[发明专利]一种无先验多目标的实时散射成像方法、装置及存储介质在审
| 申请号: | 202210179559.X | 申请日: | 2022-02-25 |
| 公开(公告)号: | CN114549486A | 公开(公告)日: | 2022-05-27 |
| 发明(设计)人: | 项钦蕾;崔光茫;赵巨峰 | 申请(专利权)人: | 杭州电子科技大学 |
| 主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/187;G06K9/62;G06V10/762 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 310018 浙江省杭州*** | 国省代码: | 浙江;33 |
| 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 先验 多目标 实时 散射 成像 方法 装置 存储 介质 | ||
1.一种无先验多目标的实时散射成像方法,其特征在于,包括如下步骤:
S1、基于尺度向量检测目标位置数量,计算以导出位置为中心的散斑区域的自相关,使用相位恢复法重建静态目标;
S2、据各目标自相关法重建结果和对应区域散斑,估计各区域对应的局部点扩展函数;
S3、采集未知动态多物体单帧散斑图像,凭借估算出的点扩展函数,用反卷积法实现各个散斑区域内动态位置目标的实时重建;
S4、将各个散斑区域内动态位置目标的重建结果放置到对应位置,拼接成完整的大视场重建图像。
2.根据权利要求1所述的无先验多目标的实时散射成像方法,其特征在于,所述步骤S1包括
S1-1、采集大视场下的多物体经散射介质形成的散斑;
S1-2、在两张不同像距下的散斑图中,通过块匹配算法,建立描述两层散斑间缩放关系的缩放矢量;
S1-3、通过基于缩放矢量的长度和方向信息的无先验目标物位置提取算法,获取多物体的位置信息;
S1-4、在散斑上以各物体位置为中心取矩形块;
S1-5、从各矩形块得到相应待重建目标物的自相关信息,利用相位恢复算法重建静态目标,形成各目标物体的自相关重建结果。
3.根据权利要求2所述的无先验多目标的实时散射成像方法,其特征在于,所述步骤S2中,据各目标物体的自相关重建结果和对应的矩形块区域内的散斑,用反卷积算法,估计各区域相应的局部点扩展函数。
4.根据权利要求3所述的无先验多目标的实时散射成像方法,其特征在于,所述步骤S4中,依据获取的未知动态多物体的位置,将重建后的未知动态多物体放置到各自对应的位置上,最终形成完整的大视场多物体的实时重建结果,实现无先验大视场多物体有限动态范围内动态散射成像。
5.根据权利要求2所述的无先验多目标的实时散射成像方法,其特征在于,所述步骤S1-1中,利用传感器采集非相干光照明下的多物体Ok,k=1,2,…,n经过散射介质后形成的散斑I和I′,其中I和I′的像距不同,分别为d1和d2,都相对于散射介质处于菲涅尔近场范围内;每一个物体Ok对应的位置为(sk,tk);对于多目标物的限制条件为:在物面到散射介质的距离为d0,散射介质的记忆效应范围为Δθ的前提下,各物体的尺寸小于d0·Δθ,而相邻两物体的间距大于d0·Δθ,多个物体形成的联合视场范围大于介质记忆效应范围。
6.根据权利要求5所述的无先验多目标的实时散射成像方法,其特征在于,所述步骤S1-2中,所述块匹配算法,从两个不同像距的散斑中建立空间对称分布的多个缩放矢量过程按照如下公式:
其中Mx,y表示在散斑I′上以(x,y)为中心的搜索块;Nx,y表示在散斑I上以(x,y)为中心的搜索块;Corr(.)表示某种描述两像素块间相关性的函数;利用公式(1),得到起点为散斑I平面终点为散斑I′平面的缩放矢量将公式(1)以一定的间距在整个散斑I及I′平面遍历,即可获取到空间对称分布的多个缩放矢量
7.根据权利要求6所述的无先验多目标的实时散射成像方法,其特征在于,所述步骤S1-3包括
1)将缩放矢量长度小于一定阈值以下的区域作为目标物的可能位置,阈值大小可以根据实际情况自行调节,利用8-连通的连通域算法对识别出的可能位置进行聚类,得到不同的连通域,以聚类得到的连通域的数量作为待重建目标物的数量,在每个连通域内都对应一个物体位置;
2)选取连通域内缩放矢量长度最短的位置作为该连通域内目标物的初步定位位置;
3)在该连通域的初步定位位置附近,利用缩放矢量的方向信息做细微调整,最终确定出该连通域内的物体位置,保证其位于尽可能多的缩放矢量的延长线上;
4)重复步骤2)和3)在每一个连通域上,最终确定出多个物体的位置(sk,tk),k=1,2,…,n和数量n。
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杭州电子科技大学,未经杭州电子科技大学许可,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/202210179559.X/1.html,转载请声明来源钻瓜专利网。





