全息图噪声的去除方法及装置制造方法及图纸

本发明专利技术公开了一种全息图噪声的去除方法及装置，涉及图像处理领域，主要目的用于解决现有对全息图中的噪声直接使用滤波对全息图再现象会破坏图像中的细节信息，使得图像的质量下降的问题。技术方案包括：获取待处理全息图，所述全息图为含有散斑噪声的全息图；根据具有图像去噪功能的神经网络方法对所述全息图进行去噪；对去噪后的全息图进行预设再现处理，得到全息图的再现象；根据预设滤波算法对所述再现象滤波去噪。主要用于全息图噪声的去除。

Method and device for removing hologram noise

The invention discloses a method and device for removing noise of hologram, relates to the field of image processing is mainly used to solve the objective of existing noise in the hologram is directly used to filter the reconstructed image will destroy the image details, the degradation of image quality problems. The technical scheme comprises: acquiring processed hologram, the hologram contains hologram of speckle noise; denoising of the hologram based on the neural network method has the function of image denoising; hologram denoising after the preset reproduction process and phenomenon of hologram; according to the preset filter the algorithm of filtering phenomenon. Mainly used for holographic noise removal.

【技术实现步骤摘要】
全息图噪声的去除方法及装置
本专利技术涉及图像处理领域，尤其涉及一种全息图噪声的去除方法及装置。
技术介绍
全息术是一种能够同时记录物光波前的全部信息，如包括振幅和相位信息的技术手段，而随着计算机技术的发展，使用光学传感器CCD代替银盐干板，从而得到数字化的全息图，然后将得到的全息图的数据储存在计算机之中，计算机会根据光波衍射的模型对全息图进行再现，实现数字全息。数字全息成像分为光学记录和数值再现两个过程，数值再现过程是由计算机模拟光学全息的再现过程，通过数值计算，获得像光波场的复振幅分布，将所得强度分布及位相分布在显示器上显示出来，即可得到样本的形态结构图像(即再现像)。在数字全息图的采集、存储、处理、传输、显示等过程中往往会产生不同程度的失真，比如不同类型的噪声污染，从而对其质量产生影响。如散斑噪声，这些噪声会影响图像的质量，并且降低信噪比。目前，现有的对全息图中的噪声去除的方法是使用滤波去除噪声，但是，直接使用滤波对全息图再现象会破坏图像中的细节信息，使得图像的质量下降。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种全息图噪声的去除方法及装置。借由上述技术方案，本专利技术提供的一种全息图噪声的去除方法，包括：获取待处理全息图，所述全息图为含有散斑噪声的全息图；根据具有图像去噪功能的神经网络方法对所述全息图进行去噪；对去噪后的全息图进行预设再现处理，得到全息图的再现象；根据预设滤波算法对所述再现象滤波去噪。借由上述技术方案，本专利技术提供的一种全息图噪声的去除装置，包括：获取单元，用于获取待处理全息图，所述全息图为含有散斑噪声的全息图；第一去噪单元，用于根据具有图像去噪功能的神经网络方法对所述全息图进行去噪；处理单元，用于对去噪后的全息图进行预设再现处理，得到全息图的再现象；第二去躁单元，用于根据预设滤波算法对所述再现象滤波去噪。本专利技术实施例提供的一种全息图噪声的去除方法及装置，首先获取待处理全息图，所述全息图为含有散斑噪声的全息图，再根据具有图像去噪功能的神经网络方法对所述全息图进行去噪，然后对去噪后的全息图进行预设再现处理，得到全息图的再现象，最后根据预设滤波算法对所述再现象滤波去噪，与现有的对全息图中的噪声去除的方法是使用滤波去除噪声相比，本专利技术实施例通过采用神经网络首先对全息图去噪，然后对去噪后的全息图进行再现象，再对再现象进行滤波去噪，实现二次去噪，得到较高的峰值信噪比，改善含噪全息图再现像的视觉效果，提高去除全息图噪声的效率，提高图像的质量。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了专利技术实施例提供的一种全息图噪声的去除方法的流程图；图2示出了专利技术实施例提供的另一种全息图噪声的去除方法的流程图；图3示出了专利技术实施例提供的一种全息图噪声的去除装置的方框图；图4示出了专利技术实施例提供的另一种全息图噪声的去除装置的方框图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。本专利技术实施例提供一种全息图噪声的去除方法，如图1所示，所述方法包括：101、获取待处理全息图。其中，所述全息图为含有散斑噪声的全息图，所述全息图是由CCD光学传感器代替银盐干板进行拍摄，从而转化为数字化的全息图，并可以存储在计算机中，以便根据光波衍射的模型对全息图进行再现。所述散斑噪声的产生是由于高相关性的激光在物体表面反射并相干叠加，在全息图上形成颗粒状的噪声。需要说明的是，由于数字全息图不同于一般的图像，很对使用数字图像方法进行图像复原的算法不能直接应用于全息图中，因此需要使用适用于对数字全息图可以进行处理的方法。例如，可以使用博奇编码方式获取图像的全息图。102、根据具有图像去噪功能的神经网络方法对所述全息图进行去噪。其中，所述具有图像去噪功能的神经网络方法可以采用脉冲耦合神经网络PCNN，用于有效的去除图像高频部分的噪声，并保留去除图像边缘部分。需要说明的是，PCNN作为第三代人工神经网络，主要用于图像处理中的图像去噪、图像分割、图像增强，且由于PCNN是一种连续域的网络模型，由若干个神经元互联形成的反馈型神经网络构成的一个复杂的非线性动态系统。103、对去噪后的全息图进行预设再现处理，得到全息图的再现象。其中，所述预设再现象处理用于对全息图进行再现象处理，具体方法可以为对全息图进行离散傅里叶反变换，得到全息图的再现象。需要说明的是，由于将图像转变为全息图的方法为将实际物体的照片作为物光抽样得到离散化的物函数，然后进行离散傅里叶变换得到傅里叶变换谱，编码后得到全息图，所以得到全息图的再现象的方法是对全息图进行离散傅里叶反变换。104、根据预设滤波算法对所述再现象滤波去噪。其中，由于散斑噪声为乘性噪声，所以所述预设滤波算法为用于去除乘性噪声的滤波算法，可以为Lee滤波。Lee滤波是一种空间域滤波方法，会根据给定窗口内图像的统计特性来调整滤波的结果，因此可以极大的提高去除噪声的效果。需要说明的是，Lee滤波需要考虑乘性噪声的基础上使得均方误差最小，因此在选取均方误差时，一般会将散斑噪声的理论方式一起考虑进去。本专利技术实施例提供的一种全息图噪声的去除方法，与现有的对全息图中的噪声去除的方法是使用滤波去除噪声相比，本专利技术实施例通过采用神经网络首先对全息图去噪，然后对去噪后的全息图进行再现象，再对再现象进行滤波去噪，实现二次去噪，得到较高的峰值信噪比，改善含噪全息图再现像的视觉效果，提高去除全息图噪声的效率，提高图像的质量。本专利技术实施例提供另一种全息图噪声的去除方法，如图2所示，所述方法包括：201、根据预设散斑噪声参数，生成待处理图像的全息图。其中，为了在生成的全息图中可以清晰的展现含噪的全息图再现象，在生成全息图时，需要设置预设散斑噪声参数，如散斑噪声的强度，所述预设散斑噪声参数可以有技术人员在编辑程序时进行设定，本专利技术实施例不做具体限定。例如，预设散斑噪声强度可以为0.01。另外，在生成全息图之前还可以对利用CDD相机拍取的图片进行灰度处理。对于本专利技术实施例，步骤201具体可以包括：提取待处理图像抽样化后的物函数，对所述物函数进行离散傅里叶变换，得到傅里叶变换谱，通过预设的全息图编码方式及根据预设散斑噪声参数确定的散斑噪声对所述傅里叶变换谱进行编码，得到待处理图像的全息图。其中，所述预设的全息图编码方式用于将离散傅里叶变换后的傅里叶变换谱编码为数字全息图，可以为博奇编码，本专利技术实施例不做具体限定，所述物函数为对图像数据进行抽样化而得到的，以便于进行离散傅里叶变换，从而得到数字全息图。20本文档来自技高网...

【技术保护点】
一种全息图噪声的去除方法，其特征在于，包括：获取待处理全息图，所述全息图为含有散斑噪声的全息图；根据具有图像去噪功能的神经网络方法对所述全息图进行去噪；对去噪后的全息图进行预设再现处理，得到全息图的再现象；根据预设滤波算法对所述再现象滤波去噪。

【技术特征摘要】
1.一种全息图噪声的去除方法，其特征在于，包括：获取待处理全息图，所述全息图为含有散斑噪声的全息图；根据具有图像去噪功能的神经网络方法对所述全息图进行去噪；对去噪后的全息图进行预设再现处理，得到全息图的再现象；根据预设滤波算法对所述再现象滤波去噪。2.根据权利要求1所述的方法，其特征在于，所述获取待处理全息图之前，所述方法还包括：根据预设散斑噪声参数，生成待处理图像的全息图。3.根据权利要求2所述的方法，其特征在于，所述根据预设散斑噪声参数，生成待处理图像的全息图包括：提取待处理图像抽样化后的物函数；对所述物函数进行离散傅里叶变换，得到傅里叶变换谱；通过预设的全息图编码方式及根据预设散斑噪声参数确定的散斑噪声对所述傅里叶变换谱进行编码，得到待处理图像的全息图。4.根据权利要求1所述的方法，其特征在于，所述根据预设滤波算法对所述再现象滤波去噪之后，所述方法还包括：解析去躁后的再现象的质量指标参数，根据所述质量指标参数调整所述具有图像去躁功能的神经网络方法及所述预设滤波算法中的参数。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：将调整后的参数标记为去除全息图噪声的默认参数，以便再次去除全息图噪声时，直接采用所述默认参数进行去噪。6.一种全息图噪声的...

【专利技术属性】
技术研发人员：范浩如，黄晓辉，贾振红，
申请(专利权)人：新疆大学，
类型：发明
国别省市：新疆,65