【技术实现步骤摘要】
基于深度学习的波带片编码孔径成像方法及装置
本专利技术涉及摄影成像
，特别涉及一种基于深度学习的波带片编码孔径成像方法及装置。
技术介绍
传统成像系统采用多组镜片对目标物体进行成像，以获得较高的成像质量。其代价是增大了系统体积，不利于移动设备的轻薄化。而编码孔径成像系统使用一块掩膜板代替透镜组进行成像，传感器记录下受编码孔径调制的目标物体图案，然后经过计算重建物体的像。编码孔径成像方案将成像任务的重心从硬件转移到计算上，从而降低了成像系统的制造成本和装配难度，并使成像系统更加轻薄且易于集成。波带片编码孔径成像技术是利用波带片对目标物体的入射光进行编码，其编码图案与同轴全息图具有类似的性质，因此可通过全息图重建的方式重建目标物体的像。已有的基于Fresnel波带片编码成像方法，相关技术例如通过采用高阶Gabor波带片的透过率函数对编码图进行复原，得到超分辨率的待测目标的原始图像。相关技术又如采用螺旋波带片编码成像方法，对编码图进行解码处理获得的边缘增强图像。上述技术仅适用于衍射效应可忽略的短波长辐射或粒子成像领域...
【技术保护点】
1.一种基于深度学习的波带片编码孔径成像方法，其特征在于，包括以下步骤：/nS1，设计波带片编码孔径成像系统中的掩膜板图案；/nS2，通过光学仿真计算点光源照明下的所述波带片编码孔径成像系统的脉冲响应函数；/nS3，将图像集内的图片和所述脉冲响应函数进行计算得到所述图像集内的图片对应的编码图像；/nS4，利用所述图像集内的图片和对应的编码图像对深度神经网络进行训练，通过训练后的深度神经网络对物体进行波带片编码孔径成像。/n
【技术特征摘要】
1.一种基于深度学习的波带片编码孔径成像方法，其特征在于，包括以下步骤：
S1，设计波带片编码孔径成像系统中的掩膜板图案；
S2，通过光学仿真计算点光源照明下的所述波带片编码孔径成像系统的脉冲响应函数；
S3，将图像集内的图片和所述脉冲响应函数进行计算得到所述图像集内的图片对应的编码图像；
S4，利用所述图像集内的图片和对应的编码图像对深度神经网络进行训练，通过训练后的深度神经网络对物体进行波带片编码孔径成像。
2.根据权利要求1所述的基于深度学习的波带片编码孔径成像方法，其特征在于，所述掩膜板图案包括但不限于Fresnel波带片或二值Gabor波带片。
3.根据权利要求1所述的基于深度学习的波带片编码孔径成像方法，其特征在于，所述S2进一步包括：
所述脉冲响应函数为在点光源照明光谱范围内，不同波长下波带片衍射图案的非相干加权叠加，表示为：
其中，λmin为点光源光谱范围内最小波长，λmax为照明光谱范围内最大波长，Qc(λ)为传感器的光谱响应函数，S(λ)为点光源光谱强度，U(x,y；λ)为在单色波长λ照明下波带片的衍射光强，h(x,y)为波带片编码孔径成像系统的脉冲响应函数。
4.根据权利要求1所述的基于深度学习的波带片编码孔径成像方法，其特征在于，所述图像集包括但不限于ImageNet、DIV2K和Flickr30k。
5.根据权利要求4所述的基于深度学习的波带片编码孔径成像方法，其特征在于，在对所述图像集内的图片进行计算之前还包括：将所述图像集内的图片预处理为相同的尺寸大小。
6.根据权利要求...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。