CN112950731B - 一种单帧强背景干扰下的透散射介质成像方法 - Google Patents
一种单帧强背景干扰下的透散射介质成像方法 Download PDFInfo
- Publication number
- CN112950731B CN112950731B CN202110142913.7A CN202110142913A CN112950731B CN 112950731 B CN112950731 B CN 112950731B CN 202110142913 A CN202110142913 A CN 202110142913A CN 112950731 B CN112950731 B CN 112950731B
- Authority
- CN
- China
- Prior art keywords
- speckle
- autocorrelation
- image
- background
- interference
- 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 71
- 239000011159 matrix material Substances 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 238000005286 illumination Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 239000005337 ground glass Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- -1 biological tissues Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000001093 holography Methods 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G06T5/70—
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Instruments For Measurement Of Length By Optical Means (AREA)
Abstract
本发明提供的一种单帧强背景干扰下的透散射介质成像方法，通过从强背景光干扰下的透散射介质成像系统中获取散斑图像，计算散斑图像的自相关；在散斑图像中，先去除自相关波浪形背景；之后去除与目标的自相关相互混合的尖峰部分，得到去除干扰光背景的散斑自相关图像；由于在自相关上外界强干扰表现为一个波浪形背景与尖峰的组合，而波浪形背景与目标信息在数值上有着显著的差别，故在自相关上对波浪形背景进行拟合比在散斑上直接进行拟合有着更为有效的效果，采用低秩稀疏矩阵再来对与目标信息混合在一起的表现为尖峰部分的噪声进行去除，更进一步提高了散斑自相关的对比度，使得本发明能够从存在强背景光干扰的情况下从散斑中重建出目标。
Description
技术领域
本发明属于散射成像领域，具体涉及一种单帧强背景干扰下的透散射介质成像方法。
背景技术
当携带目标信息的光通过毛玻璃、生物组织、云雾等散射介质时，由于介质的不均匀性，光波会偏离原来的传播方向，其携带的信息也会被扰乱，致使在探测器上得到的只是一个退化的图像。为实现透散射介质的目标成像，发展出了散射成像技术，透散射介质成像已经发展出了诸如光学传输矩阵、波前整形、深度学习、相干全息以及散斑相关等多种成像方法，其中散斑相关成像技术以其单帧、非侵入式成像等优点而成为一种极具发展潜力的透散射介质成像方法，然而在目前的散斑相关成像中，其成像质量会受目标自相关精细程度的制约，而当成像环境中存在强背景噪声干扰时，散斑自相关的对比度会严重降低，使得其精细结构淹没于背景干扰噪声。
现有技术中记载了一种基于光学记忆效应构建的滤波器，该滤波器能有效改善在获取点扩散函数时所引入的人工误差，能以更小的均方误差抑制背景噪声和中心极大值，在一定程度上改善了解卷积方法的图像重建质量。但是由于滤波器所需要的各参数计算较为困难，从散斑中直接计算得到参数准确率较低，且该方法针对的仅是在暗室环境下由于人工误差或微弱干扰光所引入的噪声，对强干扰光所引入的噪声处理效果较差。
现有技术中记载的基于非零像素数约束的改进的散斑相关成像技术，利用泽尼克拟合来去除暗室散斑采集过程中所产生的散射光包络，在一定程度上提高了散斑对比度，利用非零像素数约束来代替HIO相位恢复算法的非负约束，改进了相位恢复算法来对目标进行重建，改善了散斑相关方法的目标重建质量，提高了重建目标的分辨率。由于该方案在散斑上目标信息与散射光包络在数值上并没有明显差别二者是混合在一起的，因此直接在散斑上对散射光包络进行拟合，其对干扰光的去除效果并不明显，仅类似于对采集的散斑做一个低通滤波，不仅无法去除外界强干扰光所引入的在自相关上表现出的波浪形背景，更无法去除与目标信息直接混合在一起的噪声，而非零像素数约束只是对相位恢复算法物域的另一种约束，对于噪声的去除并没有明显的改善效果。
现有技术中记载的基于多帧测量的光学传递函数恢复法，从多次测量的冗余信息中通过迭代的方法来恢复光学传递函数的相位，并利用该相位通过解卷积的方法从低信噪比散斑中重建出目标，实现视频成像，重建过程具有高度稳定性和快速收敛性。由于该方案在得到光学传递函数的相位时不仅需要测量多帧数据，而且是通过迭代的方法来计算，时间复杂度较高，并且受迭代次数的影响，当迭代次数较少时，重建结果质量极差甚至完全重建不出目标。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种单帧强背景干扰下的透散射介质成像方法。本发明要解决的技术问题通过以下技术方案实现：
本发明提供的一种单帧强背景干扰下的透散射介质成像方法，包括：
从强背景光干扰下的透散射介质成像系统中获取散斑图像；
其中，所述散斑图像包含强背景干扰光信息和目标信息；
计算所述散斑图像的自相关，得到自相关矩阵；
其中，所述自相关矩阵对应一个散斑自相关图像；
在所述散斑自相关图像中，去除自相关波浪形背景，得到处理后的散斑自相关图像；
在所述处理后的散斑自相关图像中，去除与目标的自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像；
基于所述去除干扰背景后的散斑自相关图像，利用相位恢复算法重构在强背景光干扰下的目标。
可选的，所述透散射介质成像系统包括：光源与目标模块、散射介质、干扰光模块、以及探测器，所述光源与目标模块包括LED、准直透镜以及目标，所述LED用于产生成像照明光源，经准直透镜准直后照射到目标上，与干扰光模块中的干扰光一起经由散射介质后被探测器接受，用于采集散斑图像；
所述从强背景光干扰下的透散射介质成像系统中获取散斑图像包括：
从强背景光干扰下的透散射介质成像系统中的探测器，获取散斑图像。
可选的，在所述计算所述散斑图像的自相关的步骤之前，所述透散射介质成像方法还包括：
对所述散斑图像进行高斯滤波预处理。
可选的，所述计算所述散斑图像的自相关，得到自相关矩阵的步骤包括：
将所述散斑图像的数据输入至预设的强背景噪声干扰下的透散射介质成像算法中，获得所述散斑图像的自相关矩阵。
可选的，在所述散斑自相关图像中，去除自相关波浪形背景，得到处理后的散斑自相关图像的步骤包括：
利用泽尼克拟合算法在所述散斑图像中去除自相关波浪形背景，得到处理后的散斑自相关图像。
可选的，所述利用泽尼克拟合算法在所述散斑自相关图像中去除自相关波浪形背景，得到处理后的散斑自相关图像的步骤，包括：
利用Gram-Schmidt方法将泽尼克梯度多项式标准正交化，得到一组方形域内标准正交的矢量多项式集；
利用所述矢量多项式集对输入的散斑自相关的波浪形背景进行拟合，得到拟合的波浪形背景；
将输入的散斑自相关与拟合的波浪形背景做差，得到无波浪形背景的处理后的散斑自相关图像。
可选的，所述在所述处理后的散斑自相关图像中，去除与目标的自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像的步骤包括：
利用低秩稀疏矩阵分解算法，去除与目标自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像。
可选的，所述利用低秩稀疏矩阵分解算法，去除与目标自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像的步骤包括：
利用基于截断核范数优化的低秩稀疏矩阵分解算法对所述处理后的散斑自相关图像进行分解，以使所述处理后的散斑自相关图像中的噪声部分以及目标信息分离，得到包含目标信息的低秩矩阵以及包含噪声部分的稀疏矩阵；
在所述处理后的散斑自相关图像中，将包含噪声部分的稀疏矩阵对应的部分去除，得到去除干扰背景后的散斑自相关图像。
本发明提供的一种单帧强背景干扰下的透散射介质成像方法，通过从强背景光干扰下的透散射介质成像系统中获取散斑图像，计算散斑图像的自相关；在散斑图像中，去除自相关波浪形背景，得到处理后的散斑自相关图像；之后去除与目标的自相关相互混合的尖峰部分，得到较为纯净的散斑自相关图像；由于在自相关上外界强干扰表现为一个波浪形背景与尖峰的组合，而波浪形背景与目标信息在数值上有着显著的差别，故在自相关上对波浪形背景进行拟合比在散斑上直接进行拟合有着更为有效的效果，采用低秩稀疏矩阵再来对与目标信息混合在一起的表现为尖峰部分的噪声进行去除，更进一步提高了散斑自相关的对比度，使得本发明能够从存在强背景干扰的情况下从散斑中重建出目标。
附图说明
图1是本发明实施例提供的一种单帧强背景干扰下的透散射介质成像方法的流程图；
图2是本发明实施例提供的透散射介质成像系统的结构图；
图3是本发明实施例提供的强背景噪声干扰下的透散射介质成像算法去干扰流程图；
图4为泽尼克拟合去除波浪形背景示意图；
图5为低秩稀疏矩阵分解去除尖峰背景示意图；
图6为强背景噪声干扰下的透散射介质成像仿真图；
图7为强背景噪声干扰下的透散射介质成像实验结果图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
如图1所示，本发明提供的一种单帧强背景干扰下的透散射介质成像方法，包括：
S1，从强背景光干扰下的透散射介质成像系统中获取散斑图像；
其中，散斑图像包含强背景干扰信息和目标信息，所述目标信息为目标在探测器中成像后图像中目标的像素点信息，强背景干扰光作用于目标后，成像在探测器中图像中包含的背景像素点信息。
S2，计算散斑图像的自相关，得到自相关矩阵；
其中，所述自相关矩阵对应一个散斑自相关图像；
S3，在散斑自相关图像中，去除自相关波浪形背景，得到处理后的散斑自相关图像；
S4，在处理后的散斑自相关图像中，去除与目标的自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像；
S5，基于去除干扰背景后的散斑自相关图像，利用相位恢复算法重构在强背景光干扰下的目标。
可以理解，本发明在散斑自相关而非直接在散斑上对外界干扰光所引起的波浪形背景进行泽尼克拟合，与在散斑上直接对外界干扰进行拟合相比，由于在自相关上外界强干扰表现为一个波浪形背景与尖峰的组合，而波浪形背景与目标信息在数值上有着显著的差别，二者是明显分离的，故在自相关上对波浪形背景进行拟合比在散斑上直接进行拟合有着更为有效的效果，接着采用低秩稀疏矩阵再来对与目标信息混合在一起的表现为尖峰部分的噪声进行去除，更进一步提高了散斑自相关的对比度，使得本发明能够从存在强背景干扰的情况下从散斑中重建出目标，有效解决强背景噪声干扰下的透散射介质成像问题。
本发明提供的一种单帧强背景干扰下的透散射介质成像方法，通过从强背景光干扰下的透散射介质成像系统中获取散斑图像，计算散斑图像的自相关；在散斑自相关图像中，去除自相关波浪形背景，得到处理后的散斑自相关图像；之后去除与目标的自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像；由于在自相关上外界强干扰表现为一个波浪形背景与尖峰的组合，而波浪形背景与目标信息在数值上有着显著的差别，故在自相关上对波浪形背景进行拟合比在散斑上直接进行拟合有着更为有效的效果，采用低秩稀疏矩阵再来对与目标信息混合在一起的表现为尖峰部分的噪声进行去除，更进一步提高了散斑自相关的对比度，使得本发明能够从存在强背景干扰的情况下从散斑中重建出目标。
实施例二
如图2所示，本发明提供的透散射介质成像系统包括：光源与目标模块A、散射介质4、干扰光模块B、以及探测器6，所述光源与目标模块包括LED1、准直透镜2以及目标3，所述LED用于产生成像照明光源，经准直透镜准直后照射到目标上，与干扰光模块中的干扰光一起经由散射介质后被探测器接受，用于采集散斑图像；
所述从强背景光干扰下的透散射介质成像系统中获取散斑图像包括：
从强背景光干扰下的透散射介质成像系统中的探测器，获取散斑图像。
其中，LED用于产生成像照明光源，准直透镜来对LED产生的照明光源进行准直输出，并使其照射到成像目标上；散射介质为毛玻璃；干扰光模块C中的干扰光为一个白光光源，波长范围：400nm～2200nm，输出功率：50mW，探测器模块C包含探测器(sCMOS相机，像素：2048×2060)用于接收散斑场图像。
实施例三
作为本发明一种可选的实施例，在所述计算所述散斑图像的自相关的步骤之前，所述透散射介质成像方法还包括：
对所述散斑图像进行高斯滤波预处理。
参考图3，强背景噪声干扰下的透散射介质成像算法去干扰流程如下：1、首先输入采集的含强背景干扰的散斑图像I输入后；2、对散斑图像进行高斯滤波预处理，并计算其自相关；3、利用泽尼克拟合算法去除自相关波浪形背景，得到图像A1；4、利用低秩稀疏矩阵分解算法去除与目标自相关混在一起的尖峰，得到较纯净自相关A2。
实施例四
作为本发明一种可选的实施例，所述计算所述散斑图像的自相关，得到自相关矩阵的步骤包括：
将所述散斑图像的数据输入至预设的强背景噪声干扰下的透散射介质成像算法中，获得所述散斑图像的自相关矩阵。
实施例五
作为本发明一种可选的实施例，所述在所述散斑图像中，去除自相关波浪形背景，得到处理后的散斑自相关图像的步骤包括：
利用泽尼克拟合算法在所述散斑图像中去除自相关波浪形背景，得到处理后的散斑自相关图像。
作为本发明一种可选的实施例，所述利用泽尼克拟合算法在所述散斑图像中去除自相关波浪形背景，得到处理后的散斑自相关图像的步骤，包括：
步骤一：利用Gram-Schmidt方法将泽尼克梯度多项式标准正交化，得到一组方形域内标准正交的矢量多项式集；
步骤二：利用所述矢量多项式集对输入的散斑自相关的波浪形背景进行拟合，得到拟合的波浪形背景；
步骤三：将输入的散斑自相关与拟合的波浪形背景做差，得到处理后的无波浪形背景的散斑自相关图像。
参考图4，图4为泽尼克拟合去除波浪形背景示意图，在图4中(a)为散斑自相关，(b)为(a)的三维强度分布图，(c)为利用泽尼克多项式拟合出来的波浪形背景，(d)为(c)的三维强度分布图，(f)为用(a)减去(c)后得到的去除波浪形背景的自相关A1，(g)为(f)的三维强度分布图。
实施例七
作为本发明一种可选的实施例，所述在所述处理后的散斑自相关图像中，去除与目标的自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像的步骤包括：
利用低秩稀疏矩阵分解算法，去除与目标自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像。
实施例八
作为本发明一种可选的实施例，所述利用低秩稀疏矩阵分解算法，去除与目标自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像的步骤包括：
步骤一：利用基于截断核范数优化的低秩稀疏矩阵分解算法对所述处理后的散斑自相关图像进行分解，以使所述处理后的散斑自相关图像中的噪声部分以及目标信息分离，得到包含目标信息的低秩矩阵以及包含噪声部分的稀疏矩阵；
步骤二：在所述处理后的散斑自相关图像中，将包含噪声部分的稀疏矩阵对应的部分去除，得到去除干扰背景后的散斑自相关图像。
参考图5，图5为低秩稀疏矩阵分解去除尖峰背景示意图，其中，图5中(a)为去除波浪形背景的自相关，图5中(b)为低秩稀疏矩阵分解中分离出的稀疏部分，也即是干扰光中的尖峰部分，图5中(c)为图5中(b)的三维强度分布图，图5中(d)为低秩稀疏矩阵分解中分离出来的低秩部分，也是目标信息的自相关部分。
下面通过仿真试验验证本发明提供的一种单帧强背景干扰下的透散射介质成像方法的成像效果。
图6所示为强背景噪声干扰下的透散射介质成像仿真图，其中图6中(A1)和图6中(B1)为成像目标，图6中(A2)和图6中(B2)为仿真所得到的加干扰光的散斑图，图6中(A3)和图6中(B3)为经过高斯滤波处理后的散斑，图6中(A4)为直接对散斑图像计算自相关的结果，图6中(B4)为利用我们所提出的方法处理后的自相关的图像，图6中(A5)和图6中(B5)分别为图6中(A4)和图6中(B4)的三维强度分布图，图6中(A6)和图6中(B6)为目标的功率谱，图6中(A7)和图6中(B7)为最终利用相位恢复算法重建的结果，从重建结果不难看出，本发明提供的方法能以较高的质量重建出目标。图6中(C1～C7)、图6中(D1～D7)与图6中(A1～A7)、图6中(B1～B7)各列所表示意义相同，只是目标由D换为H。
图7所示为强背景噪声干扰下的透散射介质成像实验结果图，其中图7中(A1)和图7中(B1)为实验所用的目标，图7中(A2)和图7中(B2)为探测器所接受到的实际散斑，图7中(A3)和图7中(B3)为经过高斯滤波预处理后的图像，图7中(A4)为直接利用高斯滤波后的散斑计算自相关的结果，图7中(B4)为利用我们所提出的方法对直接得到的自相关进行处理后所得到的较为纯净的自相关，图7中(A5)和图7中(B5)为图7中(A4)和图7中(B4)的三维强度分布图，图7中(A6)和图7中(B6)为目标的功率谱，图7中(A7)与图7中(B7)为利用相位恢复算法重建的结果。图7中(C1～C7)、图7中(D1～D7)与图7中(A1～A7)、图7中(B1～B7)各列所表示意义相同，只是目标由C更换为D。
从上述试验结果本发明是基于泽尼克拟合以及低秩稀疏矩阵分解的透散射介质散斑相关成像，将存在很强背景干扰的散斑自相关进行背景去除，从而分离出具有较高对比度的散斑自相关，从而有效避免了背景干扰对目标重建质量的影响，实现了在强背景干扰下的透散射介质散斑相关成像，算法具有较高的鲁棒性；本发明成像光路中无透镜参与，成像过程中无像差引入，无需复杂的像差校正过程，并且本发明成像光路无需SLM或DMD等滤波分光元件及光场调制元件，光路简单、操作方便、效率高。
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普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
Claims (4)
1.一种单帧强背景干扰下的透散射介质成像方法，其特征在于，包括：
从强背景光干扰下的透散射介质成像系统中获取散斑图像；
其中，所述散斑图像包含强背景干扰光信息和目标信息；
计算所述散斑图像的自相关，得到自相关矩阵；
其中，所述自相关矩阵对应一个散斑自相关图像；
在所述散斑自相关图像中，去除自相关波浪形背景，得到处理后的散斑自相关图像；
在所述处理后的散斑自相关图像中，去除与目标的自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像；
基于所述去除干扰背景后的散斑自相关图像，利用相位恢复算法重构在强背景光干扰下的目标；
所述透散射介质成像系统包括：光源与目标模块、散射介质、干扰光模块、以及探测器，所述光源与目标模块包括LED、准直透镜以及目标，所述LED用于产生成像照明光源，经准直透镜准直后照射到目标上，与干扰光模块中的干扰光一起经由散射介质后被探测器接受，用于采集散斑图像；
所述从强背景光干扰下的透散射介质成像系统中获取散斑图像包括：
从强背景光干扰下的透散射介质成像系统中的探测器，获取散斑图像；
所述计算所述散斑图像的自相关，得到自相关矩阵的步骤包括：
将所述散斑图像的数据输入至预设的强背景噪声干扰下的透散射介质成像算法中，获得所述散斑图像的自相关矩阵；
在所述散斑自相关图像中，去除自相关波浪形背景，得到处理后的散斑自相关图像的步骤包括：
利用泽尼克拟合算法在所述散斑图像中去除自相关波浪形背景，得到处理后的散斑自相关图像；
所述利用泽尼克拟合算法在所述散斑自相关图像中去除自相关波浪形背景，得到处理后的散斑自相关图像的步骤，包括：
利用Gram-Schmidt方法将泽尼克梯度多项式标准正交化，得到一组方形域内标准正交的矢量多项式集；
利用所述矢量多项式集对输入的散斑自相关的波浪形背景进行拟合，得到拟合的波浪形背景；
将输入的散斑自相关与拟合的波浪形背景做差，得到无波浪形背景的处理后的散斑自相关图像。
2.根据权利要求1所述的透散射介质成像方法，其特征在于，在所述计算所述散斑图像的自相关的步骤之前，所述透散射介质成像方法还包括：
对所述散斑图像进行高斯滤波预处理。
3.根据权利要求1所述的透散射介质成像方法，其特征在于，所述在所述处理后的散斑自相关图像中，去除与目标的自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像的步骤包括：
利用低秩稀疏矩阵分解算法，去除与目标自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像。
4.根据权利要求3所述的透散射介质成像方法，其特征在于，所述利用低秩稀疏矩阵分解算法，去除与目标自相关相互混合的尖峰部分，得到去除干扰背景后的散斑自相关图像的步骤包括：
利用基于截断核范数优化的低秩稀疏矩阵分解算法对所述处理后的散斑自相关图像进行分解，以使所述处理后的散斑自相关图像中的噪声部分以及目标信息分离，得到包含目标信息的低秩矩阵以及包含噪声部分的稀疏矩阵；
在所述处理后的散斑自相关图像中，将包含噪声部分的稀疏矩阵对应的部分去除，得到去除干扰背景后的散斑自相关图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110142913.7A CN112950731B (zh) | 2021-02-02 | 2021-02-02 | 一种单帧强背景干扰下的透散射介质成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110142913.7A CN112950731B (zh) | 2021-02-02 | 2021-02-02 | 一种单帧强背景干扰下的透散射介质成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112950731A CN112950731A (zh) | 2021-06-11 |
| CN112950731B true CN112950731B (zh) | 2024-01-23 |
Family
ID=76241531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110142913.7A Active CN112950731B (zh) | 2021-02-02 | 2021-02-02 | 一种单帧强背景干扰下的透散射介质成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112950731B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116402917B (zh) * | 2023-06-09 | 2023-08-15 | 之江实验室 | 宽谱光散斑自相关成像的待重建图像的确定方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104849874A (zh) * | 2015-06-02 | 2015-08-19 | 西安电子科技大学 | 基于稀疏表示的随机散射光学成像系统及成像方法 |
| WO2016188068A1 (zh) * | 2015-05-27 | 2016-12-01 | 珠海真幻科技有限公司 | 以计算激光散斑为纹理的立体视觉三维面形测量方法及系统 |
| WO2017134907A1 (ja) * | 2016-02-03 | 2017-08-10 | ソニー株式会社 | 撮像システム、撮像装置、撮像方法 |
| CN108535681A (zh) * | 2018-02-05 | 2018-09-14 | 西安电子科技大学 | 一种透过散射介质的目标4d跟踪系统及方法 |
-
2021
- 2021-02-02 CN CN202110142913.7A patent/CN112950731B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016188068A1 (zh) * | 2015-05-27 | 2016-12-01 | 珠海真幻科技有限公司 | 以计算激光散斑为纹理的立体视觉三维面形测量方法及系统 |
| CN104849874A (zh) * | 2015-06-02 | 2015-08-19 | 西安电子科技大学 | 基于稀疏表示的随机散射光学成像系统及成像方法 |
| WO2017134907A1 (ja) * | 2016-02-03 | 2017-08-10 | ソニー株式会社 | 撮像システム、撮像装置、撮像方法 |
| CN108535681A (zh) * | 2018-02-05 | 2018-09-14 | 西安电子科技大学 | 一种透过散射介质的目标4d跟踪系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 范诚 ; 宋占杰 ; 汪火根 ; 蔡志森 ; 江朝川 ; 张硕 ; .基于随机场的全息采样及三维显示.电子学报.2020,(09),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112950731A (zh) | 2021-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110274877B (zh) | 一种基于散射介质的3d光谱成像系统及方法 | |
| Orieux et al. | Bayesian estimation for optimized structured illumination microscopy | |
| US11368608B2 (en) | Compressed sensing based object imaging system and imaging method therefor | |
| FR2924254A1 (fr) | Procede de traitement d'images en radioscopie interventionnelle | |
| CN112287571A (zh) | 基于物理驱动的散射泛化成像方法和实验方法 | |
| CN112161953B (zh) | 一种基于散射介质的宽光谱单帧散射成像方法 | |
| CN111739117A (zh) | 基于卷积神经网络对经散射介质后的物体进行成像的方法 | |
| CN107085838B (zh) | 全息图噪声的去除方法及装置 | |
| CN109752377B (zh) | 一种分光式双模态投影层析组织血管成像装置及方法 | |
| CN112950731B (zh) | 一种单帧强背景干扰下的透散射介质成像方法 | |
| KR102111124B1 (ko) | 무렌즈 단층 촬영 회절영상의 재구성방법 및 이 방법이 사용되는 휴대용 수질입자 분석장치 | |
| Zhang et al. | Adaptive enhancement of acoustic resolution photoacoustic microscopy imaging via deep CNN prior | |
| US20100232664A1 (en) | Pattern noise correction for pseudo projections | |
| Tong et al. | Quantitative pure-phase object reconstruction under single-shot Fourier measurement via deep learning | |
| Gao et al. | Compressive ghost imaging in scattering media guided by region of interest | |
| Madsen et al. | On-axis digital holographic microscopy: Current trends and algorithms | |
| EP4260026A1 (en) | Totagraphy: coherent diffractive/digital information reconstruction by iterative phase recovery using special masks | |
| Nguyen et al. | 3D optical diffraction tomography using deep learning | |
| Hussain et al. | Performance comparison of wavelet families for noise reduction and intensity thresholding in Fourier Ptychographic microscopy | |
| Wu et al. | An edge detail enhancement strategy based on Fourier single-pixel imaging | |
| Proppe et al. | 3d-2d neural nets for phase retrieval in noisy interferometric imaging | |
| JP4137822B2 (ja) | 画像再構成方法及び装置、画像再構成プログラム | |
| Liu | Optical phase space measurements and applications to 3D imaging and light scattering | |
| Feshki et al. | Deep Learning Empowered Fresnel-based Lensless Fluorescence Microscopy | |
| Ju et al. | Complex field recovery from on-axis digital hologram using deep learning |
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 |