[发明专利]基于散斑图叠加和平均的超记忆效应范围成像方法和装置

权利要求书

1.一种基于散斑图叠加和平均的超记忆效应范围成像方法，其特征在于，所述方法包括：

获取n个不同时刻采集的待成像样本的散斑图，所述待成像样本包括不同记忆效应范围的静止物体和运动物体；

对各所述散斑图进行叠加平均处理，得到所述静止物体的第一散斑分量图；

获取所述待成像样本的候选散斑图；

对所述候选散斑图和所述第一散斑分量图进行差分操作，得到所述运动物体在不同位置的第二散斑分量图；

计算所述第一散斑分量图和所述第二散斑分量图的自相关信息；

根据所述第一散斑分量图和所述第二散斑分量图的自相关信息分别确定所述静止物体和运动物体的目标傅里叶幅值信息；

通过相位恢复算法对各所述目标傅里叶幅值信息进行迭代处理，完成所述静止物体和所述运动物体的重建。

2.根据权利要求1所述的方法，其特征在于，所述获取n个不同时刻采集的待成像样本的散斑图，包括：

获取n个不同时刻采集到的所述静止物体的散斑分量和所述运动物体在不同位置的散斑分量；

对所述静止物体的散斑分量和所述运动物体在不同位置的散斑分量进行叠加，得到n个包含所述静止物体和所述运动物体的散斑图。

3.根据权利要求2所述的方法，其特征在于，所述对各所述散斑图进行叠加平均处理，得到所述静止物体的第一散斑分量图，包括：

对n个包含所述静止物体和所述运动物体的散斑图进行线性叠加，得到叠加散斑图；

基于所述叠加散斑图的散斑强度，对所述叠加散斑图进行平均处理，得到所述静止物体的第一散斑分量图。

4.根据权利要求1所述的方法，其特征在于，所述获取所述待成像样本的候选散斑图，包括：

从所述获取n个时刻中任意时刻采集的待成像样本的散斑图中选取任意时刻的散斑图作为候选散斑图；

所述对所述候选散斑图和所述第一散斑分量图进行差分操作，得到所述运动物体在不同位置的第二散斑分量图，包括：

获取所述候选散斑图的散斑信息和所述第一散斑分量图的散斑信息；

通过对所述候选散斑图的散斑信息和所述第一散斑分量图的散斑信息进行差分操作，得到所述运动物体在对应位置的第二散斑分量图。

5.根据权利要求1所述的方法，其特征在于，所述基于相位恢复算法对各所述目标傅里叶幅值信息进行迭代处理，完成所述静止物体和所述运动物体的重建，包括：

基于所述相位恢复算法对各所述目标傅里叶幅值信息进行迭代处理，直到满足所述相位恢复算法的振幅约束，得到所述静止物体的傅里叶相位信息和所述运动物体的傅里叶相位信息；

根据所述静止物体的傅里叶相位信息和所述运动物体的傅里叶相位信息，完成所述静止物体和所述运动物体的重建。

6.根据权利要求1所述的方法，其特征在于，所述根据所述第一散斑分量图和所述第二散斑分量图的自相关信息分别确定所述静止物体和运动物体的目标傅里叶幅值信息，包括：

根据所述第一散斑分量图的自相关信息确定所述静止物体的自相关信息；

根据所述第二散斑分量图的自相关信息确定所述运动物体的自相关信息；

通过对所述静止物体的自相关信息和所述运动物体的自相关信息进行傅里叶变换，分别得到所述静止物体和运动物体的目标傅里叶幅值信息。

7.根据权利要求1所述的方法，其特征在于，所述不同记忆效应范围包括不同轴向记忆效应范围或不同横向记忆效应范围。