CN110824690A - 一种基于大数据的司法痕检用全息显微设备 - Google Patents

一种基于大数据的司法痕检用全息显微设备 Download PDF

Info

Publication number
CN110824690A
CN110824690A CN201911106575.0A CN201911106575A CN110824690A CN 110824690 A CN110824690 A CN 110824690A CN 201911106575 A CN201911106575 A CN 201911106575A CN 110824690 A CN110824690 A CN 110824690A
Authority
CN
China
Prior art keywords
holographic
image
holographic image
correction
big data
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
CN201911106575.0A
Other languages
English (en)
Other versions
CN110824690B (zh
Inventor
王华英
王爱英
吕且妮
董昭
郭海军
张雷
王学
江夏男
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.)
HEBEI YUJIAN ENERGY-SAVING TECHNOLOGY Co Ltd
Hebei University of Engineering
Original Assignee
HEBEI YUJIAN ENERGY-SAVING TECHNOLOGY Co Ltd
Hebei University of Engineering
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 HEBEI YUJIAN ENERGY-SAVING TECHNOLOGY Co Ltd, Hebei University of Engineering filed Critical HEBEI YUJIAN ENERGY-SAVING TECHNOLOGY Co Ltd
Priority to CN201911106575.0A priority Critical patent/CN110824690B/zh
Publication of CN110824690A publication Critical patent/CN110824690A/zh
Application granted granted Critical
Publication of CN110824690B publication Critical patent/CN110824690B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
    • G02B21/365—Control or image processing arrangements for digital or video microscopes
    • G02B21/367—Control or image processing arrangements for digital or video microscopes providing an output produced by processing a plurality of individual source images, e.g. image tiling, montage, composite images, depth sectioning, image comparison
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/0005—Adaptation of holography to specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
    • G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
    • G03H1/0005—Adaptation of holography to specific applications
    • G03H2001/005—Adaptation of holography to specific applications in microscopy, e.g. digital holographic microscope [DHM]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Optics & Photonics (AREA)
  • Holo Graphy (AREA)

Abstract

本发明公开了一种基于大数据的司法痕检用全息显微设备，包括光源，用来发射成像用的激光；分光模块，与光源连接，用来将光源发出的激光分为物光束和参考光束；物光束传输模块，用来传输待测对象反射的物光束；参考光束传输模块，用来传输参考光束；成像模块，与物光束传输模块和参考光束传输模块连接，用来生成待测对象的全息图像。本发明能够改进现有技术的不足，提高了全息成像的清晰度。

Description

一种基于大数据的司法痕检用全息显微设备
技术领域
本发明涉及全息成像技术领域，尤其是一种基于大数据的司法痕检用全息显微设备。
背景技术
在司法痕检领域中，通过全息显微技术对鉴定物进行立体成像，可以提高痕迹鉴定的准确性。如何进一步提高全息成像的清晰度，成为了本领域研究的重点之一。
发明内容
本发明要解决的技术问题是提供一种基于大数据的司法痕检用全息显微设备，能够解决现有技术的不足，提高了全息成像的清晰度。
为解决上述技术问题，本发明所采取的技术方案如下。
一种基于大数据的司法痕检用全息显微设备，包括，
光源，用来发射成像用的激光；
分光模块，与光源连接，用来将光源发出的激光分为物光束和参考光束；
物光束传输模块，用来传输待测对象反射的物光束；
参考光束传输模块，用来传输参考光束；
成像模块，与物光束传输模块和参考光束传输模块连接，用来生成待测对象的全息图像。
作为优选，成像模块生成全息图像包括以下步骤，
A、在一个连续时间段内采集多个原始全息图形；
B、对每个原始全息图像进行去噪滤波处理；
C、对在步骤B处理中产生的修正数据进行收集分类存储；
D、对每一类修正数据进行特征提取，得到特征数据集；
E、使用步骤B中处理后的全息图像进行图像增强，得到增强后的全息图像；
F、使用特征数据集对增强后的全息图像进行图像重建，得到最终的全息图像。
作为优选，步骤B中，对原始全息图像进行滤波去噪处理包括以下步骤，
B1、根据原始全息图像中亮度的不同对原始全息图像进行分块；
B2、在每个图像块中选定至少三条特征线段，不同特征线段的平均亮度相同，任意两个特征线段之间具有交点；
B3、对图像块中的像素进行遍历，遍历过程中选取与遍历路径亮度变化函数最近似的特征线段作为参考线段，对遍历路径上的亮度进行修正，使其与特征线段亮度线性相关。
作为优选，步骤C中，对修正数据通过修正坐标位置和修正量两个维度进行加权合并分类。
作为优选，步骤D中，对每一类修正数据进行特征提取包括以下步骤，
D1、使用预设算法分别在修正坐标位置维度和修正量维度对修正数据进行特征提取；
D2、将提取的两组特征数据进行归一化处理，将处理后相似度高于设定阈值的特征数据进行合并，最终得到特征数据集。
作为优选，步骤E中，对全息图像进行图像增强包括以下步骤，
E1、按照全息图像的清晰度将全部全息图像进行降序排列；
E2、从清晰度最低的全息图像开始，对其与相邻清晰度更高的全息图像进行对比，对相似度超过设定阈值的部分进行标记，将清晰度较低图像中的标记部分加入与其相邻清晰度更高的全息图像中；
E3、重复步骤E2，直至清晰度最高的全息图像完成增强处理。
作为优选，步骤F中，对增强后的全息图像进行图像重建包括以下步骤，
F1、使用特征数据集中的特征数据建立约束方程；
F2、使用约束方程对步骤E3中得到的全息图像进行进行迭代，使得全息图像与特征数据集的线性相关度最大；
F3、检测重建后的全息图像的误差，若误差大于设定值，则进行图像补偿。
采用上述技术方案所带来的有益效果在于：本发明通过使用全息图像去噪处理过程中产生的修正数据对处理后的全息图像进行重建，有效降低了由于去噪处理对图像清晰度的影响。本发明提供的去噪处理过程，可以提高特征数据集的特征一致性，从降低了图像重建的计算量。匝图像重建前，首先对图像进行增强，利用生成的一系列图像实现迭代增强，最终实现降低全息图像信息丢失率的目的。
附图说明
图1是本发明一个具体实施方式的原理图。
图中：1、光源；2、分光模块；3、物光束传输模块；4、参考光束传输模块；5、成像模块。
具体实施方式
参照图1，本发明一个具体实施方式包括，
光源1，用来发射成像用的激光；
分光模块2，与光源1连接，用来将光源1发出的激光分为物光束和参考光束；
物光束传输模块3，用来传输待测对象反射的物光束；
参考光束传输模块4，用来传输参考光束；
成像模块5，与物光束传输模块3和参考光束传输模块4连接，用来生成待测对象的全息图像。
成像模块5生成全息图像包括以下步骤，
A、在一个连续时间段内采集多个原始全息图形；
B、对每个原始全息图像进行去噪滤波处理；
C、对在步骤B处理中产生的修正数据进行收集分类存储；
D、对每一类修正数据进行特征提取，得到特征数据集；
E、使用步骤B中处理后的全息图像进行图像增强，得到增强后的全息图像；
F、使用特征数据集对增强后的全息图像进行图像重建，得到最终的全息图像。
步骤B中，对原始全息图像进行滤波去噪处理包括以下步骤，
B1、根据原始全息图像中亮度的不同对原始全息图像进行分块；
B2、在每个图像块中选定至少三条特征线段，不同特征线段的平均亮度相同，任意两个特征线段之间具有交点；
B3、对图像块中的像素进行遍历，遍历过程中选取与遍历路径亮度变化函数最近似的特征线段作为参考线段，对遍历路径上的亮度进行修正，使其与特征线段亮度线性相关。
步骤C中，对修正数据通过修正坐标位置和修正量两个维度进行加权合并分类。
步骤D中，对每一类修正数据进行特征提取包括以下步骤，
D1、使用预设算法分别在修正坐标位置维度和修正量维度对修正数据进行特征提取；
D2、将提取的两组特征数据进行归一化处理，将处理后相似度高于设定阈值的特征数据进行合并，最终得到特征数据集。
步骤E中，对全息图像进行图像增强包括以下步骤，
E1、按照全息图像的清晰度将全部全息图像进行降序排列；
E2、从清晰度最低的全息图像开始，对其与相邻清晰度更高的全息图像进行对比，对相似度超过设定阈值的部分进行标记，将清晰度较低图像中的标记部分加入与其相邻清晰度更高的全息图像中；
E3、重复步骤E2，直至清晰度最高的全息图像完成增强处理。
步骤F中，对增强后的全息图像进行图像重建包括以下步骤，
F1、使用特征数据集中的特征数据建立约束方程；
F2、使用约束方程对步骤E3中得到的全息图像进行进行迭代，使得全息图像与特征数据集的线性相关度最大；
F3、检测重建后的全息图像的误差，若误差大于设定值，则进行图像补偿。
在对图像进行补偿时，使用特征数据逆向计算出图像的主要修正过程，根据修正亮度的不平衡度建立补偿函数，对图像进行补偿计算。由于特征数据保留了图像去噪修正过程中影响图像误差的主要外部因素，所以通过特征数据建立补偿函数，可以有效降低图像误差。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种基于大数据的司法痕检用全息显微设备，其特征在于：包括，
光源(1)，用来发射成像用的激光；
分光模块(2)，与光源(1)连接，用来将光源(1)发出的激光分为物光束和参考光束；
物光束传输模块(3)，用来传输待测对象反射的物光束；
参考光束传输模块(4)，用来传输参考光束；
成像模块(5)，与物光束传输模块(3)和参考光束传输模块(4)连接，用来生成待测对象的全息图像。
2.根据权利要求1所述的基于大数据的司法痕检用全息显微设备，其特征在于：所述成像模块(5)生成全息图像包括以下步骤，
A、在一个连续时间段内采集多个原始全息图形；
B、对每个原始全息图像进行去噪滤波处理；
C、对在步骤B处理中产生的修正数据进行收集分类存储；
D、对每一类修正数据进行特征提取，得到特征数据集；
E、使用步骤B中处理后的全息图像进行图像增强，得到增强后的全息图像；
F、使用特征数据集对增强后的全息图像进行图像重建，得到最终的全息图像。
3.根据权利要求2所述的基于大数据的司法痕检用全息显微设备，其特征在于：步骤B中，对原始全息图像进行滤波去噪处理包括以下步骤，
B1、根据原始全息图像中亮度的不同对原始全息图像进行分块；
B2、在每个图像块中选定至少三条特征线段，不同特征线段的平均亮度相同，任意两个特征线段之间具有交点；
B3、对图像块中的像素进行遍历，遍历过程中选取与遍历路径亮度变化函数最近似的特征线段作为参考线段，对遍历路径上的亮度进行修正，使其与特征线段亮度线性相关。
4.根据权利要求3所述的基于大数据的司法痕检用全息显微设备，其特征在于：步骤C中，对修正数据通过修正坐标位置和修正量两个维度进行加权合并分类。
5.根据权利要求4所述的基于大数据的司法痕检用全息显微设备，其特征在于：步骤D中，对每一类修正数据进行特征提取包括以下步骤，
D1、使用预设算法分别在修正坐标位置维度和修正量维度对修正数据进行特征提取；
D2、将提取的两组特征数据进行归一化处理，将处理后相似度高于设定阈值的特征数据进行合并，最终得到特征数据集。
6.根据权利要求5所述的基于大数据的司法痕检用全息显微设备，其特征在于：步骤E中，对全息图像进行图像增强包括以下步骤，
E1、按照全息图像的清晰度将全部全息图像进行降序排列；
E2、从清晰度最低的全息图像开始，对其与相邻清晰度更高的全息图像进行对比，对相似度超过设定阈值的部分进行标记，将清晰度较低图像中的标记部分加入与其相邻清晰度更高的全息图像中；
E3、重复步骤E2，直至清晰度最高的全息图像完成增强处理。
7.根据权利要求6所述的基于大数据的司法痕检用全息显微设备，其特征在于：步骤F中，对增强后的全息图像进行图像重建包括以下步骤，
F1、使用特征数据集中的特征数据建立约束方程；
F2、使用约束方程对步骤E3中得到的全息图像进行进行迭代，使得全息图像与特征数据集的线性相关度最大；
F3、检测重建后的全息图像的误差，若误差大于设定值，则进行图像补偿。
CN201911106575.0A 2019-11-13 2019-11-13 一种基于大数据的司法痕检用全息显微设备 Active CN110824690B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911106575.0A CN110824690B (zh) 2019-11-13 2019-11-13 一种基于大数据的司法痕检用全息显微设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911106575.0A CN110824690B (zh) 2019-11-13 2019-11-13 一种基于大数据的司法痕检用全息显微设备

Publications (2)

Publication Number Publication Date
CN110824690A true CN110824690A (zh) 2020-02-21
CN110824690B CN110824690B (zh) 2020-09-29

Family

ID=69554543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911106575.0A Active CN110824690B (zh) 2019-11-13 2019-11-13 一种基于大数据的司法痕检用全息显微设备

Country Status (1)

Country Link
CN (1) CN110824690B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2578849Y (zh) * 2002-09-14 2003-10-08 芜湖市皖江光电仪器有限责任公司 万向比对显微镜
CN101680749A (zh) * 2007-04-13 2010-03-24 迈克尔·施韦特纳 具有深度鉴别的光学再现的方法和装置
CN201569779U (zh) * 2009-06-19 2010-09-01 锦州航星光电设备有限公司 数码比对显微镜机械扫描机构
CN102749834A (zh) * 2012-07-24 2012-10-24 河北工程大学 一种光学显微成像系统及成像方法
CN104634793A (zh) * 2015-02-04 2015-05-20 南京理工大学 共轴数字全息显微成像装置及检测玻璃亚表面缺陷的方法
CN106950811A (zh) * 2017-05-08 2017-07-14 赣南师范大学 一种复合数字全息成像方法及装置
WO2017196885A1 (en) * 2016-05-10 2017-11-16 The Regents Of The University Of California Method and device for high-resolution color imaging using merged images from holographic and lens-based devices
CN207675118U (zh) * 2017-11-30 2018-07-31 青岛全维医疗科技有限公司 数字全息三维显微系统
US20180292784A1 (en) * 2017-04-07 2018-10-11 Thanh Nguyen APPARATUS, OPTICAL SYSTEM, AND METHOD FOR DIGITAL Holographic microscopy
CN109358480A (zh) * 2018-09-13 2019-02-19 天津农学院 一种数字像面全息显微图的优化方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2578849Y (zh) * 2002-09-14 2003-10-08 芜湖市皖江光电仪器有限责任公司 万向比对显微镜
CN101680749A (zh) * 2007-04-13 2010-03-24 迈克尔·施韦特纳 具有深度鉴别的光学再现的方法和装置
CN201569779U (zh) * 2009-06-19 2010-09-01 锦州航星光电设备有限公司 数码比对显微镜机械扫描机构
CN102749834A (zh) * 2012-07-24 2012-10-24 河北工程大学 一种光学显微成像系统及成像方法
CN104634793A (zh) * 2015-02-04 2015-05-20 南京理工大学 共轴数字全息显微成像装置及检测玻璃亚表面缺陷的方法
WO2017196885A1 (en) * 2016-05-10 2017-11-16 The Regents Of The University Of California Method and device for high-resolution color imaging using merged images from holographic and lens-based devices
US20180292784A1 (en) * 2017-04-07 2018-10-11 Thanh Nguyen APPARATUS, OPTICAL SYSTEM, AND METHOD FOR DIGITAL Holographic microscopy
CN106950811A (zh) * 2017-05-08 2017-07-14 赣南师范大学 一种复合数字全息成像方法及装置
CN207675118U (zh) * 2017-11-30 2018-07-31 青岛全维医疗科技有限公司 数字全息三维显微系统
CN109358480A (zh) * 2018-09-13 2019-02-19 天津农学院 一种数字像面全息显微图的优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宋修法 等: "像面数字全息显微系统的成像分辨率及成像特点", 《光电子·激光》 *

Also Published As

Publication number Publication date
CN110824690B (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
CN110866924B (zh) 一种线结构光中心线提取方法及存储介质
CN103455991B (zh) 一种多聚焦图像融合方法
CN108154519A (zh) 眼底图像中血管的分割方法、装置及存储介质
CN117078671B (zh) 一种甲状腺超声影像智能分析系统
CN110033514B (zh) 一种基于点线特征快速融合的重建方法
CN113344110B (zh) 一种基于超分辨率重建的模糊图像分类方法
CN102324099A (zh) 一种面向仿人机器人的台阶边缘检测方法
CN104346833A (zh) 一种基于单目视觉的车辆重构算法
CN103903275A (zh) 利用小波融合算法改进图像分割效果的方法
JP2015173344A (ja) 物体認識装置
CN114693524A (zh) 侧扫声呐图像准确匹配快速拼接方法、设备及存储介质
CN114387505A (zh) 一种高光谱与激光雷达多模态遥感数据分类方法及系统
CN116797791A (zh) 一种基于深度学习的线粒体分割与分类方法
CN113780421B (zh) 基于人工智能的脑部pet影像识别方法
CN114170473A (zh) 基于病理图像的dMMR亚型分类方法及系统
CN110824690B (zh) 一种基于大数据的司法痕检用全息显微设备
CN103714528B (zh) 物体分割装置和方法
CN105069766A (zh) 一种基于汉字图像轮廓特征描述的碑文修复方法
Singh et al. Automated 3-D detection of dendritic spines from in vivo two-photon image stacks
CN110378167B (zh) 一种基于深度学习的条码图像补正方法
CN110390336B (zh) 一种提高特征点匹配精度的方法
KR101332630B1 (ko) 경량화된 랜덤펀스 및 이를 이용한 이미지 표현방법
CN106056599B (zh) 一种基于物体深度数据的物体识别算法及装置
Roncal et al. Volumetric exploitation of synaptic information using context localization and evaluation
CN116843715B (zh) 一种基于深度学习的多视图协同图像分割方法和系统

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