基于CNN的纹影法强激光远场焦斑测量图像去噪方法技术

本发明专利技术公开了一种基于CNN的纹影法强激光远场焦斑测量图像去噪方法。该方法在分析远场焦斑测量CCD图像的噪声特点基础上，将基于卷积神经网络的去噪算法(DnCNN)引入主瓣和旁瓣CCD图像去噪处理中，能够有效去除主瓣和旁瓣CCD图像不同级别(0‑75dB)的噪声。使用DnCNN算法去噪后的主瓣和旁瓣图像进行焦斑重构，降低了纹影法测量远场焦斑主瓣图像光强大倍率放大而导致噪声同比例放大的问题，提高了基于纹影的高动态范围远场焦斑测量的可信度。本发明专利技术对DnCNN算法还作了重要的改进，使其适用于对不同灰度级别(12位或者16位)、不同噪声级别(0～75dB)图像去噪处理，以满足远场焦斑测量实验的要求。

【技术实现步骤摘要】
基于CNN的纹影法强激光远场焦斑测量图像去噪方法
本专利技术涉及一种强激光远场焦斑测量图像去噪方法。
技术介绍
对于十万焦耳量级高功率激光装置48路光束中任意1路光束的高动态范围远场焦斑分布进行测量，目前是基于纹影法来实现的。例如，在十万焦耳量级高功率激光装置[1]综合诊断系统中基于纹影法来实现强激光远场焦斑测量，开展高能量密度物理和惯性约束聚变(ICF)研究。但是基于纹影的远场焦斑测量方法存在诸多影响测量精度的误差源，如光束质量差、CCD图像去噪、旁瓣光束纹影小球衍射等。为了进一步提高十万焦耳量级高功率激光装置的实验性能和测量精度，并为DH装置研究频率转换组件[2]及相关科学技术问题提供全面、精确的激光参量，使用新的技术手段开展装置性能提升和算法优化工作是十分必要的。由于纹影法测量中需要对光束进行大倍率衰减(主瓣光束能量通常衰减为原始光束能量的0.1％)。对主瓣CCD来说，在纹影法测量远场焦斑中主要测量焦斑的主瓣分布信息，主瓣图像的特点是光斑亮度大，同样根据光子迁移曲线，主瓣光斑噪声相比旁瓣光斑噪声大很多，且纹影法计算远场焦斑动态范围本文档来自技高网...

【技术保护点】
1.基于CNN的纹影法强激光远场焦斑测量图像去噪方法，其特征在于，包括以下步骤：/n1)按照纹影法采集得到强激光远场焦斑的主瓣图像和旁瓣图像；/n2)利用基于残差学习的全卷积去噪网络算法(DnCNN)分别同时对主瓣图像和旁瓣图像进行去噪处理，去除主瓣图像和旁瓣图像不同级别的噪声；/n3)按照纹影法将去噪后的主瓣图像和旁瓣图像进行焦斑重构。/n

【技术特征摘要】
1.基于CNN的纹影法强激光远场焦斑测量图像去噪方法，其特征在于，包括以下步骤：
1)按照纹影法采集得到强激光远场焦斑的主瓣图像和旁瓣图像；
2)利用基于残差学习的全卷积去噪网络算法(DnCNN)分别同时对主瓣图像和旁瓣图像进行去噪处理，去除主瓣图像和旁瓣图像不同级别的噪声；
3)按照纹影法将去噪后的主瓣图像和旁瓣图像进行焦斑重构。


2.根据权利要求1所述的基于CNN的纹影法强激光远场焦斑测量图像去噪方法，其特征在于，所述基于残差学习的全卷积去噪网络算法(DnCNN)的算法的框架分为三部分：
第一部分为第1层，由卷积层3×3×64和Relu激活函数组成；
第二部分为第2～16层，共15个Unitblock单元块组成，每个Unitblock单元块由卷积层3×3×64、BN层及激活函数Relu组成；
第三部分由卷积层3×3组成；
通过用期望的噪声残差值和卷积网络计算得到的估计噪声残差值求得对于噪声的估计误差，进行网络参数的更新。


3.根据权利要求1所述的基于CNN的纹影法强激光远场焦斑测量图像去噪方法，其特征在于，
步骤3)按照纹影法将去噪后的主瓣图像和旁瓣图像进行焦斑重构，重构焦斑的分布函数为h(xi,yj)：



式中：
hz(xi,yj)为重构焦斑中单独对应于主瓣区域的分布函数；hp(xi,yj)为重构焦斑中单独对应于旁瓣区域的分布函数；
fz_dn(xi,yj)为主瓣图像减去估计噪声后结果，fp_dn(xi,yj)为旁瓣图像减去估计噪声后结果；
A为主瓣光斑填充区域，B为旁瓣光斑填充区域，C为主瓣光斑和旁瓣光斑的重合区域，d1和d2代表重叠区域主瓣和旁瓣图像所占的比例，且d1+d2＝1，0＜d1＜1，0＜d2＜1,k＝kz；α为原始光束经过分光系统后主瓣光束相比原始光束的比例系数，β为旁瓣光束相比原始光束的比例系数；
Denoise为以DnCNN算法为基础改进得到的去噪函数；fz(xi,yj)为主瓣CCD上所探测到的分布函数；fp(xi,yj)为旁瓣CCD探测到的分布函数；nz(x,y)为主瓣CCD的噪声分布函数，np(x,y)为旁瓣CCD的噪声分布函数。


4.根据权利要求3所述的基于CNN的纹影法强激光远场焦斑测量图像去噪方法，其特征在于，所述去噪函数是对DnCNN算法作以下调整：
a)归一化：对12位或16位科学CCD采集的输入图像(即按照纹影法采集得到的强激光远场焦斑的主瓣图像和旁瓣图像)进行归一化处理，将图像数据归一化为0-1之间的doube类型；
b)变更数据类型：将DnCNN算法中相关函数所有参数的数据类型由uint8变更为double；
c)减本底：对DnCNN算法去噪处理后的图像数据再执行减本底操作；
d)灰度等级恢复：将去噪处理和减本底操作后的图像double数据进行灰度级还原，恢复至归一化前的灰度等级，拉伸至0-4095之间。


5.基于CNN的纹影法强激光远场焦斑测量图像去噪模拟方法，其特征在于，包括以下步骤：
1)按照激光远场焦斑强度分布原理，利用仿真软件生成原始远场仿真光束和理想的远场焦斑分布原始图像；
2)对原始远场仿真光束进行分光处理和各自光束衰减处理，将光束分为主瓣光束和旁瓣光束形成主瓣仿真图像和旁瓣仿真图像；对主瓣仿真图像和旁瓣仿真图像增加本地随机噪声以及主瓣光束和旁瓣光束的随机噪声；
...

【专利技术属性】
技术研发人员：王拯洲，谭萌，段亚轩，王力，李刚，弋东驰，魏际同，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：陕西;61