[发明专利]基于卷积神经网络的单帧散射图像的彩色目标重建方法

说明书

本发明涉及基于卷积神经网络的单帧散射图像的彩色目标重建方法，属于机器学习与图像重建技术领域，包括：步骤1、得到散斑数据集；步骤2、构建基于卷积神经网络的单帧散射图像的彩色目标重建模型CASNet；步骤3、将ALOI数据集中对应的彩色目标数据集与散斑数据集输入单帧散射图像的彩色目标重建模型进行训练，得到训练好的彩色目标重建模型；步骤4、将采集到的单帧彩色目标散斑图像输入训练好的彩色目标重建模型得到恢复的彩色目标。本发明解决了无法实现单帧彩色宽谱目标成像的问题，填充了基于深度学习的彩色目标重建网络的空白，首次提出基于卷积神经网络的单帧散射图像的彩色目标重建模型，恢复隐藏在散射介质后彩色目标。

技术领域

本发明涉及一种基于卷积神经网络的单帧散射图像的彩色目标重建方法，属于机器学习与图像重建技术领域。

背景技术

散射现象阻碍着人们透过生物组织、浑浊介质等散射介质来观察物体，而在观察物体强度分布的基础上获取其颜色这一对认知隐藏物体属性有着重大意义的信息，就更加困难了。学者们陆续提出了各种透过散射介质成像的方法，但大多数都是用于解决灰度目标的重建问题的。并且能够实现20nm以上宽谱照明下散射成像的方法很少，要么需要参考对象，要么需要依赖相位恢复算法，均无法实现单帧彩色宽谱目标成像。

基于数据驱动的思想，深度学习对复杂非线性关系具备较强学习能力，已经成功用于构建窄带光源照明下散斑图像与隐藏灰度目标之间的映射关系，主要使用激光器作为照明光源，窄带重建能力显著。但基于深度学习的彩色目标重建网络尚未见到报道，根本原因是兼顾结构和光谱的协同重建问题复杂度更高，尤其是在适应实用化的要求下。首先为了将目标的颜色信息调制到单帧散斑中，系统照明光源的波段需要足够宽，至少覆盖可见光波段，这种条件下的散斑，其对比度很差，很难从中挖掘出足够还原目标结构的特征。其次，输入信号仅为单帧的散斑，无法使用编码等复杂且耗时的手段，这就对网络的目标重建能力提出了更高的要求。

发明内容

为了解决上述技术问题，本发明提供一种基于卷积神经网络的单帧散射图像的彩色目标重建方法，其具体技术方案如下：

一种基于卷积神经网络的单帧散射图像的彩色目标重建方法，包括如下步骤：

步骤1、建立散斑采集的光学系统，光学系统采集隐藏在散射介质后的单帧彩色目标散斑图像，得到若干目标的散斑数据集；

步骤2、构建基于卷积神经网络的单帧散射图像的彩色目标重建模型CASNet；

步骤3、将ALOI数据集中对应的彩色目标数据集与散斑数据集输入步骤2构建的单帧散射图像的彩色目标重建模型进行训练，得到训练好的彩色目标重建模型；

步骤4、将采集到的单帧彩色目标散斑图像输入训练好的彩色目标重建模型得到恢复的彩色目标。

ALOI（Amsterdam Library of Object Images）数据集是一种彩色图像，收集了1000个小物体用于科学研究。为了捕获目标记录中的感官变化，系统地改变了每个目标的视角、光照角度和光照颜色，并额外捕获了宽基线立体图像以此记录了每个对象的100多张图像，总共收集了110250张图像形成ALOI数据集。ALOI数据集可从网站（http://aloi.science.uva.nl/）上下载得到，输入步骤2建立的CASNet中训练，便能得到训练后的重建模型。

进一步的，步骤1建立的散斑采集的光学系统选用无透镜光学系统，使用投影仪来投射目标，经过散射介质调制后，最终在工业相机上形成宽光谱下的散斑图像。