[发明专利]一种散斑优化压缩感知鬼成像方法及系统

说明书

本发明公开的一种散斑优化压缩感知鬼成像方法及系统，属于光学成像技术领域。本发明实现方法为：通过主元分析法生成优化的散斑矩阵；根据生成的散斑矩阵生成光斑，将生成的光斑投射到目标图像上，接收目标图像反射的光强信号，将信号传递到压缩处理模块；在压缩处理模块中将得到的光强信号向稀疏基投影得到稀疏信号，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，对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。本发明还公开一种基于压缩感知的计算鬼成像系统。本发明具有成像速度快、接受光强信号次数少、形式灵活的优点。

技术领域

本发明属于光学成像技术领域，尤其涉及一种散斑优化压缩感知鬼成像方法及系统。

背景技术

关联成像是以量子光学理论为基础的一种利用双光路进行符合探测的新型计算成像技术，为光学系统获取图像信息提供了一种全新的方案。传统概念中的成像方式是对光场的光强分布直接探测，而鬼成像技术则通过对双光路的强度涨落信息进行关联运算，得到待测物体的像。其中一条光路称为测试路，光线经过待测物体后，携带物体信息的光场到达一个单点探测器上；另一路为参考路(通常为光强已知的预置光场)，光场经过一段空间的自由传播直接被面阵探测器接收。两个探测器分别得到的是光场的总光强值和光场强度分布矩阵，针对一系列探测值进行关联运算即可获得物体的像。

计算鬼成像与基于透镜和CCD的传统成像系统相比，计算鬼成像系统的探测成本低，且在非可见光波段成像、散射介质成像方面有较大优势，具有体积小、成本低、反应灵敏等优点。所以计算鬼成像不仅应用于可见光波段成像，也可应用于红外、太赫兹等非可见光波段的成像。2008年Shapiro提出可省略参考臂的计算鬼成像理论，其中被省略的参考臂实为预置的光场。

在信号获取过程中，受制于香农定理的约束，为保证恢复信号不失真，必须保证信号的采样频率不低于信号带宽的两倍，这造成了庞大的数据采集量和较高的数据传输成本。压缩感知理论能够突破对于采样频率的限制，压缩传感理论表明若原始信号或原始图像是稀疏的或通过稀疏基可将其稀疏化，那么就可以通过设计压缩感知求解算法，使用少量的采样测量值，近似重构出原始信号或原始图像，这样就能将传统的数据采集与压缩合二为一，大大节省采样的时间和信息存储空间。由此，可看出如何结合高质量的散斑输出与信号压缩算法仍是亟需解决的关键问题。

发明内容

为解决计算鬼成像效率低的问题，本发明公开的一种散斑优化压缩感知鬼成像方法及系统要解决的技术问题是：通过图像训练提供一种生成自适应散斑的方法及系统，所述的生成自适应散斑的方法具有成像速度快、所需光强信号次数少的优点；此外，通过将所述的生成自适应散斑的方法应用于压缩感知鬼成像方法，实现简化压缩感知鬼成像方法计算复杂度，具有成像速度快、接受光强信号次数少、形式灵活的优点。

为了实现上述目的，本发明采取如下的技术解决方案：

本发明公开的一种散斑优化压缩感知鬼成像方法，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排列后的二维矩阵A_mXn。随后对二维矩阵A_mXn进行主元分析PCA。将矩阵A_mXn进行奇异值分解：

A＝PΔQ＝WQ