[发明专利]基于多散斑图组合-调制的鬼成像优化方法

说明书

本发明涉及鬼成像的优化，具体为基于多散斑图组合‑调制的鬼成像优化方法，其利用桶探测器值的大小对照射到目标物体上的多个散斑图进行排序，使相邻散斑图间差异性减小；通过对相邻散斑图间的叠加以及对应桶探测器值的调制，有效降低待关联数据间冗余和数量，并利用不同的关联运算规则实现对目标物体的重构。数值仿真结果表明，对于目标图像“G”，在总采样次数4000次、4个相邻散斑图组合方式下，所提方法与未组合‑调制下传统鬼成像、差分鬼成像和正负调制鬼成像的峰值信噪比/对比度分别提升了21.7%/27.3%、8.3%/17.8%和14.7%/25.7%；通过对20幅目标图像的数值模拟与结果分析，发现峰值信噪比/对比度提升率分别在15%和30%以上的占比为90%/85%和50%/55%，说明该方法具有很好的泛化能力。

技术领域

本发明涉及鬼成像的优化，具体为基于多散斑图组合-调制的鬼成像优化方法。

背景技术

鬼成像技术是一种利用空间强度关联原理对目标物体信息进行重构的间接成像方法，可突破传统成像中光能量不足所导致的阵列式探测器难以响应的局限，具有抗干扰性强、作用距离远、全天候监控等独特优势，在夜间城市安防与监控、工业/医学超低辐射CT影像等领域具有广泛的应用前景。与传统的成像方式相比，鬼成像技术的探测过程和重构过程是完全分离的，其中探测过程主要是通过改变照射在目标区域的散斑图来获得桶探测器的测量值，而重构则是通过对散斑图与测量值间的关联运算来实现对目标鬼像的间接重构。

在鬼成像过程中，原则上照射在被照物体上的每幅独立散斑图之间必须具有显著的差异性，只有这样才能在非物体光路上获得目标物体的高质量鬼像。例如：一种基于Hadamard衍生图的鬼成像方法，其主要思想是利用Hadamard测量矩阵来生成系列散斑图，以降低散斑图间的冗余度。2015年，Mahdi Khamoushi等通过将傅里叶级数进行频域分解，提出并验证了正弦鬼成像(Sinusoidal Ghost Imaging，SGI)的可操作性。课题组人员通过将两个正交的倾斜正弦散斑图案叠加的方式，提出了一种基于正交化正弦散斑的计算鬼成像方法。这些方法都是基于正交的思想来增大散斑图间差异，在满采样前提下理论上可以完全重构出目标物体，这说明大差异可以有效提升鬼成像质量。然而，在实际探测中，受夜间实际探测环境的影响和超低辐射调制器的限制，照射在目标物体上的散斑图分布常常是随机而非正交的，使得相邻散斑图间差异性难以凸显，从而导致关联重构时目标物体的空间信息难以被有效挖掘，以至于成像效果差。

发明内容

鉴于以上分析，本申请以随机散斑图为前提，通过对多个散斑图间组合以及其对应桶探测器值间的调制变换，提出了一种利于凸显关联数据间差异的多散斑图组合-调制方法，并将其用于鬼成像质量的优化中。本发明方法是通过将多个散斑图进行排序和组合的方式来提高相邻散斑图间差异显著性；利用对应桶探测器值的调制来有效增强数据间差异。通过数值仿真，分析了散斑图组合个数的设置方法，利用峰值信噪比、对比度等定量评价指标验证了所提方法的有效性和泛化性。

本发明是采用如下的技术方案实现的：基于多散斑图组合-调制的鬼成像优化方法：包括以下步骤：

(1)根据测量到的桶探测器值I_bm的大小，将其按照从小到大的顺序进行排序得到序列{I′_b1,I′_b2,L,I′_bK}，并以此序列{I′_b1,I′_b2,L,I′_bK}为依据，对桶探测器值I_bm对应的散斑图I_am(x,y)也进行重新排列得到序列{I′_a1,I′_a2,L,I′_aK}，使相邻散斑图间的差异性降低；

(2)对排序后的散斑图序列{I′_a1,I′_a2,L,I′_aK}，依次将相邻的l幅散斑图进行叠加组合，形成一个新的散斑图序列降低待关联数据间的冗余和数量；第i个新生成的散斑图为：其中，i＝1,2,L,K/l，K为l的整数倍；