CN117906525A - 基于干涉条纹的快照压缩三维成像方法、设备及存储介质 - Google Patents
基于干涉条纹的快照压缩三维成像方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117906525A CN117906525A CN202311730020.XA CN202311730020A CN117906525A CN 117906525 A CN117906525 A CN 117906525A CN 202311730020 A CN202311730020 A CN 202311730020A CN 117906525 A CN117906525 A CN 117906525A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional imaging
- interference fringes
- denoising
- phase
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 73
- 230000006835 compression Effects 0.000 title claims abstract description 14
- 238000007906 compression Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 230000000295 complement effect Effects 0.000 claims abstract description 17
- 229910044991 metal oxide Inorganic materials 0.000 claims abstract description 17
- 150000004706 metal oxides Chemical class 0.000 claims abstract description 17
- 239000004065 semiconductor Substances 0.000 claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 13
- 238000013178 mathematical model Methods 0.000 claims description 28
- 238000005457 optimization Methods 0.000 claims description 18
- 230000009977 dual effect Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/2441—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures using interferometry
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于干涉条纹的快照压缩三维成像方法,包括:通过互补金属氧化物半导体相机采集数字微镜器件测量设备编码后的干涉条纹记录的二维成像信息;采用基于压缩感知的图像重构算法对所述二维成像信息进行图像重构;将重构后的图像基于快速傅里叶变换法进行相位重建,得到动态变化的相位信息。本发明通过使用互补金属氧化物半导体相机采集数字微镜器件测量设备实现了对高速瞬态现象的记录,具有高时间分辨率和高空间分辨率,完成了对高速动态过程的三维精密测量。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种基于干涉条纹的快照压缩三维成像方法、设备及存储介质。
背景技术
三维成像是利用传感器件和计算方法获取目标对象高精度三维表面形貌信息的技术。其中,基于干涉条纹的三维成像是一种基于光学干涉原理的三维形貌测量技术,具有高精度、高分辨率、非接触式、无损伤等优点。近年来,三维成像技术不断提升,例如与单像素结合来提高三维成像分辨率、与显微成像系统结合应用在生物医学上、通过神经网络的算法来提高三维成像质量等。
然而,目前一些研究工作集中在减少投影图形数量、相位误差补偿及数据处理加速等方面,无法应对高速瞬态现象的三维成像需求,依然面临高速动态三维数据获取精度不高的根本性制约,导致很多需要研究的高速瞬态三维信息无法被获取。
发明内容
本发明的主要目的是提出一种基于干涉条纹的快照压缩三维成像方法,旨在解决现有的三维成像技术无法获取高速瞬态三维信息的问题。
为实现上述目的,本发明提出一种基于干涉条纹的快照压缩三维成像方法,该方法包括以下步骤:
通过互补金属氧化物半导体相机(Complementary Metal Oxide Semiconductor,CMOS)采集数字微镜器件测量设备(Digital Micromirror Devices,DMD)编码后的干涉条纹记录的二维成像信息;
采用基于压缩感知(Compressed Sensing)的图像重构算法对所述二维成像信息进行图像重构;
将重构后的干涉条纹图像基于快速傅里叶变换法进行相位重建,得到动态变化的相位信息。
在一些实施例中,通过互补金属氧化物半导体相机采集数字微镜器件测量设备编码后的干涉条纹记录的二维成像信息包括:
利用反射镜将经第一分束镜分束所形成的其中一激光束反射,与另一激光束重叠于第二分束镜处,产生干涉条纹并投影在待测物体上;
从待测物体上漫反射后的干涉条纹经过第一4f系统后,由数字微镜器件测量设备对所述干涉条纹进行图像编码;
将编码后的图像传送至第二4f系统,并由互补金属氧化物半导体相机采集。
在一些实施例中,采用基于压缩感知的图像重构算法对所述二维成像信息进行图像重构包括:
基于互补金属氧化物半导体相机采集到的压缩图像和数字微镜器件测量设备编码后的矩阵,构建成像数学模型;
采用基于交替向乘子算法的即插即用先验框架,并在所述框架中使用加权核范数最小化(Weighted Nuclear Norm Minimization,WNNM)去噪模型求解所述成像数学模型。
在一些实施例中,基于互补金属氧化物半导体相机采集到的压缩图像和数字微镜器件测量设备编码后的矩阵,构建成像数学模型包括:
基于压缩图像y和编码矩阵H,所述成像数学模型表示为:
其中表示估计解,R(x)表示正则化项,λ表示正则化的调谐参数,x表示原始干涉条纹。
在一些实施例中,采用基于交替向乘子算法的即插即用先验框架,并在所述框架中使用加权核范数最小化去噪模型求解所述成像数学模型包括:
将所述成像数学模型根据保真项、先验项和对偶变量分解为关于两个优化子问题和一个对偶变量更新步骤;
由加权核范数最小化去噪模型训练出去噪器,采用训练好的去噪器对先验项的优化子问题进行求解;
交替更新有关保真项子问题的解、有关先验项子问题的解、以及对偶变量更新,直至结果收敛,输出重构后的图像。
在一些实施例中,、将所述成像数学模型根据保真项、先验项和对偶变量分解为关于两个优化子问题和一个对偶变量更新步骤包括:
优化成像数学模型为:
uk+1=uk+(xk+1-zk+1) (4)
其中z是辅助中间变量,u是残差变量,ρ是惩罚因子,k是迭代次数。
在一些实施例中,由加权核范数最小化去噪模型训练出去噪器,采用训练好的去噪器对先验项的优化子问题进行求解包括:
使用一个带有稀疏约束或先验的去噪器对式子(3)进行求解:
zk+1=DWNNM(xk+1+uk) (5)
其中去噪器DWNNM由加权核范数最小化去噪模型训练得到。
在一些实施例中,将重构后的图像基于快速傅里叶变换法进行相位重建,得到动态变化的相位信息包括:
对重构后的图像做傅里叶变换,得到所述图像的频谱分布;
在所述频谱中利用滤波器提取+1级像的信息,并通过频谱中心法,将+1级像移至频谱原点,然后做傅里叶逆变换换算回空域,得到新的空间分布If;
利用下式,从If提取出待测物体相位分布,得到展开相位,Im是取复数的虚部,Re是实部;
对展开相位进行相位处理操作,去除相位畸变,得到待测物体的原始相位分布。
本发明还提出了一种计算机可读存储介质,所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行前述实施例中任一所述的基于干涉条纹的快照压缩三维成像方法。
本发明还提出了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现前述实施例中任一所述的基于干涉条纹的快照压缩三维成像方法。
本发明技术方案通过使用互补金属氧化物半导体相机以及数字微镜器件测量设备记录动态干涉条纹的二维成像信息,以实现对高速瞬态现象的记录,具有高时间分辨率和高空间分辨率,之后利用基于压缩感知的图像重构算法对所述二维成像信息进行图像重构,并将重构后的图像基于快速傅里叶变换法进行相位重建,将图像从二维恢复成三维,最终实现高速动态过程的三维精密测量。
附图说明
图1为本发明方法一实施例的流程图;
图2为本发明方法另一实施例的流程图;
图3为本发明方法又一实施例的流程图;
图4为本发明方法再一实施例的流程图;
图5为本发明方法分解成像数学模型的流程图;
图6为本发明方法求解关于先验项的优化子问题的流程图;
图7为本发明方法重构图像的流程图;
图8为本发明方法再一实施例的光路示意图;
图9为本发明方法再一实施例的实验结果对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的方案进行清楚完整的描述,显然,所描述的实施例仅是本发明中的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
还需要说明的是,当元件被称为“固定于”或“设置于”另一个元件上时,它可以直接在另一个元件上或者可能同时存在居中元件。当一个元件被称为是“连接”另一个元件,它可以是直接连接另一个元件或者可能同时存在居中元件。
另外,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明提出一种基于干涉条纹的快照压缩三维成像方法,参照图1,该方法包括以下步骤:
S100:通过互补金属氧化物半导体相机采集数字微镜器件测量设备编码后的干涉条纹记录的二维成像信息;
S200:采用基于压缩感知的图像重构算法对二维成像信息进行图像重构;
S300:将重构后的干涉条纹图像基于快速傅里叶变换法进行相位重建,得到动态变化的相位信息。
其中压缩感知是一种信号处理和数据采样技术,旨在有效地从稀疏或压缩的观测数据中重构信号或图像。通过使用压缩感知技术,不必以传统方式均匀采样信号或图像的每个数据点,而是可以通过仅采样一小部分数据点,然后使用数学算法进行重构,来获取完整的信号或图像信息。
DMD则使得CMOS相机能够将高维数据作为二维成像信息进行采样,从而实现高效地获取高速瞬态三维信息。之后对该二维成像信息进行图像重构以及相位重建,将其还原成三维的视觉信号,最终实现高速动态过程的三维精密测量。
如图2和图8所示,在一些实施例中,通过互补金属氧化物半导体相机采集数字微镜器件测量设备编码后的干涉条纹记录的二维成像信息包括:
S110:利用反射镜将经第一分束镜分束所形成的其中一激光束反射,与另一激光束重叠于第二分束镜处,产生干涉条纹并投影在待测物体上;
S120:从待测物体上漫反射后的干涉条纹经过第一4f系统后,由数字微镜器件测量设备对干涉条纹进行图像编码;
S130:将编码后的图像传送至第二4f系统,并由互补金属氧化物半导体相机采集。
本实施例中,632nm激光器发射激光,激光经过扩束镜BE和凸透镜L1,然后被第一分束镜BS1分为两束光路,其中第一激光束先后通过反射镜M1和反射镜M2后,与第二激光束同时在第二分束镜BS2处重叠,产生干涉条纹(产生干涉条纹这部分叫马赫曾德尔干涉仪光学系统),并投影到待测物体上,漫反射后的光通过两个4f系统以及DMD进行干涉条纹的图像编码,并由CMOS相机同时记录DMD采样时间内的压缩图像,实现干涉条纹的二维空间信息记录。
其中4f系统包括两个焦距为f的傅利叶透镜,且两个傅利叶透镜之间的距离为2f,用于对激光脉冲中的信息进行频谱分析和在频域上进行处理。第一4f系统包括傅里叶透镜L2和L3,第二4f系统包括傅里叶透镜L4和L5。
整个成像过程中,空间分辨率主要由马赫曾德尔干涉仪产生的干涉条纹决定,成像分辨率由马赫曾德尔干涉仪调节,时间分辨率则主要由DMD和CMOS相机的帧率决定。该系统通过将干涉条纹投影在待测物体上,再通过DMD使得CMOS相机对干涉条纹降维测量,实现了对待测物体的高速瞬态三维信息的高效获取。
如图3和图5所示,在一些实施例中,采用基于压缩感知的图像重构算法对二维成像信息进行图像重构包括:
S210:基于互补金属氧化物半导体相机采集到的压缩图像和数字微镜器件测量设备编码后的矩阵,构建成像数学模型;
在成像过程中,B帧动态场景被B帧编码掩模/>调制并映射到单个测量帧/>
其中为噪声,Cb=C(:,:,b)表示第b个掩码,Xb=X(:,:,b)表示第b个掩码对应的场景帧,e表示逐元素乘积。在数学模型上,等式(1)中的测量值可以表示为:
y=Hx+n (2)
其中压缩图像编码矩阵
由此可知压缩图像y和编码矩阵H之间的关系,并基于测量得到的y和H的值,构建成像数学模型。
S220:采用基于交替向乘子算法的即插即用先验框架,并在框架中使用加权核范数最小化去噪模型求解成像数学模型。
WNNM去噪模型是一种用于图像去噪的模型,它的设计旨在通过减小图像中的噪声来提高图像质量,核心思想是使用核范数(Nuclear Norm)来建模图像的低秩结构,并通过加权方式进行最小化,从而实现对图像中的噪声的有效去除。通过对图像的低秩结构进行建模,并根据权重对不同频率的信息进行调整,WNNM去噪模型能够在保留图像细节的同时有效地去除噪声。
如图5和图7所示,在一些实施例中,基于互补金属氧化物半导体相机采集到的压缩图像和数字微镜器件测量设备编码后的矩阵,构建成像数学模型包括:
基于压缩图像y和编码矩阵H,成像数学模型表示为:
其中表示估计解,R(x)表示正则化项,λ表示正则化的调谐参数,x表示原始干涉条纹。
如图4所示,在一些实施例中,采用基于交替向乘子算法的即插即用先验框架,并在框架中使用加权核范数最小化去噪模型求解成像数学模型包括:
S221:将成像数学模型根据保真项、先验项和对偶变量分解为关于两个优化子问题和一个对偶变量更新步骤;
根据交替方向乘子算法将二维压缩图像重建问题建模为优化问题。其中优化问题求解过程根据保真项、先验项和对偶变量分解为两个优化子问题和一个对偶变量更新步骤,结合即插即用先验框架,对二维压缩图像进行重构,对噪声具有鲁棒性。
S222:由加权核范数最小化去噪模型训练出去噪器,采用训练好的去噪器对先验项的优化子问题进行求解;
S223:交替更新有关保真项子问题的解、有关先验项子问题的解、以及对偶变量更新步骤,直至结果收敛,输出重构后的图像。
如图5和图7所示,在一些实施例中,将成像数学模型根据保真项、先验项和对偶变量分解为关于两个优化子问题和一个对偶变量更新步骤包括:
优化成像数学模型为:
uk+1=uk+(xk+1-zk+1) (4)
其中z是辅助中间变量,u是残差变量,ρ是惩罚因子,k是迭代次数。
ADMM通过分解协调过程,将成像数学模型分解三个较容易解决的子问题进行迭代求解;PnP框架将关于先验项的优化子问题视为图像降噪问题,将关于先验项的优化子问题求解替换成现代图像噪算法。
如图6和图7所示,在一些实施例中,由加权核范数最小化去噪模型训练出去噪器,采用训练好的去噪器对先验项的优化子问题进行求解包括:
使用一个带有稀疏约束或先验的去噪器对式子(3)进行求解:
zk+1=DWNNM(xk+1+uk) (5)
其中去噪器D由加权核范数最小化去噪模型训练得到。
如图9所示,本发明利用matlab进行仿真实验,并从实验结果中抽取了部分代表帧,其中左边为CMOS相机拍摄的图像,右边为本发明方法重构后的图像,明显重构后的图像细节更多,更加清晰。
在一些实施例中,将重构后的图像基于快速傅里叶变换法进行相位重建,得到动态变化的相位信息包括:
对重构后的图像做傅里叶变换,得到图像的频谱分布;
在频谱中利用滤波器提取+1级像的信息,并通过频谱中心法,将+1级像移至频谱原点,然后做傅里叶逆变换换算回空域,得到新的空间分布If;
利用式子(6),从If提取出待测物体相位分布,得到展开相位,Im是取复数的虚部,Re是实部;
对展开相位进行相位处理操作,去除相位畸变,得到待测物体的原始相位分布。
本发明技术方案通过使用互补金属氧化物半导体相机以及数字微镜器件测量设备记录动态干涉条纹的二维成像信息,以实现对高速瞬态现象的记录,具有高时间分辨率和高空间分辨率,之后利用基于压缩感知的图像重构算法对二维成像信息进行图像重构,并将重构后的图像基于快速傅里叶变换法进行相位重建,将图像从二维恢复成三维,最终实现高速动态过程的三维精密测量。
本发明进一步提出一种计算机可读存储介质,可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行前述实施例中任一的基于干涉条纹的快照压缩三维成像方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读存储介质上,计算机可读存储介质可以包括计算机可读存储介质(或非暂时性介质)和通信介质(或暂时性介质)。
如本领域普通技术人员公知的,术语计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机可读存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。示例性的,计算机可读存储介质可以是前述实施例的网管设备的内部存储单元,例如网管设备的硬盘或内存。计算机可读存储介质也可以是网管设备的外部存储设备,例如网管设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
在一些实施例中,提供了一种计算机设备,计算机设备包括处理器和存储器,存储器中存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现前述实施例中任一的基于干涉条纹的快照压缩三维成像方法。
应当理解的是,处理器可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
以上所述的仅为本发明的部分或优选实施例,无论是文字还是附图都不能因此限制本发明保护的范围,凡是在与本发明一个整体的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明保护的范围内。
Claims (10)
1.一种基于干涉条纹的快照压缩三维成像方法,其特征在于,包括:
通过互补金属氧化物半导体相机采集数字微镜器件测量设备编码后的干涉条纹记录的二维成像信息;
采用基于压缩感知的图像重构算法对所述二维成像信息进行图像重构;
将重构后的图像基于快速傅里叶变换法进行相位重建,得到动态变化的相位信息。
2.根据权利要求1所述的方法,其特征在于,通过互补金属氧化物半导体相机采集数字微镜器件测量设备编码后的干涉条纹记录的二维成像信息包括:
利用反射镜将经第一分束镜分束所形成的其中一激光束反射,与另一激光束重叠于第二分束镜处,产生干涉条纹并投影在待测物体上;
从待测物体上漫反射后的干涉条纹经过第一4f系统后,由数字微镜器件测量设备对所述干涉条纹进行图像编码;
将编码后的图像传送至第二4f系统,并由互补金属氧化物半导体相机采集。
3.根据权利要求1所述的方法,其特征在于,采用基于压缩感知的图像重构算法对所述二维成像信息进行图像重构包括:
基于互补金属氧化物半导体相机采集到的压缩图像和数字微镜器件测量设备编码后的矩阵,构建成像数学模型;
采用基于交替向乘子算法的即插即用先验框架,并在所述框架中使用加权核范数最小化去噪模型求解所述成像数学模型。
4.根据权利要求3所述的方法,其特征在于,基于互补金属氧化物半导体相机采集到的压缩图像和数字微镜器件测量设备编码后的矩阵,构建成像数学模型包括:
基于压缩图像y和编码矩阵H,所述成像数学模型表示为:
其中表示估计解,R(x)表示正则化项,λ表示正则化的调谐参数,x表示原始干涉条纹。
5.根据权利要求3所述的方法,其特征在于,采用基于交替向乘子算法的即插即用先验框架,并在所述框架中使用加权核范数最小化去噪模型求解所述成像数学模型包括:
将所述成像数学模型根据保真项、先验项和对偶变量分解为关于两个优化子问题和一个对偶变量更新步骤;
由加权核范数最小化去噪模型训练出去噪器,采用训练好的去噪器对先验项的优化子问题进行求解;
交替更新有关保真项子问题的解、有关先验项子问题的解、以及对偶变量更新,直至结果收敛,输出重构后的图像。
6.根据权利要求5所述的方法,其特征在于,将所述成像数学模型根据保真项、先验项和对偶变量分解为关于两个优化子问题和一个对偶变量更新步骤包括:
优化成像数学模型为:
uk+1=uk+(xk+1-zk+1) (4)
其中z是辅助中间变量,u是残差变量,ρ是惩罚因子,k是迭代次数。
7.根据权利要求6所述的方法,其特征在于,由加权核范数最小化去噪模型训练出去噪器,采用训练好的去噪器对先验项的优化子问题进行求解包括:
使用一个带有稀疏约束或先验的去噪器对式子(3)进行求解:
zk+1=DWNNM(xk+1+uk) (5)
其中去噪器DWNNM由加权核范数最小化去噪模型训练得到。
8.根据权利要求1所述的方法,其特征在于,将重构后的图像基于快速傅里叶变换法进行相位重建,得到动态变化的相位信息包括:
对重构后的图像做傅里叶变换,得到所述图像的频谱分布;
在所述频谱中利用滤波器提取+1级像的信息,并通过频谱中心法,将+1级像移至频谱原点,然后做傅里叶逆变换换算回空域,得到新的空间分布If;
利用式子(6),从If提取出待测物体相位分布,得到展开相位,Im是取复数的虚部,Re是实部;
对展开相位进行相位处理操作,去除相位畸变,得到待测物体的原始相位分布。
9.一种计算机可读存储介质,其特征在于,所述可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行前述权利要求中任一项所述的基于干涉条纹的快照压缩三维成像方法。
10.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现前述权利要求中任一项所述的基于干涉条纹的快照压缩三维成像方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311730020.XA CN117906525A (zh) | 2023-12-14 | 2023-12-14 | 基于干涉条纹的快照压缩三维成像方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311730020.XA CN117906525A (zh) | 2023-12-14 | 2023-12-14 | 基于干涉条纹的快照压缩三维成像方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117906525A true CN117906525A (zh) | 2024-04-19 |
Family
ID=90680897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311730020.XA Pending CN117906525A (zh) | 2023-12-14 | 2023-12-14 | 基于干涉条纹的快照压缩三维成像方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117906525A (zh) |
-
2023
- 2023-12-14 CN CN202311730020.XA patent/CN117906525A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mandelli et al. | Seismic data interpolation through convolutional autoencoder | |
Lu et al. | GPF: GMM-inspired feature-preserving point set filtering | |
Hongxing et al. | Interferometric phase image estimation via sparse coding in the complex domain | |
Mandal et al. | Noise adaptive super-resolution from single image via non-local mean and sparse representation | |
CN110378367B (zh) | 用于相位展开的生成式对抗网络的获取方法、装置及系统 | |
CN115857304A (zh) | 压缩超快全息定量相位成像方法、系统、设备及介质 | |
CN115205360A (zh) | 复合条纹投影钢管的三维外轮廓在线测量与缺陷检测方法及应用 | |
CN115272683A (zh) | 一种基于深度学习的中心差分信息滤波相位解缠方法 | |
Sharma et al. | Fringe pattern normalization algorithm using Kalman filter | |
CN111079893A (zh) | 用于干涉条纹图滤波的生成器网络的获取方法和装置 | |
US11175627B2 (en) | System and method for reconstruction of holographic lens-free images by multi-depth sparse phase recovery | |
Zhang et al. | Rapid blind denoising method for grating fringe images based on noise level estimation | |
CN117906525A (zh) | 基于干涉条纹的快照压缩三维成像方法、设备及存储介质 | |
CN113554555B (zh) | 相位畸变补偿方法、装置、计算机设备和存储介质 | |
KR102508384B1 (ko) | 공간 가변적 정규화에 기반한 ToF 카메라 초해상도 영상 복원 방법 및 장치 | |
CN115348434A (zh) | 超快全息成像方法、系统、电子设备及存储介质 | |
Kulkarni et al. | Patch-wise denoising of phase fringe patterns based on matrix enhancement | |
CN114820921A (zh) | 动态物体的三维成像方法、装置、设备及存储介质 | |
Li et al. | Omnidirectional Ring Structured Light Noise Filtering Based On DCGAN Network And Autoencoder | |
Liu et al. | Aerial image deblurring via progressive residual recurrent network | |
CN116502441A (zh) | 一种基于低秩约束的gap快速反演方法、存储介质及设备 | |
KR20140041316A (ko) | 데이터 인코딩 방식에 적응적인 홀로그램 프린지 데이터 포맷을 사용하는 홀로그램 데이터 처리 방법 및 시스템 | |
Migukin et al. | Advanced multi-plane phase retrieval using graphic processing unit: augmented Lagrangian technique with sparse regularization | |
CN116503279A (zh) | 一种cup-visar压缩图像反演方法及设备 | |
Wagenmaker et al. | Robust surface reconstruction from gradients via adaptive dictionary regularization |
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 |