[发明专利]一种基于计算鬼成像的目标鉴定装置及其方法有效
申请号: | 201611260523.5 | 申请日: | 2016-12-30 |
公开(公告)号: | CN106772310B | 公开(公告)日: | 2019-05-07 |
发明(设计)人: | 顾国华;邹云浩;何伟基;陈钱;张闻文;钱惟贤;隋修宝;任侃;路东明;于雪莲 | 申请(专利权)人: | 南京理工大学 |
主分类号: | G01S7/48 | 分类号: | G01S7/48;G01S17/89;G06T7/00 |
代理公司: | 南京理工大学专利中心 32203 | 代理人: | 唐代盛 |
地址: | 210094 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 计算 成像 目标 鉴定 装置 及其 方法 | ||
本发明公开了一种基于计算鬼成像的目标鉴定装置及其方法。本装置由锁模激光器、激光扩束镜、光阑、高速空间光调制器、成像透镜、高速光电二极管和数字采集模块等组成。利用高速空间逛调制器产生的随机散斑对待鉴定目标进行采样,采用计算鬼成像对目标进行重建,通过非线性相关实现极低采样率下的目标鉴定。本发明采用计算鬼成像的信息采集方法,结合非线性相关检验,不仅实现了单像素、低采样率的目标鉴定,拓宽了目标鉴定的光谱范围,还减小了探测器尺寸,降低了成像系统的成本。
技术领域
本发明属于图像识别技术领域,特别是一种基于计算鬼成像的目标鉴定装置及其方法。
技术背景
目标鉴别技术广泛用于人脸识别,遥感目标探测等诸多方面,在军事和商业领域都得到了广泛的应用和关注。目前,目标鉴别主要依赖于面阵探测器(如CCD相机和CMOS相机)的直接获取目标图像,再结合相应的识别算法进行鉴定(如[1]吕颖达.数字图像盲鉴别的关键理论与技术研究[D].吉林大学,2015.[2]刘茜.彩色人脸图像特征提取方法研究[D].南京邮电大学,2015.[3]王鹏宇.基于压缩感知的旋转体目标成像鉴别方法研究[D].国防科学技术大学,2013.)。面阵探测器的使用极大制约了目标鉴别应用的光谱范围,同时,面阵探测器需要在100%奈奎斯特极限下工作,这大大增加了系统所需的硬件和计算成本。
发明内容
本发明的目的在于提供一种基于计算鬼成像的目标鉴定装置及其方法,不仅实现了单像素、低采样率的目标鉴定,拓宽了目标鉴定的光谱范围,还减小了探测器尺寸,降低了成像系统的成本。
本发明目的的技术解决方案为:一种基于计算鬼成像的目标鉴定装置,包括锁模激光器、激光扩束镜、高速空间光调制器、成像透镜I、成像透镜II、高速光电二极管、计算机和数字采集模块,在计算鬼成像的光路发射端上,锁模激光器输出端的中心轴线上依次放置激光扩束镜、高速空间光调制器和成像透镜I,所有光学中心吻合;高速空间光调制器与成像透镜I的光轴相交,对激光光束进行调制后打到待测目标上;高速光电二极管放置在成像透镜II的后焦面上,从而使得经待测目标反射的光聚焦在高速光电二极管的光敏面上;该高速光电二极管的信号输出端通过同轴电缆与数据采集模块的模拟输入端连接,该数据采集模块进行采样,将模拟信号转换为数字信号,其输出端与计算机网络端口连接,上传数据采集结果,并在计算机中进行最后的目标鉴定处理。
一种基于计算鬼成像的目标鉴定方法,步骤如下:
第一步,极低采样率的计算鬼成像:利用随机产生的满足均匀分布的0-1散斑对待鉴定目标进行空域采样,此过程采样率极低,约为5%奈奎斯特采样极限下,采用计算鬼成像对目标进行重建,得到重建图像Irecons;
第二步,采用非线性相关实现目标鉴定:利用极低采样率下计算鬼成像的重建图像Irecons与已知的标准图像Istandard进行非线性相关,通过判别相关程度,如果相关图像中出现尖峰,即可认为待测目标与已知标准图像相符合,即实现目标鉴定。
本发明与现有技术相比,具有如下显著优点:(1)采用计算鬼成像的信息采集方法,结合非线性相关检验,可以实现单像素、低采样率的目标鉴定。(2)通过非线性相关进行相关程度判定,仅仅需要一个高速光电二极管,光谱相应范围大。(3)采样率远远低于面阵相机所需的100%奈奎斯特极限,一般为奈奎斯特极限的5%。(4)功耗低、体积小,适合快速部署。
下面结合附图对本发明作进一步详细描述。
附图说明
图1是本发明基于计算鬼成像的目标鉴定装置的示意图。
图2是选取的待测目标。
图3是基于计算鬼成像的目标鉴定方法的成像结果。
图4(a)、图4(b)、图4(c)和图4(d)是用于验证本发明的标准图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京理工大学,未经南京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201611260523.5/2.html,转载请声明来源钻瓜专利网。