[发明专利]一种基于深度学习的散斑频谱信息重建方法及装置

说明书

本发明公开了一种基于深度学习的散斑频谱信息重建方法及装置，其方法包括以下步骤：步骤S1、建立物像与散斑图像频谱的训练数据集；步骤S2、基于卷积神经网络对训练数据集进行学习，得到训练完成的神经网络模型；步骤S3、获取待测目标的散斑图像频谱并输入至神经网络模型，得到待测目标的重建物像。本发明基于深度学习技术建立探测器信息和目标之间的关联关系，对目标像进行重构，实现无透镜散斑成像的目的。

技术领域

本发明属于图像重建技术领域，具体地说涉及一种基于深度学习的散斑频谱信息重建方法及装置。

背景技术

当光信息通道严重畸变，尤其存在强散射介质(透射类如生物组织、强雾霾等，反射类如墙体等)时，称为非视域条件，目标信息到达传感器将会呈现出散斑形式，无法直接成像。如何在非视域条件下进行成像，是成像科学中的前沿技术问题和复杂难题。成像的本质是信息的传递与重组，经由物体散射的光子便携带了物体的信息，散射光子在探测器上呈现的形式与目标存在关联，但用传统的解析方法难以快捷地求解出这一种关联关系，随着神经网络的兴起，快捷地求解此种关联关系成为可能。

发明内容

针对现有技术的种种不足，现提出一种基于深度学习的散斑频谱信息重建方法及装置，其基于深度学习技术建立探测器信息和目标之间的关联关系，对目标像进行重构，实现无透镜散斑成像的目的。

为实现上述目的，本发明提供如下技术方案：

一种基于深度学习的散斑频谱信息重建方法，其包括以下步骤：

步骤S1、建立物像与散斑图像频谱的训练数据集；

步骤S2、基于卷积神经网络对训练数据集进行学习，得到训练完成的神经网络模型；

步骤S3、获取待测目标的散斑图像频谱并输入至神经网络模型，得到待测目标的重建物像。

进一步地，步骤S1中，采集若干粗糙物体不同姿态的物像及与不同姿态的物像相应的散斑图像，对散斑图像进行频谱变换后，将物像与散斑图像频谱成对组成训练数据集。

进一步地，步骤S1中，建立光学平台，对粗糙物体同时进行直接成像及获取对应的散斑图像，不断变换粗糙物体的姿态，以获得不同姿态下的物像及相应的散斑图像。

进一步地，步骤S1中，沿入射激光束光路上设置准直扩束子系统，使激光束均匀照射于粗糙物体上，通过分光镜将从粗糙物体上反射出的激光束分成两路，其中一路激光束进入成像探测系统对粗糙物体进行成像，另外一路进入散斑探测系统中以获取散斑图像，不断旋转粗糙物体以变换粗糙物体的姿态，通过计算机控制成像检测系统与散斑探测系统同步采集并对散斑图像进行频谱变换，建立物像与散斑图像频谱的训练数据集。

进一步地，步骤S3中，沿入射激光束光路上设置准直扩束子系统，使激光束均匀照射于待测目标上，激光束从待测目标上反射并进入散斑探测系统中以获取散斑图像，通过计算机控制成像检测系统与散斑探测系统同步采集并对散斑图像进行频谱变换，将散斑图像频谱输入至神经网络模型，得到待测目标的重建物像。

进一步地，通过分光镜将从待测目标上反射出的激光束分成两路，其中一路进入散斑探测系统中以获取散斑图像，另外一路进入成像探测系统对待测目标进行成像，将散斑图像获得的重建物像与进入成像探测系统成像的物像进行结果对比分析。

进一步地，所述入射激光束为光纤点光源，准直扩束子系统为准直扩束透镜。

进一步地，所述散斑探测系统为CCD相机。

进一步地，所述成像探测系统为成像相机。

一种用于基于深度学习的散斑频谱信息重建方法的装置，包括处理器和存储有程序指令的存储器，所述处理器被配置为在执行所述程序指令时，执行上述所述的基于深度学习的散斑频谱信息重建方法。