一种散射成像方法、设备及计算机可读存储介质技术

本申请提供了一种散射成像方法、设备及计算机可读存储介质。散射成像方法包括：获取散斑图；根据散斑图生成混叠自相关图像；将混叠自相关图像输入目标卷积神经网络，通过目标卷积神经网络从混叠自相关图像中分离出各物体自相关图像；根据相位恢复算法分别对所有物体自相关图像进行重建，得到所有目标物体的物体图像；其中，散斑图由携带多个目标物体的物体信息的入射光透过散射介质于像面上形成，所有目标物体的尺寸均处于光学记忆有效范围之内，任意两个目标物体之间的距离均超出光学记忆有效范围；混叠自相关图像为所有目标物体的物体自相关图像的叠加。本申请不易受光学记忆效应的有效范围的限制，能够实现多目标物体、大视场的散射成像。视场的散射成像。视场的散射成像。

【技术实现步骤摘要】
一种散射成像方法、设备及计算机可读存储介质


[0001]本申请涉及光学成像
，尤其涉及一种散射成像方法、设备及计算机可读存储介质。

技术介绍

[0002]光学记忆效应是散射介质的一种固有属性，基于光学记忆效应的散射成像方法通常包括两种，分别为解卷积成像技术和散斑自相关成像技术，这两种散射成像技术都具有非常广阔的发展前景，且目前均已经被广泛应用于透过散射介质进行成像的各种场合。
[0003]相关技术中，光学记忆效应的有效范围会对散射成像的视场产生较大的影响，即透过强散射介质进行成像时，光学记忆效应的有效范围会变得很小，从而限制了上述两种技术在实际散射成像场景下的应用。为了扩大散射成像的视场，许多研究人员提出了不同的解决方案，其大致可以分为：第一类，在横向和纵向上利用不同的预校准点扩散函数获取多幅图像，然后通过拼接多镜头多视角图像来获得大视场；第二类，利用直接或间接的额外先验信息，从相机所记录的原始散斑图中提取隐藏物体的信息；第三类，借助高阶相关建立输入场与输出场之间复杂的非线性关系；其中，第一类解决方案需要精确校准，否则将会严重影响重建图像的质量；第二类解决方案中的先验信息虽然可以在一定程度上提高大视场成像的质量，但是却无法解决散斑混叠(多个目标物体透过散射介质进行成像时，像面上所形成的散斑图中并非仅包括一个目标物体，而是包括多个目标物体，此即为散斑混叠)的问题；第三类解决方案主要是在散射区域内调制光波，其传输矩阵的测量通常比较复杂，而且耗时严重。由此可见，如何突破光学记忆效应的有效范围的限制，以实现透过散射介质的多目标物体、大视场成像，仍然是散射成像领域中的一个重要研究课题。
[0004]因此，有必要对上述散射成像方法进行改进。

技术实现思路

[0005]本申请提供了一种散射成像方法、设备及计算机可读存储介质，旨在解决相关技术中透过散射介质进行成像时，受光学记忆效应的有效范围的限制严重，且无法实现多目标物体、大视场成像的问题。
[0006]为了解决上述技术问题，本申请实施例第一方面提供了一种散射成像方法，包括：
[0007]获取散斑图；其中，所述散斑图由携带多个目标物体的物体信息的入射光透过散射介质于像面上形成，所有所述目标物体的尺寸均处于光学记忆有效范围之内，任意两个所述目标物体之间的距离均超出所述光学记忆有效范围；
[0008]根据所述散斑图生成混叠自相关图像；其中，所述混叠自相关图像为所有所述目标物体的物体自相关图像的叠加；
[0009]将所述混叠自相关图像输入目标卷积神经网络，通过所述目标卷积神经网络从所述混叠自相关图像中分离出各所述物体自相关图像；
[0010]根据相位恢复算法分别对所有所述物体自相关图像进行重建，得到所有所述目标
物体的物体图像。
[0011]本申请实施例第二方面提供了一种电子设备，包括存储装置和至少一个处理器；所述存储装置用于存储至少一个程序，且当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器执行本申请实施例第一方面所述的散射成像方法。
[0012]本申请实施例第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有可执行指令，所述可执行指令被执行时执行本申请实施例第一方面所述的散射成像方法。
[0013]从上述描述可知，与相关技术相比，本申请的有益效果在于：
[0014]先获取散斑图，同时根据散斑图生成混叠自相关图像；再将混叠自相关图像输入目标卷积神经网络，通过目标卷积神经网络从混叠自相关图像中分离出各物体自相关图像；最后根据相位恢复算法分别对所有物体自相关图像进行重建，得到所有目标物体的物体图像；其中，散斑图由携带多个目标物体的物体信息的入射光透过散射介质于像面上形成，所有目标物体的尺寸均处于光学记忆有效范围之内，任意两个目标物体之间的距离均超出光学记忆有效范围；混叠自相关图像为所有目标物体的物体自相关图像的叠加。由此可见，虽然任意两个目标物体之间的距离均超出光学记忆有效范围，但是本申请仍然能够得到所有目标物体的物体图像，这就说明本申请不易受光学记忆效应的有效范围的限制；而且，本申请通过目标卷积神经网络对混叠自相关图像中每个目标物体的物体自相关图像进行分离，使得每个目标物体的物体自相关图像中不含相应目标物体以外的其它目标物体的自相关信息，从而能够顺利地得出所有目标物体的物体图像，进而能够很好地实现多目标物体、大视场的散射成像。
【附图说明】
[0015]为了更清楚地说明相关技术或本申请实施例中的技术方案，下面将对相关技术或本申请实施例的描述中所需使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，而并非是全部实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为解卷积成像技术的原理示意图；
[0017]图2为散斑自相关成像技术的原理示意图；
[0018]图3为GS算法的流程示意图；
[0019]图4为ER算法及HIO算法的流程示意图；
[0020]图5为传统技术下两个目标物体透过散射介质成像的实验结果图；
[0021]图6为U
‑
net卷积神经网络分离自相关的实验结果图；
[0022]图7为本申请实施例提供的Y
‑
net卷积神经网络分离自相关的实验结果图；
[0023]图8为本申请实施例提供的T
‑
net卷积神经网络分离自相关的实验结果图；
[0024]图9为本申请实施例提供的环境光干扰下多目标物体进行散射成像的实验装置的结构示意图；
[0025]图10为本申请实施例提供的环境光干扰下T
‑
net卷积神经网络分离自相关的实验结果图；
[0026]图11为本申请实施例提供的散射成像方法的流程示意图；
[0027]图12为本申请实施例提供的电子设备的模块框图；
[0028]图13为本申请实施例提供的计算机可读存储介质的模块框图。
【具体实施方式】
[0029]为了使本申请的目的、技术方案和优点等更加明显、易懂，下面将结合本申请实施例以及相应的附图，对本申请进行清楚、完整地描述；其中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。应当理解的是，下面所描述的本申请的各个实施例仅仅用以解释本申请，并不用于限定本申请，也即基于本申请的各个实施例，本领域的普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都在本申请保护的范围之内。此外，下面所描述的本申请的各个实施例中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
[0030]光学成像是记录光信息的主要方式。在传统光学成像的过程中，可以通过优化光学成像系统来达到消除像差、提高分辨率等目的，从而实现高质量的成像效果。但是，在一些复杂的环境中成像时，由于光的散射效应，传统光学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种散射成像方法，其特征在于，包括：获取散斑图；其中，所述散斑图由携带多个目标物体的物体信息的入射光透过散射介质于像面上形成，所有所述目标物体的尺寸均处于光学记忆有效范围之内，任意两个所述目标物体之间的距离均超出所述光学记忆有效范围；根据所述散斑图生成混叠自相关图像；其中，所述混叠自相关图像为所有所述目标物体的物体自相关图像的叠加；将所述混叠自相关图像输入目标卷积神经网络，通过所述目标卷积神经网络从所述混叠自相关图像中分离出各所述物体自相关图像；根据相位恢复算法分别对所有所述物体自相关图像进行重建，得到所有所述目标物体的物体图像。2.如权利要求1所述的散射成像方法，其特征在于，所述根据所述散斑图生成混叠自相关图像，包括：对所述散斑图进行自相关处理，得到所述散斑图的散斑自相关图像；截取所述散斑自相关图像的中央部分，得到混叠自相关图像。3.如权利要求2所述的散射成像方法，其特征在于，所述通过所述目标卷积神经网络从所述混叠自相关图像中分离出各所述物体自相关图像，包括：通过编码器从所述混叠自相关图像中提取各所述物体自相关图像的图像特征；其中，所述目标卷积神经网络包括所述编码器；通过解码器中的多条上采样路径分别对所有所述物体自相关图像的图像特征进行重建，得到所有所述物体自相关图像；其中，所述目标卷积神经网络还包括所述解码器，所述解码器包括所述多条上采样路径，所述上采样路径的数量与所述目标物体保持一致，所述上采样路径与所重建的所述物体自相关图像的图像特征之间具有一一对应关系。4.如权利要求3所述的散射成像方法，其特征在于，所述将所述混叠自相关图像输入目标卷积神经网络之前，还包括：将所述混叠自相关图像输入分类卷积神经网络；通过所述分类卷积神经网络确定所述混叠自相关图像的图像类别；其中，所述图像类别指示所述混叠自相关图像所对应的所述目标物体的数量；根据所述混叠自相关图像的图像类别从预设的卷积神经网络库中选择一个卷积神经网络作为目标卷积神经网络；其中，所述目标卷积神经网络所含上采样路径的...

【专利技术属性】
技术研发人员：何文奇，冯淯鎏，彭翔，
申请(专利权)人：深圳大学，
类型：发明
国别省市：