CN111986118A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111986118A CN111986118A CN202010897242.0A CN202010897242A CN111986118A CN 111986118 A CN111986118 A CN 111986118A CN 202010897242 A CN202010897242 A CN 202010897242A CN 111986118 A CN111986118 A CN 111986118A
- Authority
- CN
- China
- Prior art keywords
- image
- underwater
- nuclear norm
- sequence
- target object
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004364 calculation method Methods 0.000 title claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000011160 research Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
本发明公开了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,包括:数字微反射镜DMD;可调光源;第一会聚透镜,安装在可调光源的前方;投影透镜,安装在数字微反射镜DMD的前方;第二会聚透镜,用于采集从目标物反射回来的光;光强探测器,处于第二会聚透镜的焦点处;计算机。该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,易于实现和安装、成本低廉、操作和控制方便。通过采用加权核范数最小化图像去噪方法,可以去除水下背向散射光产生的噪声,提高成像质量。同时,由于采用可调光源,可以根据成像距离调节光源亮度,扩大成像范围,实用性更强。本发明实施例有利于水下成像及计算鬼成像技术的应用研究。
Description
技术领域
本发明属于鬼成像技术领域,尤其涉及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。
背景技术
水下光学成像技术在海洋资源勘探、海洋搜救、海洋科研、军事侦察等领域具有重要应用价值。由于光在水下传播时受到水中悬浮粒子及水本身的散射,会产生后向散射光,加之水体衰减的影响,导致图像对比度大幅降低,细节信息丢失严重,图像质量变差。
鬼成像技术作为一种单像素计算成像方法,利用光场的二阶关联计算成像,能够在弱光、湍流、散射介质等环境中成像,可以用于提高水下成像的距离和质量。传统的水下鬼成像系统由于受测量次数、后向散射光及水体衰减的影响,导致系统存在成像速度较慢、成像质量较差、分辨率较低等问题。因此,研究成像速度快、成像质量好、成像分辨率高的水下鬼成像系统和方法非常有助于水下成像技术的应用和发展。
发明内容
针对传统水下鬼成像系统中成像质量差的问题,本发明提供了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。该系统结构紧凑,易于安装,成本低廉,结合加权核范数最小化图像去噪方法,提高了成像质量,在水下资源勘探、搜救、科研、军事侦察等领域有广泛的应用。
为达此目的,本发明采用以下技术方案:
第一方面,本发明提供了一种加权核范数最小化的水下计算鬼成像系统,包括:
数字微反射镜DMD,所述数字微反射镜的表面与竖直方向的夹角为第一角度;
可调光源,所述可调光源的光轴与竖直方向的夹角为第二角度,且所述可调光源经过所述数字微反射镜DMD的表面的反射光束与水平方向平行;
第一会聚透镜,安装在所述可调光源的前方,用于将所述可调光源的光束会聚到所述数字微反射镜DMD的表面;
投影透镜,安装在所述数字微反射镜DMD的前方,用于将所述反射光束投射到目标物上;
第二会聚透镜,用于采集从目标物反射回来的光;
光强探测器,处于所述第二会聚透镜的焦点处;
计算机,所述计算机分别与所述数字微反射镜DMD和所述光强探测器连接。
可选地,所述第一角度等于30°,所述第二角度等于30°。
可选地,所述可调光源设有调节其亮度的调节模块。
第二方面,本发明提供了一种加权核范数最小化的水下计算鬼成像图像去噪方法,包括:
加载哈达玛Hadamard图案序列;
利用数字微反射镜DMD调制可调光源,产生目标物反射光强度序列,得到光强信息序列;
将所述哈达玛Hadamard图案序列和所述光强信息序列进行关联计算,得到目标物图像;
利用加权核范数最小化图像去噪方法增强目标物图像的质量及分辨率,得到去除噪声的目标物图像。
可选地,在所述加载哈达玛Hadamard图案序列之前,还包括:
采用4连通域优化方法生成包含M个哈达玛Hadamard图案的序列,记为 S=[S1(x,y),S2(x,y),...,Sm(x,y),...,SM(x,y)],(x,y)表示像素坐标,m=1,2,...,M,M表示Hadamard图案个数;
将生成的Hadamard图案序列S存储到硬盘。
可选地,所述加载哈达玛Hadamard图案序列,包括:
从硬盘中读取Hadamard图案序列S,并依次加载到数字微反射镜DMD 上。
可选地,所述利用数字微反射镜DMD调制可调光源,产生目标物反射光强度序列,得到光强信息序列,包括:
利用计算机控制数字微反射镜DMD和光强探测器,使两者同步工作,数字微反射镜DMD每加载一张Hadamard图案Sm=Sm(x,y),光强探测器记录对应的光强度值,记为Dm;
经过M次Hadamard图案加载后,可得到光强信息序列 D=[D1,D2,...,Dm,...,DM]。
可选地,所述将所述哈达玛Hadamard图案序列和所述光强信息序列进行关联计算,得到目标物图像,包括:
可选地,所述利用加权核范数最小化图像去噪方法增强目标物图像的质量及分辨率,得到去除噪声的目标物图像,包括:
利用得到的目标物图像G,建立噪声数学模型:G=X+N,式中G表示有噪声的目标物图像,X表示无噪声的目标物图像,N表示噪声;
建立加权核范数最小化数学模型:式中是矩阵Xk的加权核范数,ω=[ω1,ω2,...,ωK]为矩阵Xk中第k 个奇异值对应的权重向量,0≤ωk,k=1,2,...,K,K表示目标物图像G中图像块的总个数,为图像的噪声方差,目标物图像G中图像块是利用块匹配算法,按从左到右、从上到下的顺序依次分解,式中ωk的表达式为: 0<c,c是一个常数,ε=10-6,σk(Xk)的表达式为:式中σk(Xk)为Xk的第k个奇异值,σk(Yk)为Y的第k个奇异值;
对图像块Gk进行随机奇异值分解可得:(U,Λ,V)=rsvd(Gk),式中rsvd()表示随机奇异值分解函数;
计算出参数ωk,σk(Xk),U,Λ,V后,可得到第k个块的无噪声图像估计值式中Sω()为软阈值函数,Sω(Λ)ii=max(Λii-ω,0)表示权重向量ω的广义软阈值算子,Λ为对角矩阵,Λii为对角矩阵元素;
采用上述技术方案后,可以设计出一种水下计算鬼成像系统。所述的计算鬼成像系统结构紧凑,易于安装,成本低廉,结合加权核范数最小化图像去噪方法,可以重建出高质量目标物图像。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例提供的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,易于实现和安装、成本低廉、操作和控制方便。通过采用加权核范数最小化图像去噪方法,可以去除水下背向散射光产生的噪声,提高成像质量。同时,由于采用可调光源,可以根据成像距离调节光源亮度,扩大成像范围,实用性更强。本发明实施例有利于水下成像及计算鬼成像技术的应用研究。
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,下面将对实施例或现有技术描述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的前提下,还可以根据这些附图获得其它的附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容所能涵盖的范围内。
图1为本实施例提供的水下计算鬼成像系统的组成示意图;
图2为本实施例提供的数字微反射镜DMD、可调光源的光轴与竖直方向和水平方向的几何位置关系示意图;
图3为本实施例提供的加权核范数最小化的水下计算鬼成像图像去噪方法流程图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
请参阅图1,本实施例提供了一种水下计算鬼成像系统,该系统由计算机 101、数字微反射镜DMD 102、第一会聚透镜103、可调光源104、投影透镜 105、第二会聚透镜106和光强探测器107组成。计算机101与光强探测器107 连接,同时计算机101与数字微反射镜DMD102连接,计算机101通过加权核范数最小化图像去噪方法增强目标物图像质量。
具体的,安装数字微反射镜DMD102。调节数字微反射镜DMD102的位置,使数字微反射镜DMD102表面201与竖直方向y的夹角为α=30°,如图2 所示。
进一步地,安装可调光源104,使可调光源104的光轴202与竖直方向y 的夹角为β=30°,如图2所示。同时,使经过数字微反射镜DMD102表面201 的反射光束与水平方向x保持平行,如图2所示。然后在可调光源104的前方安装第一会聚透镜103,并调整第一会聚透镜103的位置,确保第一会聚透镜 103可以将光束会聚到数字微反射镜DMD102的表面201。
当目标物108距离光强探测器107较远时,通过调节可调光源104亮度,使光强探测器107可以采集更多的从目标物108反射回的光线,可以实现远距离光强信息采集。
在数字微反射镜DMD102前方安装投影透镜105,使经过数字微反射镜 DMD102表面201的反射光束可以通过投影透镜105,同时确保投影透镜105 能够将反射光束投射到目标物108上,如图1所示。
安装光强探测器107和第二会聚透镜106。调整光强探测器107、第二会聚透镜106的位置,使光强探测器107处于第二会聚透镜106的焦点处,同时使第二会聚透镜106可以采集从目标物108反射回来的光。
将计算机101分别与DMD102、光强探测器107连接。
通过上述设置,构建出所述的水下鬼成像系统。
请参阅图3所示,本实施例还提供了一种加权核范数最小化的水下计算鬼成像图像去噪方法,可应用于上述水下计算鬼成像系统。
在进行步骤S101之前,还包括:生成照明图案序列。
具体的,采用4连通域优化方法生成包含M=4096个哈达玛Hadamard图案的序列,记为S=[S1(x,y),S2(x,y),...,Sm(x,y),...,SM(x,y)],(x,y)表示像素坐标, m=1,2,...,4096,M表示Hadamard图案个数,每个图案的分辨率为128×128像素。将生成的Hadamard图案序列S存储到硬盘。
在步骤S101中,从硬盘中读取Hadamard图案序列S,并依次加载到数字微反射镜DMD102上。
进一步地,步骤S102和步骤S103中:利用数字微反射镜DMD102调制可调光源104,产生目标物反射光强度序列。
具体的,利用计算机101控制数字微反射镜DMD102和光强探测器107,使两者同步工作,即数字微反射镜DMD102每加载一张Hadamard图案 Sm=Sm(x,y),光强探测器107记录对应的光强度值,记为Dm。经过M次 Hadamard图案加载后,可得到光强信息序列D=[D1,D2,...,Dm,...,D4096]。
步骤S104包括:利用关联计算方法获取目标物图像。
具体的,将上述Hadamard图案序列S和光强信息序列D进行关联计算,即:
由上式可以得到目标物图像G。
步骤S105包括:利用加权核范数最小化图像去噪方法增强目标物图像质量及分辨率。
具体的,利用得到的目标物图像G,建立如下噪声数学模型:
G=X+N
上式中G表示噪声图像,X表示无噪声图像,N表示噪声。
由上式建立加权核范数最小化数学模型,表示如下:
上式中是矩阵Xk的加权核范数,ω=[ω1,ω2,...,ωK]为矩阵Xk中第k个奇异值对应的权重向量,0≤ωk,k=1,2,...,K,K=35表示目标物图像G中图像块的总个数,为图像的噪声方差。目标物图像G中图像块是利用块匹配算法,按从左到右、从上到下的顺序依次分解。
上式中ωk的表达式为
上式中0<c是一个常数,ε=10-6是为了避免ωk的分母为0,σk(Xk)的表达式为
上式中σk(Xk)为Xk的第k个奇异值,σk(Yk)为Y的第k个奇异值。
对图像块Gk进行随机奇异值分解可得:
(U,Λ,V)=rsvd(Gk)
上式中rsvd()表示随机奇异值分解函数。
上式中Sω()为软阈值函数,Sω(Λ)ii=max(Λii-ω,0)表示权重向量ω的广义软阈值算子,Λ为对角矩阵,Λii为对角矩阵元素。
综上所述,本实施例提供的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,易于实现和安装、成本低廉、操作和控制方便。通过采用加权核范数最小化图像去噪方法,可以去除水下背向散射光产生的噪声,提高成像质量。同时,由于采用可调光源,可以根据成像距离调节光源亮度,扩大成像范围,实用性更强。本发明实施例有利于水下成像及计算鬼成像技术的应用研究。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种加权核范数最小化的水下计算鬼成像系统,其特征在于,包括:
数字微反射镜DMD,所述数字微反射镜的表面与竖直方向的夹角为第一角度;
可调光源,所述可调光源的光轴与竖直方向的夹角为第二角度,且所述可调光源经过所述数字微反射镜DMD的表面的反射光束与水平方向平行;
第一会聚透镜,安装在所述可调光源的前方,用于将所述可调光源的光束会聚到所述数字微反射镜DMD的表面;
投影透镜,安装在所述数字微反射镜DMD的前方,用于将所述反射光束投射到目标物上;
第二会聚透镜,用于采集从目标物反射回来的光;
光强探测器,处于所述第二会聚透镜的焦点处;
计算机,所述计算机分别与所述数字微反射镜DMD和所述光强探测器连接,用于通过加权核范数最小化图像去噪方法增强目标物图像质量。
2.根据权利要求1所述的加权核范数最小化的水下计算鬼成像系统,其特征在于,所述第一角度和所述第二角度均等于30°。
3.根据权利要求1所述的加权核范数最小化的水下计算鬼成像系统,其特征在于,所述可调光源设有调节其亮度的调节模块。
4.一种加权核范数最小化的水下计算鬼成像图像去噪方法,其特征在于,包括:
加载哈达玛Hadamard图案序列;
利用数字微反射镜DMD调制可调光源,产生目标物反射光强度序列,得到光强信息序列;
将所述哈达玛Hadamard图案序列和所述光强信息序列进行关联计算,得到目标物图像;
利用加权核范数最小化图像去噪方法增强目标物图像的质量及分辨率,得到去除噪声的目标物图像。
5.根据权利要求4所述的加权核范数最小化的水下计算鬼成像图像去噪方法,其特征在于,在所述加载哈达玛Hadamard图案序列之前,还包括:
采用4连通域优化方法生成包含M个哈达玛Hadamard图案的序列,记为S=[S1(x,y),S2(x,y),...,Sm(x,y),...,SM(x,y)],(x,y)表示像素坐标,m=1,2,...,M,M表示Hadamard图案个数;
将生成的Hadamard图案序列S存储到硬盘。
6.根据权利要求5所述的加权核范数最小化的水下计算鬼成像图像去噪方法,其特征在于,所述加载哈达玛Hadamard图案序列,包括:
从硬盘中读取Hadamard图案序列S,并依次加载到数字微反射镜DMD上。
7.根据权利要求6所述的加权核范数最小化的水下计算鬼成像图像去噪方法,其特征在于,所述利用数字微反射镜DMD调制可调光源,产生目标物反射光强度序列,得到光强信息序列,包括:
利用计算机控制数字微反射镜DMD和光强探测器,使两者同步工作,数字微反射镜DMD每加载一张Hadamard图案Sm=Sm(x,y),光强探测器记录对应的光强度值,记为Dm;
经过M次Hadamard图案加载后,得到光强信息序列D=[D1,D2,...,Dm,...,DM]。
9.根据权利要求8所述的加权核范数最小化的水下计算鬼成像图像去噪方法,其特征在于,所述利用加权核范数最小化图像去噪方法增强目标物图像的质量及分辨率,得到去除噪声的目标物图像,包括:
利用得到的目标物图像G,建立噪声数学模型:G=X+N,式中G表示有噪声的目标物图像,X表示无噪声的目标物图像,N表示噪声;
建立加权核范数最小化数学模型:式中是矩阵Xk的加权核范数,ω=[ω1,ω2,...,ωK]为矩阵Xk中第k个奇异值对应的权重向量,0≤ωk,k=1,2,...,K,K表示目标物图像G中图像块的总个数,为图像的噪声方差,目标物图像G中图像块是利用块匹配算法,按从左到右、从上到下的顺序依次分解,式中ωk的表达式为:0<c,c是一个常数,ε=10-6,σk(Xk)的表达式为:式中σk(Xk)为Xk的第k个奇异值,σk(Yk)为Y的第k个奇异值;
对图像块Gk进行随机奇异值分解可得:(U,Λ,V)=rsvd(Gk),式中rsvd()表示随机奇异值分解函数;
计算出参数ωk,σk(Xk),U,Λ,V后,可得到第k个块的无噪声图像估计值 式中Sω()为软阈值函数,Sω(Λ)ii=max(Λii-ω,0)表示权重向量ω的广义软阈值算子,Λ为对角矩阵,Λii为对角矩阵元素;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010897242.0A CN111986118B (zh) | 2020-08-31 | 2020-08-31 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010897242.0A CN111986118B (zh) | 2020-08-31 | 2020-08-31 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111986118A true CN111986118A (zh) | 2020-11-24 |
CN111986118B CN111986118B (zh) | 2023-06-16 |
Family
ID=73439845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010897242.0A Active CN111986118B (zh) | 2020-08-31 | 2020-08-31 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111986118B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115421212A (zh) * | 2022-06-21 | 2022-12-02 | 中国科学技术大学 | 重磁图件补全与去噪同步处理方法及系统 |
WO2022270476A1 (ja) * | 2021-06-22 | 2022-12-29 | 株式会社小糸製作所 | イメージング装置および車両用灯具、車両 |
WO2023045251A1 (zh) * | 2021-09-24 | 2023-03-30 | 浪潮(北京)电子信息产业有限公司 | 计算鬼成像采样过程中的噪声消除方法、系统及相关组件 |
CN113192154B (zh) * | 2021-05-28 | 2023-05-23 | 广东工业大学 | 基于边缘计算的水下鬼成像系统及深度学习图像重建方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103363924A (zh) * | 2013-07-15 | 2013-10-23 | 中国科学院空间科学与应用研究中心 | 一种压缩的三维计算鬼成像系统及方法 |
CN109343077A (zh) * | 2018-11-27 | 2019-02-15 | 北京理工大学 | 一种液晶相控阵鬼成像系统及其成像方法 |
CN110244471A (zh) * | 2019-06-18 | 2019-09-17 | 华东交通大学 | 基于柯勒照明的计算鬼成像系统及方法 |
CN110319790A (zh) * | 2019-04-23 | 2019-10-11 | 首都师范大学 | 一种基于彩色散斑场的全彩色计算鬼成像方法 |
CN110646810A (zh) * | 2019-09-27 | 2020-01-03 | 北京理工大学 | 一种散斑优化压缩感知鬼成像方法及系统 |
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 |
-
2020
- 2020-08-31 CN CN202010897242.0A patent/CN111986118B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103363924A (zh) * | 2013-07-15 | 2013-10-23 | 中国科学院空间科学与应用研究中心 | 一种压缩的三维计算鬼成像系统及方法 |
CN109343077A (zh) * | 2018-11-27 | 2019-02-15 | 北京理工大学 | 一种液晶相控阵鬼成像系统及其成像方法 |
CN110319790A (zh) * | 2019-04-23 | 2019-10-11 | 首都师范大学 | 一种基于彩色散斑场的全彩色计算鬼成像方法 |
CN110244471A (zh) * | 2019-06-18 | 2019-09-17 | 华东交通大学 | 基于柯勒照明的计算鬼成像系统及方法 |
CN110646810A (zh) * | 2019-09-27 | 2020-01-03 | 北京理工大学 | 一种散斑优化压缩感知鬼成像方法及系统 |
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 |
Non-Patent Citations (1)
Title |
---|
曹飞等: "基于数字微镜器件的光子计数对应鬼成像", 《光学学报》, vol. 26, no. 1, pages 1 - 6 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113192154B (zh) * | 2021-05-28 | 2023-05-23 | 广东工业大学 | 基于边缘计算的水下鬼成像系统及深度学习图像重建方法 |
WO2022270476A1 (ja) * | 2021-06-22 | 2022-12-29 | 株式会社小糸製作所 | イメージング装置および車両用灯具、車両 |
WO2023045251A1 (zh) * | 2021-09-24 | 2023-03-30 | 浪潮(北京)电子信息产业有限公司 | 计算鬼成像采样过程中的噪声消除方法、系统及相关组件 |
CN115421212A (zh) * | 2022-06-21 | 2022-12-02 | 中国科学技术大学 | 重磁图件补全与去噪同步处理方法及系统 |
CN115421212B (zh) * | 2022-06-21 | 2024-04-02 | 中国科学技术大学 | 重磁图件补全与去噪同步处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111986118B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111986118A (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 | |
Zhang et al. | A survey of restoration and enhancement for underwater images | |
US7577309B2 (en) | Direct vision sensor for 3D computer vision, digital imaging, and digital video | |
US11169367B2 (en) | Three-dimensional microscopic imaging method and system | |
CN105931196B (zh) | 基于傅里叶光学建模的编码光圈相机图像恢复方法 | |
CN111968044A (zh) | 基于Retinex和深度学习的低照度图像增强方法 | |
US11368608B2 (en) | Compressed sensing based object imaging system and imaging method therefor | |
CN113570639B (zh) | 一种基于条纹修正相关的运动目标纹影检测系统 | |
CN111798513B (zh) | 一种基于事件相机的合成孔径成像方法及系统 | |
CN108469685B (zh) | 一种超分辨率关联成像系统及成像方法 | |
Chen et al. | Very power efficient neural time-of-flight | |
Ma et al. | Image Dehazing Based on Improved Color Channel Transfer and Multiexposure Fusion | |
De Neve et al. | An improved HDR image synthesis algorithm | |
Zhang et al. | Image Restoration | |
Alam et al. | Reduction of glare in images with saturated pixels | |
CN114049263B (zh) | 基于均值滤波的关联成像的去噪方法 | |
CN113012254B (zh) | 基于像素级自监督训练的水下图像合成方法 | |
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 | |
Zhang et al. | Anisotropic diffusion based on Fermi-Dirac distribution function and its application in the Shack-Hartman wavefront sensor | |
Rasul et al. | Study and Implementation of Convolutional Neural Network based Image Denoising | |
Ahn et al. | UDC-SIT: A Real-World Dataset for Under-Display Cameras | |
Bajaj et al. | Underwater Image Enhancement In Multi-Domain By Enhanced Wavelength Compensation And Image Dehazing | |
Matson et al. | Multiframe blind deconvolution and bispectrum processing of atmospherically degraded data: a comparison | |
Zhu et al. | Convenient noncooperative speckle-correlation imaging method | |
CN112435189A (zh) | 一种基于自编码网络的计算鬼成像方法及系统 |
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 |