线,比如图3中的四条直线,它们并不一定相交于一点。
S52、对频谱图E(fx,fy)中位于所述圆以外且不在所述方向线上的频率点中的噪声点进行均值滤波处理;其中,所述噪声点的判定方法是:对某个频率点,取其八邻域的值,九个值降序排列之后,若该频率点的频率值为最大,且超过九个值均值的两倍,则判定为噪声点,比如图3中小圆圈内的点。所谓的均值滤波处理,即,对于每个被判定为噪声点的频率点,直接将其频率值重置为该点的八邻域均值。
对压缩采样之后的频谱图像进行滤波与否,其对应的空域图像也是能看出差别的,如图4所示,对于滤波之前的频谱图像,其对应的空域图像杂点较多,边界不够清晰,而滤波之后的频谱图像的空域图像就好一些。
S6、最后将经过滤波的频谱图像进行傅里叶逆变换就可重构出目标物的空域图。
利用本发明的成像装置进行强散射条件下的成像实验,采用双层散射介质对成像装置的工作环境添加强散射,目标物“大”字在模拟雾中被散射成散斑(如图5中的“散射图像”所示),选取不同的频域压缩比进行采样和重构,最终恢复图像分辨率均为64×64,选取其中低频信息(或中低频)计算得出空域图像的主要信息达到很明显的去散射效果,从图5可以看出,压缩比越大,则从频谱图中选取的频率点越少(参与滤波的点越少),被置为0成为黑色的点越多,最终的重构图像效果也会越差。另外,以峰值信噪比(PSNR)作为图像质量的评价标准,横坐标压缩比(CR),以图6展示不同压缩比下的PSNR值,可以看出,随着压缩比的增大,峰值信噪比降低,即图像质量下降。因此,本发明中,可以选取合适的压缩比(比如5左右)来进行压缩采样,以达到更好的去散射效果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干等同替代或明显变型,而且性能或用途相同,都应当视为属于本发明的保护范围。
Claims (10)
1.一种在强散射条件下的傅里叶成像装置,其特征在于:包括照明系统和探测系统,所述照明系统用于向目标物(100)投射光线,所述探测系统用于探测被照明系统的光线照射后的目标物所反射的光强信息;
所述照明系统包括光源(10)以及沿光路依次设置的准直透镜(20)、空间光调制器(30)和投影镜头(40),其中,投影镜头(40)用于扩大被调制的光束的照射范围;所述探测系统包括沿光路依次设置的成像透镜(50)和单像素相机(60),其中单像素相机(60)用于探测目标物反射光线经过成像透镜(50)后的光强信息。
2.如权利要求1所述的成像装置,其特征在于:所述空间光调制器(30)采用微镜阵列光调制器,其微镜阵列使用数字电压信号控制微镜片执行机械运动来实现光调制功能。
3.如权利要求2所述的成像装置,其特征在于:所述微镜阵列的每个微镜片分别悬挂在一个单独的静态RAM上,根据写入SDRAM的值是1或是0来旋转相应的角度,从而实现光调制功能。
4.如权利要求1所述的成像装置,其特征在于:所述投影镜头(40)由两个焦距为别为200mm和500mm的双胶合消色差透镜组成。
5.一种在强散射条件下的傅里叶成像方法,其特征在于,采用权利要求1至4任一项所述的成像装置来实现,具体包括如下步骤:
S1、按照式(1)生成四组bmp格式的图像并依次加载到所述空间光调制器,使空间光调制器利用这四组bmp格式的图像对经过准直器后的光束进行调制;
T(x,y;fx,fy;θ)=a+b·cos(2πfxx+2πfyy+θ) (1)
式(1)中,T(x,y;fx,fy;θ)代表bmp图像,a、b分别表示平移系数和缩放系数,a和b均取值0.5;θ为相移参数,依次取值0、π、以得到四组bmp图像;x,y表示空域坐标;fx,fy表示频域坐标;
S2、经过空间光调制器调制后的光束通过投影镜头照射到目标物上,通过成像透镜将目标物反射的携带物体信息的漫散光线传播到单像素相机,再由单像素相机采集目标物的光强信息,得到四组相同维度的光强信号值矩阵;
S3、对四组光强信号值矩阵利用式(2)进行计算,得到目标物的频谱图E;
E=[D0-Dπ]+j[Dπ/2-D3π/2] (2)
S4、按照预设的压缩比,选取频谱图E中频谱值在预设范围内的低频点以对频谱图E进行压缩采样;
S5、对压缩采样后的频谱图E(fx,fy)进行滤波;
S6、对滤波之后的频谱图进行傅里叶逆变换,得到目标物的重构空域图。
6.如权利要求5所述的成像方法,其特征在于:步骤S1中于Matlab软件上生成四组bmp格式的图像,且将图像的像素灰度采用四舍五入方法在Matlab软件的double数值类型下置为0或1,然后将图像存储到空间光调制器的SDRAM上;微镜阵列的微镜片通过读取SDRAM上的数值0或1来进行相应的翻转,进行光的空间调制。
7.如权利要求5所述的成像方法,其特征在于:所述低频点为在频谱图E中频谱值小于最大频谱值的1/3的频率点。
8.如权利要求5所述的成像方法,其特征在于,步骤S5包括:
S51、自定义滤波半径,以频谱图E(fx,fy)的中心点为圆心、以滤波半径为半径作圆;找出频谱图E(fx,fy)中的方向线;
S52、对频谱图E(fx,fy)中位于所述圆以外且不在所述方向线上的频率点中的噪声点进行均值滤波处理;其中,所述噪声点的判定方法是:对某个频率点,取其八邻域的值,九个值降序排列之后,若该频率点的频率值为最大,且超过九个值均值的两倍,则判定为噪声点。
9.如权利要求8所述的成像方法,其特征在于,所述滤波半径取频谱图E(fx,fy)边长的2/3。
10.如权利要求8所述的成像方法,其特征在于,步骤S51中按如下方式寻找所述方向线:
先对频谱图E(fx,fy)中的点按灰度值进行阈值划分,0~50范围内置为50,51~100置为100,101~150置为150,151~200置为200,201~255置为255,此时,频谱图E(fx,fy)变为只含有五种灰度值像素的频谱图像;
对所述只含有五种灰度值像素的频谱图像,利用直线的霍夫变换公式进行霍夫变换,在霍夫域寻找最大霍夫值,而后再进行霍夫反变换回到频域,即得到所述方向线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813691.XA CN110703276B (zh) | 2019-08-30 | 2019-08-30 | 在强散射条件下的傅里叶成像装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910813691.XA CN110703276B (zh) | 2019-08-30 | 2019-08-30 | 在强散射条件下的傅里叶成像装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110703276A true CN110703276A (zh) | 2020-01-17 |
CN110703276B CN110703276B (zh) | 2021-09-07 |
Family
ID=69193755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910813691.XA Active CN110703276B (zh) | 2019-08-30 | 2019-08-30 | 在强散射条件下的傅里叶成像装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110703276B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393392A (zh) * | 2021-06-11 | 2021-09-14 | 清华大学深圳国际研究生院 | 一种基于神经网络的动态目标鬼成像系统与方法 |
CN114721006A (zh) * | 2022-06-08 | 2022-07-08 | 中国人民解放军国防科技大学 | 高精度单像素成像方法及系统 |
CN118392037A (zh) * | 2024-06-27 | 2024-07-26 | 厦门微亚智能科技股份有限公司 | 一种基于成像的三维测量方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104020474A (zh) * | 2014-05-06 | 2014-09-03 | 南京大学 | 一种激光三维成像光学收发系统 |
CN104049255A (zh) * | 2014-05-05 | 2014-09-17 | 南京大学 | 一种基于编码调制的激光三维雷达装置 |
CN104154878A (zh) * | 2014-07-29 | 2014-11-19 | 暨南大学 | 一种使用单像素探测器的光学成像方法 |
CN105227815A (zh) * | 2015-09-29 | 2016-01-06 | 郑州大学 | 一种被动式单像素望远成像系统和成像方法 |
CN106772430A (zh) * | 2016-12-30 | 2017-05-31 | 南京理工大学 | 基于多分辨率小波逼近的单像素光子计数三维成像系统及方法 |
CN107241550A (zh) * | 2017-06-26 | 2017-10-10 | 清华大学 | 基于时分复用的快速单像素频域成像方法 |
US20180032896A1 (en) * | 2016-07-29 | 2018-02-01 | Trustees Of Princeton University | Method and system for quantum information processing and computation |
CN107783148A (zh) * | 2017-11-29 | 2018-03-09 | 苏州蛟视智能科技有限公司 | 压缩感知成像装置及方法 |
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 |
CN108897005A (zh) * | 2018-08-15 | 2018-11-27 | 苏州蛟视智能科技有限公司 | 一种成像系统及成像方法 |
US20190170878A1 (en) * | 2017-12-03 | 2019-06-06 | Munro Design & Technologies, Llc | Dual waveforms for three-dimensional imaging systems and methods thereof |
-
2019
- 2019-08-30 CN CN201910813691.XA patent/CN110703276B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104049255A (zh) * | 2014-05-05 | 2014-09-17 | 南京大学 | 一种基于编码调制的激光三维雷达装置 |
CN104020474A (zh) * | 2014-05-06 | 2014-09-03 | 南京大学 | 一种激光三维成像光学收发系统 |
CN104154878A (zh) * | 2014-07-29 | 2014-11-19 | 暨南大学 | 一种使用单像素探测器的光学成像方法 |
CN105227815A (zh) * | 2015-09-29 | 2016-01-06 | 郑州大学 | 一种被动式单像素望远成像系统和成像方法 |
US20180032896A1 (en) * | 2016-07-29 | 2018-02-01 | Trustees Of Princeton University | Method and system for quantum information processing and computation |
CN106772430A (zh) * | 2016-12-30 | 2017-05-31 | 南京理工大学 | 基于多分辨率小波逼近的单像素光子计数三维成像系统及方法 |
CN107241550A (zh) * | 2017-06-26 | 2017-10-10 | 清华大学 | 基于时分复用的快速单像素频域成像方法 |
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 |
CN107783148A (zh) * | 2017-11-29 | 2018-03-09 | 苏州蛟视智能科技有限公司 | 压缩感知成像装置及方法 |
US20190170878A1 (en) * | 2017-12-03 | 2019-06-06 | Munro Design & Technologies, Llc | Dual waveforms for three-dimensional imaging systems and methods thereof |
CN108897005A (zh) * | 2018-08-15 | 2018-11-27 | 苏州蛟视智能科技有限公司 | 一种成像系统及成像方法 |
Non-Patent Citations (6)
Title |
---|
张坤石 等: "《潜艇潜望镜》", 30 November 1983, 国防工业出版社 * |
张子邦 等: "傅里叶单像素成像技术与应用", 《红外与激光工程》 * |
张琳: "基于Kirsch算子的图像边缘检测", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
王兴达: "基于压缩感知理论的单光子成像软件系统的设计与实现", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
范晓杭: "基于空间光调制器的单像素成像实验研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
韩建辉: "单像素相机在散射介质成像中的应用研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393392A (zh) * | 2021-06-11 | 2021-09-14 | 清华大学深圳国际研究生院 | 一种基于神经网络的动态目标鬼成像系统与方法 |
CN114721006A (zh) * | 2022-06-08 | 2022-07-08 | 中国人民解放军国防科技大学 | 高精度单像素成像方法及系统 |
CN118392037A (zh) * | 2024-06-27 | 2024-07-26 | 厦门微亚智能科技股份有限公司 | 一种基于成像的三维测量方法及系统 |
CN118392037B (zh) * | 2024-06-27 | 2024-10-01 | 厦门微亚智能科技股份有限公司 | 一种基于成像的三维测量方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110703276B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110703276B (zh) | 在强散射条件下的傅里叶成像装置及方法 | |
US10234561B2 (en) | Specular reflection removal in time-of-flight camera apparatus | |
CN109828371B (zh) | 一种基于移动散斑光源的大视场散射成像方法 | |
CN112287571B (zh) | 基于物理驱动的散射泛化成像方法和实验方法 | |
Dalgleish et al. | Extended-range undersea laser imaging: Current research status and a glimpse at future technologies | |
EP3149428A1 (en) | Motion contrast depth scanning | |
WO2023193461A1 (zh) | 一种太赫兹单像素成像方法与系统 | |
CN114721006B (zh) | 高精度单像素成像方法及系统 | |
CN103617617A (zh) | 基于功率谱描述的水下图像质量评价测量方法 | |
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 | |
CA2802789C (en) | Synthetic aperture imaging interferometer | |
Liang et al. | Fast Fourier single-pixel imaging based on Sierra–Lite dithering algorithm | |
CN109557070A (zh) | 一种基于空间编码光的拉曼成像系统 | |
Feng et al. | High turbidity underwater single-pixel imaging based on Unet++ and attention mechanism at a low sampling | |
Mathai et al. | Transparent object reconstruction based on compressive sensing and super-resolution convolutional neural network | |
CN112505057A (zh) | 一种滚动面缺陷检测系统和方法 | |
CN213903339U (zh) | 一种滚动面缺陷检测系统 | |
CN117876837B (zh) | 基于深度展开网络的近红外单像素成像方法及系统 | |
Nie et al. | Noise-free computational ghost imaging with pink noise speckle patterns | |
CN114966085B (zh) | 运动物体角位移与角速度的测量方法及系统 | |
CN112866532B (zh) | 一种紧凑型双光路单像素成像系统及不均匀光源校正方法 | |
CN217639540U (zh) | 一种基于互补的压缩感知成像系统 | |
TWI826988B (zh) | 三維影像評估的系統以及方法 | |
CN113936126A (zh) | 基于单像素成像的图像重建方法以及图像重建装置 | |
WO2024038159A1 (en) | Time-of-flight image processing involving a machine learning model to estimate direct and global light component |
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 |