[发明专利]一种散斑优化压缩感知鬼成像方法及系统

权利要求书

1.一种散斑优化压缩感知鬼成像方法，其特征在于：包括以下步骤，

步骤一、通过主元分析法生成优化的散斑矩阵；

根据目标图像种类预先收集大量的样本对象图像，为目标成像场景构建图像字典；然后通过主元分析法根据图像字典中提取的共同特征生成优化的散斑矩阵；

步骤二、根据步骤一生成的散斑矩阵生成光斑，并将生成的光斑投射到目标物体上，并接收目标物体反射的光强信号，并将光强信号传递到压缩处理模块；

步骤三、在压缩处理模块中将步骤二得到的光强信号向稀疏基投影得到稀疏信号，再将稀疏信号通过过完备测量矩阵得到一系列非自适应线性随机投影值矩阵，并对所述一系列非自适应线性随机投影值矩阵求解最优化问题实现对原始光强信号高度重构，实现散斑优化压缩感知鬼成像，从而提高三维鬼成像的成像质量；

步骤一具体实现方法为，

根据目标图像种类预先收集大量的样本对象图像；将样本对象图像像素统一化处理，将样本对象图像由二维矩阵形成一维矩阵，将形成的一维矩阵由上至下排列形成二维矩阵随后对二维矩阵进行主元分析PCA；将矩阵进行奇异值分解：

A＝P△Q＝WQ

其中：P是AA^T的特征向量张成的二维矩阵，二维矩阵P每一列都是AA^T的特征向量，二维矩阵P的大小为M×M，二维矩阵Q是A^TA的特征向量张成的二维矩阵，每一行都是A^TA的特征向量，Q的大小为N×N，Δ是包含k个最大的AA^T和A^TA的特征向量的对角矩阵；则二维矩阵A用二维矩阵和Q来表示：

A＝WQ

从线性代数角度来看，主元分析PCA的目的是使用另一组基去重新描述原来的数据空间，而新的基要尽量揭示原有的数据间的关系；

然后通过主元分析法根据图像字典中提取的共同特征生成优化的散斑矩阵W；

步骤二实现方法为，

根据步骤一生成的散斑矩阵传递至主控单元，DMD(1)执行主控单元命令，DMD(1)表面产生空间强度涨落的光场，经由会聚透镜a(2)、半反半透镜(3)投射到目标物体表面，目标物体反射的光强信号经由半反半透镜(3)、会聚透镜b(5)被桶探测器(6)接收，最后桶探测器(6)接收的光强信号传递到压缩处理模块；

DMD(1)将不同的光照模式依次投射到目标物体上；然后用单像素检测器记录总光强，所述总光强作为目标图像与光照模式之间的内积；最后，根据所记录的光照模式和单像素强度序列对目标图像进行计算重构；每个照明模式的空间分辨率为X×Y，模式中的像素的总数为n＝X×Y；所述空间分辨率与成像模型中的目标图像分辨率相同；

步骤三实现方法为，

将计算机得到的光强信号进行稀疏化处理，将信号向稀疏基投影得到稀疏信号，稀疏基中只有相对较少的元素有较大的数值，大部分元素的值都接近或等于0，再通过一个过完备测量矩阵，得到一系列非自适应线性随机投影散斑，并对随机投影散斑求解最优化问题，实现对原始信号高度重构，生成自适应散斑，实现散斑优化压缩感知鬼成像，从而提高三维鬼成像的成像质量；将原始信号设为f，是大小为N×1的一维N行向量，在N×N的稀疏基Ψ上投影，得到大小为一维N行的稀疏向量x，在大小为M×N的测量矩阵Φ上投影得到M×1的一维M行向量的观测向量y，M＜N，观测向量y用数学符号表达如下：

y＝Φf＝ΦΨx＝Θx

其中f＝Ψx，ΦΨ＝Θ，f为原始信号，Φ为测量矩阵，Ψ为稀疏矩阵，Θ为传感矩阵；原始信号f与稀疏后信号x是同一信号的不同形式的等价表示，两者能够互相转换。

2.一种基于压缩感知的计算鬼成像系统，用于实现如权利要求1所述的一种散斑优化压缩感知鬼成像方法，其特征在于：所述系统包括数字微镜设备DMD(1)、会聚透镜a(2)、会聚透镜b(5)、半反半透镜(3)、桶探测器(6)和计算机(7)、卤素灯(8)；所述计算机(7)包括主控电路、散斑训练模块、压缩感知处理模块；所述主控电路包括DMD控制模块、回波信号处理模块；所述主控电路用于控制DMD(1)产生目标散斑光场；所述DMD(1)用于执行主控电路命令，产生目标光场；所述桶探测器(6)用于探测光强信号；散斑训练模块用于训练散斑，生成与目标物体种类相适应的散斑；压缩感知处理模块用于接收目标物体反射的光强信号，并对所述光强信号进行压缩；散斑训练模块通过主元分析法生成优化的散斑矩阵，并按照步骤一生成优化的散斑矩阵经DMD(1)投射生成光斑；卤素灯(8)发出均匀的光束，通过主控电路控制DMD(1)产生目标散斑光场，使所述均匀的光束通过数字微镜设备DMD(1)将优化的散斑经由会聚透镜a(2)、半反半透镜(3)投射到目标物体(4)表面，目标物体反射的光强信号经由半反半透镜(3)、会聚透镜b(5)被桶探测器(6)接收；桶探测器(6)接收到的光强信号进入压缩感知处理模块，压缩感知处理模块按照步骤三进行压缩感知计算鬼成像关联计算，得到目标物体的像，即实现散斑优化压缩感知鬼成像。