[发明专利]大视场多目标散斑成像方法、装置、电子设备及存储介质有效
申请号: | 201911369935.6 | 申请日: | 2019-12-26 |
公开(公告)号: | CN111179368B | 公开(公告)日: | 2023-04-07 |
发明(设计)人: | 刘杰涛;李伟;吴雨祥;何顺福;邵晓鹏 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | G06T11/00 | 分类号: | G06T11/00;G06T3/40;G06T5/10;G06T5/50;G06V10/77 |
代理公司: | 西安嘉思特知识产权代理事务所(普通合伙) 61230 | 代理人: | 李园园 |
地址: | 710000 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 视场 多目标 成像 方法 装置 电子设备 存储 介质 | ||
1.一种大视场多目标散斑成像方法,其特征在于,包括:
获取多个混合散斑图像;其中,所述多个混合散斑图像为分别在不同等级的照明强度下,对多个成像目标所形成的散斑场进行图像采集所得到的;
分别将每个混合散斑图像转换为一个第一向量,得到多个第一向量;
以所述多个第一向量为分析目标,利用预设的独立成分分析算法,对所述分析目标进行独立成分分析,得到分析结果;其中,所述分析结果包括多个第二向量,每个第二向量唯一对应一个成像目标,且每个第二向量于表征该第二向量对应的成像目标的散斑信息在所述分析目标中所占据的成分;
分别将每个第二向量转换为一个参考散斑图像,得到每个成像目标的参考散斑图像,并计算每个参考散斑图像的自相关信息;
根据所计算的各个参考散斑图像的自相关信息,重建所述多个成像目标的成像图像。
2.根据权利要求1所述的方法,其特征在于,所述根据所计算的各个参考散斑图像的自相关信息,重建所述多个成像目标的成像图像,包括:
根据每个参考散斑图像的自相关信息,重建该参考散斑图像所属的成像目标的成像信息,并根据该成像目标的成像信息,生成该成像目标的成像图像;
对所生成的各个成像图像进行拼接,得到所述多个成像目标的成像图像。
3.根据权利要求1所述的方法,其特征在于,所述多个混合散斑图像为利用预设的多目标成像系统,分别在不同等级的照明强度下,对多个成像目标所形成的散斑场进行图像采集所得到的;
其中,所述多目标成像系统包括沿光路方向设置的光源、准直透镜、照明强度调整组件、所述多个成像目标、散射介质以及图像采集设备。
4.根据权利要求1或3所述的方法,其特征在于,所述多个混合散斑图像的数量大于或等于所述多个成像目标的数量。
5.根据权利要求1所述的方法,其特征在于,在所述分别将每个混合散斑图像转换为一个第一向量,得到多个第一向量的步骤之前,所述方法还包括:分别对每个混合散斑图像进行高斯滤波。
6.根据权利要求2所述的方法,其特征在于,所述根据每个参考散斑图像的自相关信息,重建该参考散斑图像所属的成像目标的成像信息,包括:
根据每个参考散斑图像的自相关信息,计算该参考散斑图像在傅里叶域的幅度信息;
根据所述傅里叶域的幅度信息,利用预设的相位恢复算法,恢复该参考散斑图像在傅里叶域的相位信息;
根据所述傅里叶域的幅度信息和所述傅里叶域的相位信息,利用傅里叶逆变换法,计算空域的幅度信息和空域的相位信息;
将所述空域的幅度信息和所述空域的相位信息作为该参考散斑图像所属的成像目标的成像信息。
7.根据权利要求6所述的方法,其特征在于,所述相位恢复算法,包括:混合输入输出算法;所述独立成分分析算法,包括:固定点算法。
8.一种大视场多目标散斑成像装置,其特征在于,包括:
获取模块,用于获取多个混合散斑图像;其中,所述多个混合散斑图像为分别在不同等级的照明强度下,对多个成像目标所形成的散斑场进行图像采集所得到的;
第一转换模块,用于分别将每个混合散斑图像转换为一个第一向量,得到多个第一向量;
主成分分析模块,用于以所述多个第一向量为分析目标,利用预设的独立成分分析算法,对所述分析目标进行独立成分分析,得到分析结果;其中,所述分析结果包括多个第二向量,每个第二向量唯一对应一个成像目标,且每个第二向量用于表征该第二向量对应的成像目标的散斑信息在所述分析目标中所占据的成分;
第二转换模块,用于分别将每个第二向量转换为一个参考散斑图像,得到每个成像目标的参考散斑图像,并计算每个参考散斑图像的自相关信息;
重建模块,用于根据所计算的各个参考散斑图像的自相关信息,重建所述多个成像目标的成像图像。
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西安电子科技大学,未经西安电子科技大学许可,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/201911369935.6/1.html,转载请声明来源钻瓜专利网。