CN114690508A - 一种基于高斯滤波优化的量子成像方法 - Google Patents
一种基于高斯滤波优化的量子成像方法 Download PDFInfo
- Publication number
- CN114690508A CN114690508A CN202210276175.XA CN202210276175A CN114690508A CN 114690508 A CN114690508 A CN 114690508A CN 202210276175 A CN202210276175 A CN 202210276175A CN 114690508 A CN114690508 A CN 114690508A
- Authority
- CN
- China
- Prior art keywords
- coincidence
- lens
- pump light
- light
- count value
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/35—Non-linear optics
- G02F1/3526—Non-linear optics using two-photon emission or absorption processes
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/35—Non-linear optics
- G02F1/3501—Constructional details or arrangements of non-linear optical devices, e.g. shape of non-linear crystals
- G02F1/3503—Structural association of optical elements, e.g. lenses, with the non-linear optical device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N10/00—Quantum computing, i.e. information processing based on quantum-mechanical phenomena
Landscapes
- Physics & Mathematics (AREA)
- Nonlinear Science (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Crystallography & Structural Chemistry (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Artificial Intelligence (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提出了一种基于高斯滤波优化的量子成像方法,对符合计数值进行高斯滤波来提高量子成像质量。首先,利用激光器产生泵浦光,通过透镜扩束以及半波片和四分之一波片调制,使泵浦光照射周期极化磷酸氧钛钾(Periodically Poled KTP,PPKTP)晶体,通过PPKTP的自发参量下转换过程产生具有纠缠特性的参考光子和信号光子;然后,利用面探测器探测参考光子,而信号光子则照射至待成像目标,并利用桶探测器探测信号光子;其次,对两路探测器记录的时间序列进行符合计数,得到对应图像像素位置处的符合计数值;再次,通过高斯滤波和小波变换,对符合计数值进行滤波优化处理;最后,根据处理后的符合计数值得到量子图像。
Description
技术领域
本发明属于量子信息技术领域,具体是在基于纠缠光源的量子成像过程中,对符合计数值采用高斯滤波方法进行优化,提高量子成像质量。
背景技术
近年来,量子力学与信息科学以及计算机科学的结合引领了量子信息技术研究的热潮,量子信息技术基于量子叠加与量子纠缠等原理,有望突破传统技术瓶颈,解决经典信息技术和常规计算机不可解决的问题,大规模提升计算机运行速度,确保信息通信绝对安全,数量级提升测量精度。量子纠缠是量子信息技术中的核心概念,它揭示了远距离的两个粒子和多个粒子态函数的非局域性,是量子力学不同于经典力学的基本特征之一。
传统的几何光学成像是基于物像之间点对点的共轭关系进行成像,而量子成像是利用纠缠光子的空间关联特性进行成像,具有非局域特性。成像光路由信号光路和参考光路构成,信号光路中仅有一个没有成像功能的桶状探测器,参考光路中虽然有一个用于成像的面阵探测器,但其不包含任何物体信息,无法仅凭其中一路信号得到成像结果,而只有对两路信号做符合计数才能进行成像。正是由于这种成像方式有悖于常规思维习惯,其在被发现之时被称为“鬼成像”。
除了非局域性这一特点外,量子成像还有另外几个重要特点:一是量子成像分辨率可以突破经典成像的衍射极限;二是量子成像不受光路扰动影响,具有抗大气湍流的能力;三是可以利用非相干光源进行相干成像。基于纠缠光的量子成像通过对信号光路和参考光路中的光子做符合计数,并根据符合计数值得到成像结果。环境光等因素会使引入符合计数异常值,进而导致图像质量受损。因此,通过滤除噪声来提高成像质量在基于纠缠光的量子成像领域具有重要的研究价值。随着科学技术的发展,量子成像技术在全天全时的目标识别、水下探测、地形测绘、星地遥感等诸多方面具有广泛的应用前景。
发明内容
本发明的目的是提供一种基于高斯滤波优化的量子成像方法。本发明利用高斯滤波方法对成像过程中产生的符合计数值进行平滑滤波处理,然后再对其进行小波变换,对高频小波系数再进行高斯平滑滤波以滤除噪声,最后对小波系数进行逆变换以得到优化后的符合计数值,并根据该符合计数值进行量子成像。
具体步骤如下:
步骤一:利用波长为405nm的半导体激光器产生泵浦光;
步骤二:利用焦距分别为100mm和50mm的透镜组成光束缩束组合,对泵浦光进行缩束,使能量更加集中,并利用透过波长为405nm的半波片(Half Wave Plate,HWP)和四分之一波片(Quarter Wave Plate,QWP)将泵浦光调制为线偏振;
步骤三:将调制后的泵浦光照射周期极化磷酸氧钛钾(Periodically PoledKTiOPO4,PPKTP)晶体,光束中的光子以一定概率发生参量下转换过程,得到纠缠双光子对;
步骤四:利用焦距分别为25mm和35mm的透镜对纠缠光束进行扩束,并利用通过波长为810nm的偏振分束器将纠缠光子对分开,通过偏振分束器的为信号光子,被反射的为参考光子;
步骤五:信号光子经过焦距为175mm的成像透镜照射至待成像目标,然后经过焦距为125mm聚焦透镜,再经过通过波长为810nm的窄带滤波片后被桶探测器收集;
步骤六:参考光子经过反射银镜后,入射至数字微镜器件,然后经过焦距为125mm聚焦透镜,再经过通过波长为810nm的窄带滤波片后被面探测器收集;
步骤七:对桶探测器和面探测器探测到的时间序列进行符合计数,得到对应图像像素位置处的符合计数值C(x,y);
步骤八:对符合计数值C(x,y)进行高斯滤波预处理;
步骤九:然后利用二维离散小波变换方法对处理后的符合计数值进行分解以得到小波系数,对噪声所在的高频小波系数利用同步骤九的高斯滤波方法进行平滑滤波处理;
步骤十:将步骤九中的低频小波系数和处理后的高频小波系数进行小波重构,得到优化后的符合计数值,根据符合计数值恢复出高质量图像。
所述步骤七中包括以下步骤:
步骤七(一):在采集时间T内,对具有一定延时的两路电平脉冲信号进行采集,得到两路时间序列,并根据不同的标志位标记参考光路CH1和信号光路CH2;
步骤七(二):设定符合门宽W,对CH1和CH2这两路序列进行符合计数,若对应时间序列的上升沿时间差在W内,可认为该对光子是纠缠的,则符合计数值加一,否则不加。
附图说明
图(1)为本发明的量子成像光路结构示意图;
图(2)为本发明的符合计数原理图;
图(3)为本发明的二维离散小波变换的分解重构过程示意图。
具体实施方案
下面结合附图对本发明作进一步详细描述:
步骤一:利用波长为405nm的半导体激光器产生泵浦光;
步骤二:利用焦距分别为100mm和50mm的透镜1和透镜2组成光束缩束组合,对泵浦光进行缩束,使能量更加集中,同时利用透过波长为405nm的半波片(Half Wave Plate,HWP)和四分之一波片(Quarter Wave Plate,QWP)将泵浦光调制为线偏振;
步骤三:将调制后的泵浦光照射周期极化磷酸氧钛钾(Periodically PoledKTiOPO4,PPKTP)晶体,光束中的光子以一定概率发生参量下转换过程,得到纠缠双光子对;
步骤四:利用焦距为25mm的透镜2和焦距为35mm的透镜3对纠缠光束进行扩束,并利用通过波长为810nm的偏振分束器将纠缠光子对分开,通过偏振分束器的为信号光子,被反射的为参考光子,信号光子和参考光子具有相同的光强I,且满足:
其中,符号“∝”表示正比于,d为PPKTP晶体的长度,c为光速,Δk为相位失配量,满足:
其中,kp表示泵浦光波矢,ki表示参考光波矢,ks表示信号光波矢,Λ为极化周期,2π/Λ为光栅波矢;
步骤五:信号光子经过焦距为175mm的透镜5照射至待成像目标,然后经过焦距为125mm的透镜6,再经过通过波长为810nm的窄带滤波片1后被桶探测器收集;
步骤六:参考光子经过反射银镜后,入射至数字微镜器件,然后经过焦距为125mm的透镜7,再经过通过波长为810nm的窄带滤波片2后被面探测器收集;
步骤七:对具有一定延时的两路电平脉冲信号进行采集,得到两路时间序列,并根据不同的标志位标参考光路CH1和信号光路CH2;
步骤八:设定符合门宽W,对CH1和CH2两路序列进行符合计数,得到对应图像像素位置处的符合计数值C(x,y);
步骤九:利用高斯滤波方法对符合计数值C(x,y)进行平滑滤波处理,其中,高斯滤波模板大小设为3×3,则处理后的符合计数值为:
其中,σ为标准差(设σ=1.6);
步骤十:利用二维离散小波变换方法对处理后的符合计数值进行分解以得到小波系数,对噪声所在的高频小波系数利用同步骤九的高斯滤波方法进行平滑滤波处理;
步骤十一:将低频小波系数和处理后的高频小波系数进行小波重构,得到去噪后的符合计数值,选取符合计数最大值作为灰度值255、最小值作为灰度值0,并利用线性映射方法将符合计数值映射到灰度值,以得到最终的量子图像。
Claims (1)
1.本发明所提的一种基于高斯滤波优化的量子成像方法,其特征在于包括以下步骤:
步骤一:利用波长为405nm的半导体激光器产生泵浦光;
步骤二:利用焦距分别为100mm和50mm的透镜1和透镜2组成光束缩束组合,对泵浦光进行缩束,使能量更加集中,同时利用透过波长为405nm的半波片(Half Wave Plate,HWP)和四分之一波片(Quarter Wave Plate,QWP)将泵浦光调制为线偏振;
步骤三:将调制后的泵浦光照射周期极化磷酸氧钛钾(Periodically Poled KTiOPO4,PPKTP)晶体,光束中的光子以一定概率发生参量下转换过程,得到纠缠双光子对;
步骤四:利用焦距为25mm的透镜2和焦距为35mm的透镜3对纠缠光束进行扩束,并利用通过波长为810nm的偏振分束器将纠缠光子对分开,通过偏振分束器的为信号光子,被反射的为参考光子,信号光子和参考光子具有相同的光强I,且满足:
其中,符号“∝”表示正比于,d为PPKTP晶体的长度,c为光速,Δk为相位失配量,满足:
其中,kp表示泵浦光波矢,ki表示参考光波矢,ks表示信号光波矢,Λ为极化周期,2π/Λ为光栅波矢;
步骤五:信号光子经过焦距为175mm的透镜5照射至待成像目标,然后经过焦距为125mm的透镜6,再经过通过波长为810nm的窄带滤波片1后被桶探测器收集;
步骤六:参考光子经过反射银镜后,入射至数字微镜器件,然后经过焦距为125mm的透镜7,再经过通过波长为810nm的窄带滤波片2后被面探测器收集;
步骤七:对具有一定延时的两路电平脉冲信号进行采集,得到两路时间序列,并根据不同的标志位标参考光路CH1和信号光路CH2;
步骤八:设定符合门宽W,对CH1和CH2两路序列进行符合计数,得到对应图像像素位置处的符合计数值C(x,y);
步骤九:利用高斯滤波方法对符合计数值C(x,y)进行平滑滤波处理,其中,高斯滤波模板大小设为3×3,则处理后的符合计数值为:
其中,σ为标准差(设σ=1.6);
步骤十:利用二维离散小波变换方法对处理后的符合计数值进行分解以得到小波系数,对噪声所在的高频小波系数利用同步骤九的高斯滤波方法进行平滑滤波处理;
步骤十一:将低频小波系数和处理后的高频小波系数进行小波重构,得到去噪后的符合计数值,选取符合计数最大值作为灰度值255、最小值作为灰度值0,并利用线性映射方法将符合计数值映射到灰度值,以得到最终的量子图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210276175.XA CN114690508A (zh) | 2022-03-21 | 2022-03-21 | 一种基于高斯滤波优化的量子成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210276175.XA CN114690508A (zh) | 2022-03-21 | 2022-03-21 | 一种基于高斯滤波优化的量子成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114690508A true CN114690508A (zh) | 2022-07-01 |
Family
ID=82139395
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210276175.XA Pending CN114690508A (zh) | 2022-03-21 | 2022-03-21 | 一种基于高斯滤波优化的量子成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114690508A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116559907A (zh) * | 2023-05-12 | 2023-08-08 | 山西大学 | 基于混沌激光和量子关联探测的水下单光子三维成像系统 |
-
2022
- 2022-03-21 CN CN202210276175.XA patent/CN114690508A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116559907A (zh) * | 2023-05-12 | 2023-08-08 | 山西大学 | 基于混沌激光和量子关联探测的水下单光子三维成像系统 |
CN116559907B (zh) * | 2023-05-12 | 2024-04-16 | 山西大学 | 基于混沌激光和量子关联探测的水下单光子三维成像系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Class-specific differential detection in diffractive optical neural networks improves inference accuracy | |
Barbastathis et al. | On the use of deep learning for computational imaging | |
Tachella et al. | Real-time 3D reconstruction from single-photon lidar data using plug-and-play point cloud denoisers | |
CN102473286B (zh) | 超分辨率信号重构的方法和系统 | |
Alfalou et al. | Understanding correlation techniques for face recognition: from basics to applications | |
CN112881308B (zh) | 一种基于宽光谱编码和深度学习的光谱相机 | |
Li et al. | Quantitative phase imaging (QPI) through random diffusers using a diffractive optical network | |
CN112465137A (zh) | 一种基于光子神经网络的涡旋光束模态识别系统及方法 | |
CN114690508A (zh) | 一种基于高斯滤波优化的量子成像方法 | |
Bai et al. | Data‐Class‐Specific All‐Optical Transformations and Encryption | |
CN112882246B (zh) | 一种基于滤波非相干光场强度高阶自相关的超分辨成像系统及方法 | |
Chen et al. | Computational ghost imaging in turbulent water based on self-supervised information extraction network | |
CN112179506B (zh) | 一种混合阶或分数阶涡旋光束模态识别装置及方法 | |
CN112700000A (zh) | 一种光电混合深度卷积神经网络方法 | |
Wang et al. | A Deep Learning based Target Recognition Method for Entangled Optical Quantum Imaging System | |
RU2179336C1 (ru) | Способ формирования оптического изображения в некогерентном свете и устройство для его осуществления (варианты) | |
Shi et al. | Imaging consecutive targets through scattering medium and around corners beyond the optical memory effect using untrained network | |
Li et al. | Fourier ptychography reconstruction based on reweighted amplitude flow with regularization by denoising and deep decoder | |
Huang et al. | Active imaging through dense fog by utilizing the joint polarization defogging and denoising optimization based on range-gated detection | |
Li et al. | Lensless camera: Unraveling the breakthroughs and prospects | |
Proppe et al. | 3d-2d neural nets for phase retrieval in noisy interferometric imaging | |
CN115166988B (zh) | 一种基于纠缠光的低开销量子成像方法 | |
US5704015A (en) | Optical operation element, optical data processing circuit and photoelectric operation element | |
CN114049263B (zh) | 基于均值滤波的关联成像的去噪方法 | |
CN111861907B (zh) | 一种高动态范围激光焦斑图像的去噪方法 |
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 |