[发明专利]一种基于神经网络的动态目标鬼成像系统与方法

说明书

一种基于神经网络的动态目标鬼成像系统和方法，该系统包括照明激光光源、空间光调制模块、光强探测采集模块以及数据处理模块。首先，通过在空间光调制模块上加载傅里叶模式矩阵对激光光源的出射光进行傅里叶基底调制，将调制后的模式光投射到运动目标所在场景上；然后，所述光强探测采集模块从目标场景采集光强，实现基于傅里叶鬼成像的图像信息采集；再通过数据处理模块将采集的光强序列输入傅里叶鬼成像神经网络获得对应目标预测图，输出重构的运动目标成像结果，实现对运动物体的高分辨成像。本发明可提高运动物体成像的质量，实现在散射场景下的运动目标高分辨成像，避免在鬼成像恢复图像中产生因高速运动而导致的运动模糊。

技术领域

本发明涉及光学成像技术，尤其是一种基于神经网络的动态目标鬼成像系统与方法。

背景技术

光学成像技术是人类对客观世界进行观测和感知的重要手段，利用成像系统及光学观测技术对光束自由传播及与介质相互作用过程中的基本特征量进行观测采集，从而获取可处理的客观场景世界的信息。传统成像系统使用由物体透射或反向散射的光在胶片或焦平面检测器阵列上形成图像，即以标量衍射理论作为光波传播时遵循规律以表征对离散目标点分辨力，这也表明传统成像系统的信息获取处理存在极限且易受到环境的影响，观测场景与成像设备间具有环境不确定性，例如光在自由空间传播过程中受到大气湍流、空气分子和悬浮粒子(气溶胶粒子、降水质点)等影响,将出现衰减、闪烁、偏移、强度和相位起伏且其光学条件随时空变化而不断变化等，使原本有序的波前相位严重畸变,在对目标进行观测成像时，因接收无序光场信号在观测面上会形成散斑图案，并导致目标图像缺乏细节特征、成像信噪比低易被复杂背景淹没等问题。为了使光学成像技术在无人驾驶、机器人视觉、智能家居、遥感、显微和监控安防等领域有着更广泛的应用，对光学成像中的信息获取与处理有着更高要求。计算鬼成像作为一种新型光学成像技术，通过与深度学习、单像素传感器等结合，不仅具备超越传统成像方法的新能力，也为动态场景高分辨率成像提供了解决问题新方案。计算鬼成像技术基于随机光场与光强探测传感器探测光强的二阶关联运算解耦来获取图像信息，利于保持所采集光强信息涨落趋势，对散射介质成像及远距离探测等大范围动态场景实现高分辨成像具有独特优势。实际应用过程中，大部分目标相对于成像系统是运动的，而在鬼成像系统中重建高质量的图像需要大量的采样，因此采样过程与图像恢复过程中会消耗大量时间，因此对于运动物体的进行动态计算鬼成像时会在恢复图像中产生因高速运动而导致的运动模糊，使得对运动物体成像的质量下降甚至无法重构。

需要说明的是，在上述背景技术部分公开的信息仅用于对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明的主要目的在于克服上述背景技术的缺陷，提供一种基于神经网络的动态目标鬼成像系统与方法。

为实现上述目的，本发明采用以下技术方案：

一种基于神经网络的动态目标鬼成像系统，包括照明激光光源、空间光调制模块、光强探测采集模块以及数据处理模块，其中，所述空间光调制模块通过加载傅里叶模式矩阵对激光光源的出射光进行傅里叶基底调制，并将调制后的模式光投射到运动目标所在场景上；所述光强探测采集模块从目标场景采集光强，实现基于傅里叶鬼成像的图像信息采集，所述数据处理模块将采集的光强序列输入傅里叶鬼成像神经网络获得对应目标预测图，输出重构的运动目标成像结果，实现对运动物体的高分辨成像。

进一步地：

所述傅里叶鬼成像神经网络为从光电信号到二维图像的端到端深度学习网络，通过所述光强探测采集模块采集的一维信号重建运动目标的高分辨图像。

所述光强探测采集模块为桶探测器。

所述数据处理模块利用采集的场景光强序列参数对运动目标进行表征，获得目标场景内的散射场景下的频谱信息，通过所述傅里叶鬼成像神经网络对运动目标进行重构。