一种基于生成式对抗网络的多模光纤成像方法及装置制造方法及图纸

本发明专利技术实施例提供了一种基于生成式对抗网络的多模光纤成像方法及装置，该方法包括：获取原始图片；以散斑图案生成结构中激光器的激光为光源，将原始图片的像素信息调制到光源上，得到光信号；将光信号耦合进入散斑图案生成结构中的多模光纤进行传输，得到散斑图案；将散斑图案作为已训练的生成式对抗网络的输入，利用已训练的生成式对抗网络对散斑图案进行恢复，得到恢复后图片，已训练的生成式对抗网络是基于至少第一预设数量张的样本集训练得到的，样本集包括：原始图片样本及由散斑图案生成结构得到的与每个原始图片样本对应的散斑图案样本，第一预设数量为200；成像恢复后图片。这样样本集较少，也能对散斑图案进行恢复，耗费的时间较短。

A Multimode Optical Fiber Imaging Method and Device Based on Generative Countermeasure Network

【技术实现步骤摘要】
一种基于生成式对抗网络的多模光纤成像方法及装置
本专利技术涉及光电子
，特别是涉及一种基于生成式对抗网络的多模光纤成像方法及装置。
技术介绍
近年来，多模光纤由于其内部传输模式丰富，信息吞吐量大，同时横截面面积小，因此在光成像领域受到广泛关注。研究人员开始利用多模光纤的不同空间模式来传输图片的不同像素，从而达到利用单根光纤传输整张图片的目的。多模光纤成像是在散射介质成像的基础上发展起来的，因此与散射介质成像有很多相似之处。当图片投影在多模光纤近端时，在多模光纤远端会得到一个随机的散斑图案。一般使用实验室中散斑图案生成结构的多模光纤远端，得到原始图片的散斑图案。研究人员提出以多模光纤远端得到的散斑图案和该多模光纤近端输入的原始图片作为训练集，训练U型网络U-net，最终可以对散斑图案进行恢复。这种方式虽然实现了对散斑图案进行恢复，但是会存在如下问题：由于U型网络需要大量的散斑图案数据集，比如20000张散斑图案，才能对散斑图案进行恢复，这使得训练神经网络的时间加长。并且这些散斑图案都是通过实验室中散斑图案生成结构获得的，散斑图案生成结构中的数字微镜器件(DigitalMicromirrorDevice，简称DMD)能够达到很高的成像速率，但是在实际应用中，由于需要DMD与用于输出恢复的散斑图案的电荷耦合器件(ChargeCoupledDevice，简称CCD)相机进行同步，使得DMD的成像速率受到很大的限制，因此需要获得大量的散斑图案需要耗费很长的时间。综上所述，使得如何使用少量的散斑图案，完成对散斑图案进行恢复，成为亟待解决的问题。
技术实现思路
本专利技术实施例的目的在于提供一种基于生成式对抗网络的多模光纤成像方法及装置，用以使用少量的散斑图案，完成对散斑图案进行恢复。具体技术方案如下：第一方面，本专利技术实施提供了一种基于生成式对抗网络的多模光纤成像方法，包括：获取原始图片；以散斑图案生成结构中激光器的激光为光源，将所述原始图片的像素信息调制到所述光源上，得到光信号；将所述光信号耦合进入所述散斑图案生成结构中的多模光纤进行传输，得到散斑图案；将所述散斑图案作为已训练的生成式对抗网络的输入，利用所述已训练的生成式对抗网络对所述散斑图案进行恢复，得到恢复后图片，所述已训练的生成式对抗网络是基于至少第一预设数量张的样本集训练得到的，所述样本集包括：原始图片样本及由所述散斑图案生成结构得到的与每个原始图片样本对应的散斑图案样本，所述第一预设数量为200；成像所述恢复后图片。进一步的，通过如下步骤，得到已训练的生成式对抗网络：通过所述散斑图案生成结构获取第二预设数量张的第一原始图片样本以及每个所述第一原始图片样本对应的第一散斑图案样本，作为训练集，所述第二预设数量大于或等于所述第一预设数量；将所述训练集作为待训练的生成式对抗网络的输入，利用所述待训练的生成式对抗网络，得到已训练的生成式对抗网络。进一步的，所述将所述训练集作为待训练的生成式对抗网络的输入，利用所述待训练的生成式对抗网络，得到已训练的生成式对抗网络，包括：通过所述待训练的生成式对抗网络中的生成器，按照所述训练集中的第一原始图片样本及第一散斑图案样本，随机生成待判定图片；通过所述待训练的生成式对抗网络中的判别器，若判定所述待判定图片的来源为所述生成器，则返回继续执行通过所述待训练的生成式对抗网络中的生成器，按照所述训练集中的第一原始图片样本及第一散斑图案样本，随机生成待判定图片的步骤，直至所述判别器判定所述待判定图片的来源为原始图片，得到已训练的生成式对抗网络，所述已训练的生成式对抗网络包括：已训练的生成式对抗网络中的生成器及已训练的生成式对抗网络中的判别器。进一步的，所述将所述散斑图案作为已训练的生成式对抗网络的输入，利用所述已训练的生成式对抗网络对所述散斑图案进行恢复，得到恢复后图片，包括：将所述散斑图案作为已训练的生成式对抗网络的输入，利用所述已训练的生成式对抗网络中的生成器对所述散斑图案进行恢复，得到恢复后图片。进一步的，在所述以散斑图案生成结构中激光器的激光为光源，将原始图片的像素信息调制到所述光源上，得到光信号之前，所述方法还包括：通过所述散斑图案生成结构中的数字微镜器件，将所述原始图片的像素信息进行幅度调制，得到幅度调制后图片；所述以散斑图案生成结构中激光器的激光为光源，将原始图片的像素信息调制到所述光源上，得到光信号，包括：将所述幅度调制后图片的像素信息，作为所述原始图片的像素信息；以He-Ne激光器的激光为光源，将所述原始图片的像素信息调制到所述光源上；将所述光信号耦合进入所述散斑图案生成结构中的多模光纤进行传输，得到散斑图案，包括：通过一个透镜组将所述光信号耦合进入所述多模光纤进行传输，在所述多模光纤的末端输出所述光信号；放大所述多模光纤末端输出的光信号；将放大后光信号通过电荷耦合器件CCD相机，得到散斑图案。第二方面，本专利技术实施提供了一种基于生成式对抗网络的多模光纤成像装置，包括：获取模块，用于获取原始图片；第一调制模块，用于以散斑图案生成结构中激光器的激光为光源，将所述原始图片的像素信息调制到所述光源上，得到光信号；传输模块，用于将所述光信号耦合进入所述散斑图案生成结构中的多模光纤进行传输，得到散斑图案；第一处理模块，用于将所述散斑图案作为已训练的生成式对抗网络的输入，利用所述已训练的生成式对抗网络对所述散斑图案进行恢复，得到恢复后图片，所述已训练的生成式对抗网络是基于至少第一预设数量张的样本集训练得到的，所述样本集包括：原始图片样本及由所述散斑图案生成结构得到的与每个原始图片样本对应的散斑图案样本，所述第一预设数量为200；成像模块，用于成像所述恢复后图片。进一步的，所述装置还包括：第二处理模块，用于：通过所述散斑图案生成结构获取第二预设数量张的第一原始图片样本以及每个所述第一原始图片样本对应的第一散斑图案样本，作为训练集，所述第二预设数量大于或等于所述第一预设数量；将所述训练集作为待训练的生成式对抗网络的输入，利用所述待训练的生成式对抗网络，得到已训练的生成式对抗网络。进一步的，所述第二处理模块，用于：通过所述待训练的生成式对抗网络中的生成器，按照所述训练集中的第一原始图片样本及第一散斑图案样本，随机生成待判定图片；通过所述待训练的生成式对抗网络中的判别器，若判定所述待判定图片的来源为所述生成器，则返回继续执行通过所述待训练的生成式对抗网络中的生成器，按照所述训练集中的第一原始图片样本及第一散斑图案样本，随机生成待判定图片的步骤，直至所述判别器判定所述待判定图片的来源为原始图片，得到已训练的生成式对抗网络，所述已训练的生成式对抗网络包括：已训练的生成式对抗网络中的生成器及已训练的生成式对抗网络中的判别器。进一步的，所述第一处理模块，用于：将所述散斑图案作为已训练的生成式对抗网络的输入，利用所述已训练的生成式对抗网络中的生成器对所述散斑图案进行恢复，得到恢复后图片。进一步的，所述装置还包括：第二调制模块，用于在所述以散斑图案生成结构中激光器的激光为光源，将原始图片的像素信息调制到所述光源上，得到光信号之前，通过所述散斑图案生成结构中的数字微镜器件，将所述原始图片的像素信息进行幅度调制，得到幅度调制后图片；所述第一调制本文档来自技高网...

【技术保护点】
1.一种基于生成式对抗网络的多模光纤成像方法，其特征在于，包括：获取原始图片；以散斑图案生成结构中激光器的激光为光源，将所述原始图片的像素信息调制到所述光源上，得到光信号；将所述光信号耦合进入所述散斑图案生成结构中的多模光纤进行传输，得到散斑图案；将所述散斑图案作为已训练的生成式对抗网络的输入，利用所述已训练的生成式对抗网络对所述散斑图案进行恢复，得到恢复后图片，所述已训练的生成式对抗网络是基于至少第一预设数量张的样本集训练得到的，所述样本集包括：原始图片样本及由所述散斑图案生成结构得到的与每个原始图片样本对应的散斑图案样本，所述第一预设数量为200；成像所述恢复后图片。

【技术特征摘要】
1.一种基于生成式对抗网络的多模光纤成像方法，其特征在于，包括：获取原始图片；以散斑图案生成结构中激光器的激光为光源，将所述原始图片的像素信息调制到所述光源上，得到光信号；将所述光信号耦合进入所述散斑图案生成结构中的多模光纤进行传输，得到散斑图案；将所述散斑图案作为已训练的生成式对抗网络的输入，利用所述已训练的生成式对抗网络对所述散斑图案进行恢复，得到恢复后图片，所述已训练的生成式对抗网络是基于至少第一预设数量张的样本集训练得到的，所述样本集包括：原始图片样本及由所述散斑图案生成结构得到的与每个原始图片样本对应的散斑图案样本，所述第一预设数量为200；成像所述恢复后图片。2.如权利要求1所述的方法，其特征在于，通过如下步骤，得到已训练的生成式对抗网络：通过所述散斑图案生成结构获取第二预设数量张的第一原始图片样本以及每个所述第一原始图片样本对应的第一散斑图案样本，作为训练集，所述第二预设数量大于或等于所述第一预设数量；将所述训练集作为待训练的生成式对抗网络的输入，利用所述待训练的生成式对抗网络，得到已训练的生成式对抗网络。3.如权利要求2所述的方法，其特征在于，所述将所述训练集作为待训练的生成式对抗网络的输入，利用所述待训练的生成式对抗网络，得到已训练的生成式对抗网络，包括：通过所述待训练的生成式对抗网络中的生成器，按照所述训练集中的第一原始图片样本及第一散斑图案样本，随机生成待判定图片；通过所述待训练的生成式对抗网络中的判别器，若判定所述待判定图片的来源为所述生成器，则返回继续执行通过所述待训练的生成式对抗网络中的生成器，按照所述训练集中的第一原始图片样本及第一散斑图案样本，随机生成待判定图片的步骤，直至所述判别器判定所述待判定图片的来源为原始图片，得到已训练的生成式对抗网络，所述已训练的生成式对抗网络包括：已训练的生成式对抗网络中的生成器及已训练的生成式对抗网络中的判别器。4.如权利要求3所述的方法，其特征在于，所述将所述散斑图案作为已训练的生成式对抗网络的输入，利用所述已训练的生成式对抗网络对所述散斑图案进行恢复，得到恢复后图片，包括：将所述散斑图案作为已训练的生成式对抗网络的输入，利用所述已训练的生成式对抗网络中的生成器对所述散斑图案进行恢复，得到恢复后图片。5.如权利要求1至3任一项所述的方法，其特征在于，在所述以散斑图案生成结构中激光器的激光为光源，将原始图片的像素信息调制到所述光源上，得到光信号之前，所述方法还包括：通过所述散斑图案生成结构中的数字微镜器件，将所述原始图片的像素信息进行幅度调制，得到幅度调制后图片；所述以散斑图案生成结构中激光器的激光为光源，将原始图片的像素信息调制到所述光源上，得到光信号，包括：将所述幅度调制后图片的像素信息，作为所述原始图片的像素信息；以He-Ne激光器的激光为光源，将所述原始图片的像素信息调制到所述光源上；所述将所述光信号耦合进入所述散斑图案生成结构中的多模光纤进行传输，得到散斑图案，包括：通过一个透镜组将所述光信号耦合进入所述多模光纤进行传输，在...

【专利技术属性】
技术研发人员：于振明，张鑫磊，孟子艺，丁开强，徐坤，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11