CN112165570A - 一种基于计算鬼成像的多深度目标对焦方法 - Google Patents

一种基于计算鬼成像的多深度目标对焦方法 Download PDF

Info

Publication number
CN112165570A
CN112165570A CN202010890441.9A CN202010890441A CN112165570A CN 112165570 A CN112165570 A CN 112165570A CN 202010890441 A CN202010890441 A CN 202010890441A CN 112165570 A CN112165570 A CN 112165570A
Authority
CN
China
Prior art keywords
target
depth
speckle
ghost imaging
image
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
CN202010890441.9A
Other languages
English (en)
Other versions
CN112165570B (zh
Inventor
张闻文
余大权
何伟基
陈钱
顾国华
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202010890441.9A priority Critical patent/CN112165570B/zh
Publication of CN112165570A publication Critical patent/CN112165570A/zh
Application granted granted Critical
Publication of CN112165570B publication Critical patent/CN112165570B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60Control of cameras or camera modules
    • H04N23/67Focus control based on electronic image sensor signals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/80Geometric correction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于计算鬼成像的多深度目标对焦方法,包括:对计算鬼成像系统进行标定;利用相干理论和菲涅尔衍射公式估计CGI系统的深菲涅尔区长度,确定多深度目标对焦方法的搜索区间,计算散斑的纵向相干长度,确定算法的搜索步长;根据散斑平移鬼成像原理和压缩感知算法得到目标各表面在每一个深度位置的梯度域图像;根据评价函数曲线的极值点,确定不同深度目标的对焦位置。本发明将多深度目标对焦与计算鬼成像技术相结合,有助于计算鬼成像在实际应用中的推广,特别是在工业零件和生物样本的检测中。

Description

一种基于计算鬼成像的多深度目标对焦方法
技术领域
本发明属于图像处理技术领域,具体为一种基于计算鬼成像的多深度目标对焦方法。
背景技术
鬼成像,是一种利用光场的高阶关联特性,即强度涨落获取物体信息的成像方式。计算鬼成像(Computational Ghost Imaging,简称CGI)是对传统鬼成像系统的改进。采用单光路技术,将一束经过准直的单模光束照射到空间光调制器或数字微镜阵列上,经过空间光调制器反射的光束沿光路传播一段距离,与目标发生作用后被一个无空间分辨能力的桶探测器接收;将CGI系统中目标所在轴向深度的光场信号与桶探测器信号进行关联运算,可以清晰地重构出目标图像。鬼成像由于其独特的成像方式,具有抗扰动,低成本等优点,潜在的应用价值巨大。目前该技术已被应用于激光雷达,三维恢复等领域。
计算鬼成像中深度目标的对焦是近年来的研究热点,因为,CGI系统计算的虚拟衍射光场(Virtual Diffracted Patterns,简称VDP)必须与目标实际所在的轴向深度位置相匹配才能重建出清晰图像,否则会出现离焦模糊。科研人员提出了合适的图像质量评价函数,结合快速搜索算法,将评价函数极大值所在位置作为单目标实际对焦深度。Shifeng提出基于自适应对焦窗口的CGI目标深度估计算法,使评价函数的极大值两侧有较长的单调区间,同时提高了单目标深度对焦的效率。但在实际应用中,目标多为具有不同深度的三维物体,Xue-Feng Liu提出基于热光源鬼成像的光学层析成像系统,使用虚拟目标验证了赝热光源鬼成像不同深度目标同时成像的可行性。与单目标不同之处在于,不同深度目标在重建图像中的对焦/离焦程度不同影响了空域图像质量,评价函数会出现多个非目标实际深度的极大值,无法准确实现多深度目标的对焦成像。
发明内容
本发明的目的在于提供一种基于计算鬼成像的多深度目标对焦方法。
实现本发明目的的技术方案为:一种基于计算鬼成像的多深度目标对焦方法,包括:
对计算鬼成像系统进行标定;
利用相干理论和菲涅尔衍射公式估计CGI系统的深菲涅尔区长度,确定多深度目标对焦方法的搜索区间,计算散斑的纵向相干长度,确定算法的搜索步长;
根据散斑平移鬼成像原理和压缩感知算法得到目标各表面在每一个深度位置的梯度域图像;
根据评价函数曲线的极值点,确定不同深度目标的对焦位置。
优选地,具体步骤如下:
步骤1,对计算鬼成像系统进行标定;
步骤2,测量散斑的实际物理尺寸,计算CGI系统的深菲涅尔区长度,确定多深度目标对焦方法的搜索区间;
步骤3,计算CGI系统的散斑在深菲涅尔区的纵向相干长度,确定搜索算法的搜索步长;
步骤4,根据散斑平移原理,通过计算散斑2邻域x方向和y方向的一阶偏导数有限差分确定图像梯度域信号;
步骤5,将目标处的光场灰度值与桶探测器的测量电压值按照映射关系进行标定;
步骤6,使用标定后的光场电压值的累加值减去梯度域信号,得到处理后的信号;
步骤7,利用TVAL3压缩感知算法按照搜索步长重构各深度的梯度域图像;
步骤8,计算各深度梯度域图像的评价函数值,得到评价函数曲线;
步骤9,根据评价函数曲线中的极值点,确定不同深度目标的对焦位置;
步骤10,在各对焦位置,使用TVAL3压缩感知算法重构各个目标的空域对焦图像。
优选地,对计算鬼成像系统进行标定的具体方法为:
空间光调制器上播放M个已知分辨率的随机相位模板,其中每一帧模板被划分成了m×m个区域,每个区域定义为一个像素块,所述随机相位模板空间频率固定;
空间光调制器对入射光进行调制,出射的光束经过4f系统频谱选级后,以空间光调制器的像面作为散斑传播的起始面;
将散斑传播设定距离后与单个目标发生作用,桶探测器接收作用后的总强度值;
对图像进行重构;
使用单目标深度估计算法,若评价函数极大值位于目标实际所在深度,说明标定成功。
优选地,深菲涅尔区长度的确定公式为::
Figure BDA0002656767630000031
式中,D表示散斑传播起始面的整体宽度,δ0表示散斑的平均大小,λ表示计算鬼成像系统使用激光的波长。
优选地,纵向相干长度的计算公式为:
Figure BDA0002656767630000032
式中,δx表示散斑的横向相干距离,λ表示计算鬼成像系统使用激光的波长,搜索步长Δz≤δz
优选地,根据散斑平移的原理,通过计算散斑2邻域的x方向和y方向的一阶偏导数有限差分来确定图像梯度幅值的具体方法为:
将空间光调制器上的随机相位模板的像素块向右,向下各平移一个像素块;
使用平移后的散斑和未平移的散斑分别对目标进行采样,得到目标的在不同方向的梯度域信号。
优选地,目标在x方向的梯度域信号为:
Figure BDA0002656767630000033
目标在y方向的梯度域信号为:
Figure BDA0002656767630000041
其中,
Figure BDA0002656767630000042
表示向x方向平移后的散斑投影得到的桶探测信号,
Figure BDA0002656767630000043
表示向y方向平移后的散斑投影得到的桶探测器信号,
Figure BDA0002656767630000044
表示未平移的散斑投影得到的桶探测器信号,n表示随机相位模版的每一个像素块所占空间光调制器像素数,T(x,y)表示目标的透射系数。
优选地,使用标定后的光场电压值的累加值减去目标在梯度域的信号,得到预处理后的桶探测器信号为:
Figure BDA0002656767630000045
其中,
Figure BDA0002656767630000046
分别表示光场被不同深度目标边缘阻挡的散斑光强的累加。
优选地,各深度梯度域图像的评价函数为以下任意一种:
(1)归一化方差:
Figure BDA0002656767630000047
(2)标准差相关系数:
Figure BDA0002656767630000048
其中,H,W表示图像的行与列的像素数,I(x,y)表示图像中(x,y)位置像素的强度值,其中
Figure BDA0002656767630000049
表示图像全部像素的平均值。
本发明与现有的技术相比,其显著优点为:(1)本发明将目标深度的对焦方法扩展到了多深度,推动了鬼成像技术的实用化进程;(2)本发明在成像过程中,避免了空域图像噪声较多带来的干扰;(3)本发明利用压缩感知技术,降低了噪声和采样次数,增强了搜索算法的时效性;(4)本发明将多深度目标对焦与计算鬼成像技术相结合,有助于计算鬼成像在实际应用中的推广,特别是在工业零件和生物样本的检测中。
下面结合附图对本发明作进一步详细说明。
附图说明
图1为计算鬼成像多深度目标成像系统光路图。
图2为本发明的流程示意图。
图3为不同采样次数时搜索算法的评价函数曲线图。
图4为不同深度目标在对焦位置的清晰图像。
具体实施方式
如图1、2所示,一种基于计算鬼成像的多深度目标对焦方法,结合计算鬼成像和自动对焦技术,首先对CGI系统(计算鬼成像系统)进行标定,具体为:在空间光调制器上投影一个系列已知空间分辨率的随机相位模板,再附加一个具有一定空间频率的相位光栅,计算投影光束在传播方向各深度的散斑尺寸,保证计算的散斑尺寸与实际散斑的物理尺寸相等。然后根据散斑的尺寸确定深度对焦算法的搜索步长和搜索区间的长度。在散斑传播的起始面将光斑向右和向下分别平移一个散斑大小的距离,分别利用未平移的散斑,向右,和向下的散斑投影到目标表面,作用后的信号由桶探测器分别接收。根据散斑平移鬼成像原理和压缩感知算法,按照搜索步长得到目标在每一个深度位置的梯度域图像。最后选择合适的图像质量评价函数,根据评价函数曲线的极值点,同时确定多个目标的深度位置。
步骤1,对计算鬼成像系统进行标定,将光源、空间光调制器(Spatial lightmodulator,简称SLM)、4f系统(透镜L1和透镜L2),桶探测器按照图1放置在相应位置,标定过程如下:SLM上播放M个已知分辨率的随机相位模板,其中每一帧模板被划分成了m×m个区域,每个区域定义为一个像素块,由SLM上的n×n个像素表示。整个模板被附上一个固定的空间频率,对入射光进行调制,由空间光调制器出射的光束经过4f系统频谱选级后,以SLM的像面(L2的后焦面)作为散斑传播的起始面。将散斑传播一段距离后与单个目标发生作用,桶探测器接收其总强度值。目标处光场强度由公式(1)计算:
Figure BDA0002656767630000061
x,y为平面坐标,z表示目标所在深度与散斑传播起始面的纵向距离,Ez(x,y)表示目标处的光场振幅,
Figure BDA0002656767630000062
α=λfx,β=λfy,其中λ表示CGI系统使用激光的波长,fx和fy分别表示目标处光场x,y方向的空间频率。
然后根据公式(2)重构图像G(x,y):
G(x,y)=<Bi·Ii(x,y)>-<Bi><Ii(x,y)〉,i=1,…P (2)
Bi表示第i次采样时桶探测器的信号值,Ii(x,y)表示鬼成像第i次投影时的目标位置的散斑光场强度,<>表示系综平均。使用单目标深度估计算法,若评价函数极大值位于目标实际所在深度,说明标定成功。
步骤2,测量散斑的实际物理尺寸,计算CGI系统的深菲涅尔区长度,确定多深度目标对焦方法的搜索区间。深菲涅尔区长度zc由式(3)粗略估计,在zc内选定搜索区间:
Figure BDA0002656767630000063
D表示散斑传播起始面的整体宽度,δ0表示散斑的平均大小,λ表示计算鬼成像系统使用激光的波长。
步骤3,计算计算鬼成像系统的散斑在深菲涅尔区的纵向相干长度,确定搜索算法的搜索步长。纵向相干长度δz由式(4)得:
Figure BDA0002656767630000064
δx表示散斑的横向相干距离,其中在深菲涅尔区,δx=δ0,设置搜索算法的搜索步长Δz≤δz,保证搜索算法的误差小于一个纵向相干长度。
步骤4,根据散斑平移的原理,通过计算散斑2邻域的x方向和y方向的一阶偏导数有限差分来确定图像梯度幅值,因此需要将散斑分别向x方向和y方向移动一个散斑长度。由于散斑传播起始面的图像与空间光调制器中的随机相位模板具有线性关系,所以将空间光调制器上的随机相位模板的像素块向右,向下各平移一个像素块,即可使散斑平移。然后使用平移后的散斑和未平移的散斑分别对目标进行采样,得到目标的在不同方向的梯度域信号。
目标在x方向的梯度域信号如式(5):
Figure BDA0002656767630000071
目标在y方向的梯度域信号如式(6):
Figure BDA0002656767630000072
其中
Figure BDA0002656767630000073
表示向x方向平移后的散斑投影得到的桶探测信号,
Figure BDA0002656767630000074
表示向y方向平移后的散斑投影得到的桶探测器信号,
Figure BDA0002656767630000075
表示未平移的散斑投影得到的桶探测器信号。n表示随机相位模版的每一个像素块所占空间光调制器像素数,T(x,y)表示目标的透射系数。
步骤5,将目标光场强度的灰度值与桶探测器的测量电压值按照映射关系进行标定。
步骤6,对步骤4得到的梯度域信号
Figure BDA0002656767630000076
进行预处理,使用标定后的光场电压值的累加值减去目标在梯度域的信号
Figure BDA0002656767630000077
得到预处理后的桶探测器信号
Figure BDA0002656767630000078
如式(7):
Figure BDA0002656767630000079
其中
Figure BDA00026567676300000710
分别表示光场被不同深度目标边缘阻挡的散斑光强的累加。
步骤7,利用TVAL3压缩感知算法按搜索步长重构各深度的梯度域图像。TVAL3的公式如式(8):
Figure BDA0002656767630000081
其中,
Figure BDA0002656767630000082
是图像的梯度域信号,
Figure BDA0002656767630000083
表示对图像每个像素横向和纵向进行离散梯度计算。在计算鬼成像中,A是投影的散斑,b是经过预处理得到的桶探测器值
Figure BDA0002656767630000084
||·||算子表示1范数或2范数,默认选择2范数,减少重构图像的锯齿边界。上式对应的增广拉格朗日函数如式(9):
Figure BDA0002656767630000085
TVAL3算法即求解最小化增广拉格朗日函数
Figure BDA0002656767630000086
最终得到目标的梯度域图像如式(10):
Figure BDA0002656767630000087
步骤8,如图3所示,选择合适的评价函数,计算各深度梯度域图像的评价函数数值,得到评价函数曲线,研究表明,基于图像统计信息的质量评价函数效果最好,本发明中使用两种评价函数中的任意一种:
(1)归一化方差:
Figure BDA0002656767630000088
(2)标准差相关系数:
Figure BDA0002656767630000089
其中,H,W表示图像的行与列的像素数,I(x,y)表示图像中(x,y)位置像素的强度值。其中
Figure BDA00026567676300000810
表示图像全部像素的平均值。
步骤9,根据评价函数曲线中的极值点,确定不同深度目标的对焦位置。
步骤10,在曲线所示的各对焦位置,使用TVAL3压缩感知算法重构目标的空域对焦图像,如图4所示。
本发明以不同深度位置的数字目标为例说明。将目标3,目标5,目标4分别放置在计算鬼成像系统的10cm,12cm,17cm处,不同的数字分别代表不同类型的边缘,使用本发明的计算鬼成像多深度目标对焦方法,得到评价函数曲线和对焦图像如图3,图4所示。

Claims (9)

1.一种基于计算鬼成像的多深度目标对焦方法,其特征在于,包括:
对计算鬼成像系统进行标定;
利用相干理论和菲涅尔衍射公式估计CGI系统的深菲涅尔区长度,确定多深度目标对焦方法的搜索区间,计算散斑的纵向相干长度,确定算法的搜索步长;
根据散斑平移鬼成像原理和压缩感知算法得到目标各表面在每一个深度位置的梯度域图像;
根据评价函数曲线的极值点,确定不同深度目标的对焦位置。
2.根据权利要求1所述的基于计算鬼成像的多深度目标对焦方法,其特征在于,具体步骤如下:
步骤1,对计算鬼成像系统进行标定;
步骤2,测量散斑的实际物理尺寸,计算CGI系统的深菲涅尔区长度,确定多深度目标对焦方法的搜索区间;
步骤3,计算CGI系统的散斑在深菲涅尔区的纵向相干长度,确定搜索算法的搜索步长;
步骤4,根据散斑平移原理,通过计算散斑2邻域x方向和y方向的一阶偏导数有限差分确定图像梯度域信号;
步骤5,将目标处的光场灰度值与桶探测器的测量电压值按照映射关系进行标定;
步骤6,使用标定后的光场电压值的累加值减去梯度域信号,得到处理后的信号;
步骤7,利用TVAL3压缩感知算法按照搜索步长重构各深度的梯度域图像;
步骤8,计算各深度梯度域图像的评价函数值,得到评价函数曲线;
步骤9,根据评价函数曲线中的极值点,确定不同深度目标的对焦位置;
步骤10,在各对焦位置,使用TVAL3压缩感知算法重构各个目标的空域对焦图像。
3.根据权利要求1或2所述的基于计算鬼成像的多深度目标对焦方法,其特征在于,对计算鬼成像系统进行标定的具体方法为:
空间光调制器上播放M个已知分辨率的随机相位模板,其中每一帧模板被划分成了m×m个区域,每个区域定义为一个像素块,所述随机相位模板空间频率固定;
空间光调制器对入射光进行调制,出射的光束经过4f系统频谱选级后,以空间光调制器的像面作为散斑传播的起始面;
将散斑传播设定距离后与单个目标发生作用,桶探测器接收作用后的总强度值;
对图像进行重构;
使用单目标深度估计算法,若评价函数极大值位于目标实际所在深度,说明标定成功。
4.根据权利要求1或2所述的基于计算鬼成像的多深度目标对焦方法,其特征在于,深菲涅尔区长度的确定公式为::
Figure FDA0002656767620000021
式中,D表示散斑传播起始面的整体宽度,δ0表示散斑的平均大小,λ表示计算鬼成像系统使用激光的波长。
5.根据权利要求1或2所述的基于计算鬼成像的多深度目标对焦方法,其特征在于,纵向相干长度的计算公式为:
Figure FDA0002656767620000022
式中,δx表示散斑的横向相干距离,λ表示计算鬼成像系统使用激光的波长,搜索步长Δz≤δz
6.根据权利要求2所述的基于计算鬼成像的多深度目标对焦方法,其特征在于,根据散斑平移的原理,通过计算散斑2邻域的x方向和y方向的一阶偏导数有限差分来确定图像梯度幅值的具体方法为:
将空间光调制器上的随机相位模板的像素块向右,向下各平移一个像素块;
使用平移后的散斑和未平移的散斑分别对目标进行采样,得到目标的在不同方向的梯度域信号。
7.根据权利要求6所述的基于计算鬼成像的多深度目标对焦方法,其特征在于,目标在x方向的梯度域信号为:
Figure FDA0002656767620000031
目标在y方向的梯度域信号为:
Figure FDA0002656767620000032
其中,
Figure FDA0002656767620000033
表示向x方向平移后的散斑投影得到的桶探测信号,
Figure FDA0002656767620000034
表示向y方向平移后的散斑投影得到的桶探测器信号,
Figure FDA0002656767620000035
表示未平移的散斑投影得到的桶探测器信号,n表示随机相位模版的每一个像素块所占空间光调制器像素数,T(x,y)表示目标的透射系数。
8.根据权利要求2所述的基于计算鬼成像的多深度目标对焦方法,其特征在于,使用标定后的光场电压值的累加值减去目标在梯度域的信号,得到预处理后的桶探测器信号为:
Figure FDA0002656767620000036
其中,
Figure FDA0002656767620000037
分别表示光场被不同深度目标边缘阻挡的散斑光强的累加。
9.根据权利要求2所述的基于计算鬼成像的多深度目标对焦方法,其特征在于,各深度梯度域图像的评价函数为以下任意一种:
(1)归一化方差:
Figure FDA0002656767620000041
(2)标准差相关系数:
Figure FDA0002656767620000042
其中,H,W表示图像的行与列的像素数,I(x,y)表示图像中(x,y)位置像素的强度值,其中
Figure FDA0002656767620000043
表示图像全部像素的平均值。
CN202010890441.9A 2020-08-29 2020-08-29 一种基于计算鬼成像的多深度目标对焦方法 Active CN112165570B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010890441.9A CN112165570B (zh) 2020-08-29 2020-08-29 一种基于计算鬼成像的多深度目标对焦方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010890441.9A CN112165570B (zh) 2020-08-29 2020-08-29 一种基于计算鬼成像的多深度目标对焦方法

Publications (2)

Publication Number Publication Date
CN112165570A true CN112165570A (zh) 2021-01-01
CN112165570B CN112165570B (zh) 2022-06-28

Family

ID=73860476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010890441.9A Active CN112165570B (zh) 2020-08-29 2020-08-29 一种基于计算鬼成像的多深度目标对焦方法

Country Status (1)

Country Link
CN (1) CN112165570B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113607081A (zh) * 2021-07-28 2021-11-05 清华大学 一种接触式焊接表面缺陷三维测量系统及方法
CN114295082A (zh) * 2021-12-10 2022-04-08 散裂中子源科学中心 一种基于近场散斑的曲面波前与面形高精度检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106303242A (zh) * 2016-08-18 2017-01-04 上海交通大学 多光谱显微成像的快速主动对焦系统及方法
CN106772310A (zh) * 2016-12-30 2017-05-31 南京理工大学 一种基于计算鬼成像的目标鉴定装置及其方法
CN110533733A (zh) * 2018-05-25 2019-12-03 南京理工大学 一种基于计算鬼成像的自动搜索目标深度的方法
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106303242A (zh) * 2016-08-18 2017-01-04 上海交通大学 多光谱显微成像的快速主动对焦系统及方法
CN106772310A (zh) * 2016-12-30 2017-05-31 南京理工大学 一种基于计算鬼成像的目标鉴定装置及其方法
CN110533733A (zh) * 2018-05-25 2019-12-03 南京理工大学 一种基于计算鬼成像的自动搜索目标深度的方法
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

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
HENG WU; XIANMIN ZHANG; JINQIANG GAN; CHUNLING LUO: "High-Quality Computational Ghost Imaging Using an Optimum Distance Search Method", 《 IEEE PHOTONICS JOURNAL》 *
RUIQING HE等: "Auto-focusing method for computational ghost imaging system in deep-Fresnel region", 《光学杂志》 *
周成,黄贺艳,刘兵,宋立军: "基于混合散斑图的压缩计算鬼成像方法研究", 《光学学报》 *
李龙珍,姚旭日,刘雪峰,俞文凯,翟光杰: "基于压缩感知超分辨鬼成像", 《物理学报》 *
王梦涵等: "不同压缩感知重建算法在鬼成像中的性能比较", 《量子电子学报》 *
石峰等: "基于自适应对焦窗口的计算鬼成像目标深度估计方法", 《红外与激光工程》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113607081A (zh) * 2021-07-28 2021-11-05 清华大学 一种接触式焊接表面缺陷三维测量系统及方法
CN114295082A (zh) * 2021-12-10 2022-04-08 散裂中子源科学中心 一种基于近场散斑的曲面波前与面形高精度检测方法
CN114295082B (zh) * 2021-12-10 2024-01-26 散裂中子源科学中心 一种基于近场散斑的曲面波前与面形高精度检测方法

Also Published As

Publication number Publication date
CN112165570B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
KR101810637B1 (ko) 티코그래피에서 프로브의 보정
JP5541653B2 (ja) 撮像装置及びその制御方法
AU2008252706B2 (en) Three dimensional imaging
US6987255B2 (en) State space wavefront reconstructor for an adaptive optics control
US7388676B2 (en) Image processing apparatus and refractive index distribution measuring apparatus
CN112165570B (zh) 一种基于计算鬼成像的多深度目标对焦方法
US8755036B2 (en) Active imaging system and method
CN110274877A (zh) 一种基于散射介质的3d光谱成像系统及方法
IL228898A (en) A method and device for providing character information for the purpose of visualizing a target area
EA011004B1 (ru) Способ получения данных изображения и используемые в нем средства
CN105445492B (zh) 一种透过散射介质的激光散斑流速检测方法和装置
CN111551129B (zh) 大口径平面镜的中、低阶面形检测装置、系统及存储介质
US20100310176A1 (en) Apparatus and Method for Measuring Depth and Method for Computing Image Defocus and Blur Status
US11953381B2 (en) Wavefront sensors and wavefront shape determination using related imaging sensors
CN210036591U (zh) 一种基于频域oct技术的三维彩色动态成像装置
CN102866133A (zh) 透射型样品振幅和相位成像装置和方法
Mundy et al. A three-dimensional sensor based on structured light
US11867625B2 (en) System and method for imaging via scattering medium
US8917393B2 (en) Method and apparatus for providing image data
Khan et al. High-density single shot 3D sensing using adaptable speckle projection system with varying preprocessing
Dvoinishnikov et al. An optoelectronic method of contactless measurement of the profile of the surface of large complexly shaped objects
JP2013033006A (ja) 分光情報取得装置、分光情報取得方法及び分光情報取得用プログラム
US11202040B2 (en) System and method for monitoring a sample
CN113946116A (zh) 散射光场全息范围三维位移紧凑型测量装置、方法及介质
CN105446111A (zh) 一种应用于数字全息重构过程的对焦方法

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