[发明专利]基于深度学习的散射成像装置和方法

说明书

本发明公开了一种基于深度学习的散射成像装置，包括准直光源、第一透镜、第二透镜、线偏振片、空间光调制器、分束镜、第三透镜、散射介质、光电探测器、图像重建模块；所述准直光源、第一透镜、第二透镜、线偏振片、分束镜依次沿第一光轴设置，所述空间光调制器、第三透镜、散射介质、光电探测器沿第二光轴设置，第一光轴与第二光轴在分束镜处相交且第二光轴垂直于第一光轴方向，其中，散射介质设置在第三透镜的焦平面上；图像重建模块用于根据光电探测器记录的散斑信息对散斑图像重建。本发明的光路结构简单，对光路准确度的要求不高，构建的神经网络能够自动补偿光路中存在的各类误差。

技术领域

本发明属于散射成像技术，具体为一种基于深度学习的散射成像装置和方法。

背景技术

生活中，散射介质无处不在。光波在散射介质中传播时，介质内部无序的散射颗粒将会阻碍光波的自由传播，并且使光波矢方向和相位随机改变。因此光波在经过无序介质后，会呈现出随机散斑图样。这些散斑图样，看似已经失去了原先光场的稳定分布和相关性，但是研究表明，散斑中的弹道光依然保留了部分相干性，因此这些散斑图案中仍然有足够的信息来重建物体的图像。

实现散射成像的方法主要有：(1)基于反馈控制的波前整形法(2)相位共轭法(3)基于散斑关联特性的记忆效应法等。但是以上方法各有优缺点和适用条件，波前整形法和相位共轭法成像校准时间很长，难以应对动态或变化较快的无序介质环境；基于散斑关联特性的记忆效应法面对较厚的散射介质时会失效，且由于它是一种介观效应，当被观察物体尺寸较大时也会失效。同时，以上方法都对光路的准确度要求极高，实现的光路也较为复杂。

发明内容

本发明的目的在于提出了一种基于深度学习的散射成像装置。

实现本发明目的的技术解决方案为：一种基于深度学习的散射成像装置，包括准直光源、第一透镜、第二透镜、线偏振片、空间光调制器、分束镜、第三透镜、散射介质、光电探测器、图像重建模块；

所述准直光源、第一透镜、第二透镜、线偏振片、分束镜依次沿第一光轴设置，所述空间光调制器、第三透镜、散射介质、光电探测器沿第二光轴设置，第一光轴与第二光轴在分束镜处相交且第二光轴垂直于第一光轴方向，其中，散射介质设置在第三透镜的焦平面上；

图像重建模块用于根据光电探测器记录的散斑信息对散斑图像重建。

优选地，所述图像重建模块由混合神经网络构成，所述混合神经网络包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第一重构层、第一丢弃层、第一全连接层、第二丢弃层、第二全连接层、上采样层、第四卷积层、第五卷积层和第六卷积层。