【技术实现步骤摘要】
一种用于量子压缩成像的方法
[0001]本专利技术属于量子成像
，具体涉及一种用于量子压缩成像的方法。
技术介绍
[0002]量子成像是一种基于量子信息理论的新型成像技术，近年来受到人们的广泛关注。基于纠缠态信号的量子关联成像是量子成像领域中一个重要的研究方向，其具有信号功率低、抗干扰能力强、分辨率高等特点，因而在对微小目标的精细成像和对敏感物体的无损检测成像等场景中具有巨大的应用潜力。
[0003]然而，由于发射信号极微弱导致单次采样时间过长，传统的扫描成像技术难以满足实际应用中对成像速度的需求。为解决这一问题，压缩感知被应用于量子关联成像中，它可以有效降低采样次数从而提升成像速度。然而，随着量子成像应用研究的深入，基于压缩感知的量子关联成像还有两个方面需要改进：一是减少采样数从而减少采样时间；二是开发一种快速、高质量的重建算法。
[0004]为了更有效地对信息进行采样，在重构算法方面，目前已经提出如OMP、ROMP和TVAL3等算法；这些算法大多采用迭代策略求解凸优化问题。但是，这些算法重建图像的时...
【技术保护点】
【技术特征摘要】
1.一种用于量子压缩成像的方法，其特征在于，包括：获取目标的测量值；所述测量值是对所述目标的参考光路和信号光路进行符合计数得到的，所述参考光路中的空间光调制器上加载有预设压缩感知矩阵，所述信号光路中的空间光调制器上加载有所述目标的图像；将所述测量值输入预训练的初步重建子网络，输出所述目标的初步重建图像；将所述初步重建图像输入预训练的混合池卷积子网络，经过所述预训练的混合池卷积子网络的卷积处理、条形池化处理、金字塔池化处理、注意力机制处理和融合处理后，输出所述目标的重建图像；其中，所述预训练的初步重建子网络和所述预训练的混合池卷积子网络是采用引入泊松噪声的样本进行训练得到的。2.根据权利要求1所述的用于量子压缩成像的方法，其特征在于，所述将所述初步重建图像输入预训练的混合池卷积子网络，经过所述预训练的混合池卷积子网络的卷积处理、条形池化处理、金字塔池化处理、注意力机制处理和融合处理后，输出所述目标的重建图像，包括：将所述初步重建图像输入预训练的混合池卷积子网络后，所述预训练的混合池卷积子网络对所述初步重建图像进行卷积处理、条形池化处理和金字塔池化处理，得到图像优化特征图；对所述图像优化特征图和所述初步重建图像进行融合处理后，输入所述残差图像进行注意力机制处理，得到注意力特征图；对所述注意力特征图进行卷积处理，得到所述目标的重建图像。3.根据权利要求2所述的用于量子压缩成像的方法，其特征在于，所述对所述初步重建图像进行卷积处理、条形池化处理和金字塔池化处理，得到图像优化特征图，包括：对所述初步重建图像进行卷积处理、条形池化处理和金字塔池化处理，得到第一特征图；对所述第一特征图进行卷积处理、条形池化处理和金字塔池化处理，得到第二特征图；对所述第二特征图进行卷积处理、条形池化处理和金字塔池化处理，得到所述图像优化特征图。4.根据权利要求3所述的用于量子压缩成像的方法，其特征在于，所述对所述初步重建图像进行卷积处理、条形池化处理和金字塔池化处理，得到第一特征图，包括：通过第一层卷积层、第二层卷积层和第三层卷积层依次对所述初步重建图像进行卷积处理，得到第一卷积特征图；通过第四层条形池化层对所述第一卷积特征图进行条形池化处理和融合处理，得到第一融合特征图；通过第五层卷积层对所述第一融合特征图进行卷积处理，得到第二卷积特征图；通过第六层条形池化层对所述第二卷积特征图进行条形池化处理和融合处理，得到第二融合特征图；通过第七层金字塔池化层对所述第二融合特征图进行金字塔池化处理，得到第一金字塔特征图；通过第八层条形池化层对所述第一金字塔特征图进行条形池化处理和融合处理，得到第三融合特征图；
通过第九层金字塔池化层对所述第三融合特征图进行金字塔池化处理，得到第二金字塔特征图；通过第十层条形池化层对所述第二金字塔特征图进行条形池化处理和融合处理，得到第四融合特征图；通过第十一层金字塔池化层对所述第四融合特征图进行金字塔池化处理，得到第三金字塔特征图，将所述第三金字塔特征图作为所述第一特征图。5.根据权利要求4所述的用于量子压缩成像的方法，其特征在于，所述第一卷积特征图的尺寸为H*W；所述通过第四层条形池化层对所述第一卷积特征图进行条形池化处理和融合处理，得到第一融合特征图，包括：通过第四层条形池化层分别对所述第一卷积特征图进行水平条纹池化和竖直条纹池化，得到尺寸为1*W的水平特征图和H*1的竖直特征图；对所...
【专利技术属性】
技术研发人员：李军，高静毅，王炜皓，张宝山，卫容宇，宋航，沈鹏阳，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。