申请/专利权人：北京理工大学

申请日：2021-11-19

公开（公告）日：2024-06-07

公开（公告）号：CN114187176B

主分类号：G06T3/4038

分类号：G06T3/4038;G06T5/70;G06T5/90

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2022.04.01#实质审查的生效;2022.03.15#公开

摘要：本发明公开了一种去除振幅和相位混叠的复数域成像方法和系统，其中，该方法包括：构造波前解析函数；基于波前解析函数，获取满足克喇末‑克勒尼希解析关系的多个强度测量值；根据多个强度测量值，利用克喇末‑克勒尼希关系恢复多个子孔径复数值；对多个子孔径复数值进行频谱拼接，获得复数域波前的初值；基于复数域波前的初值，联合神经网络和物理模型去除振幅相位混叠，以重建复数域图像。本发明能解决复数域成像中振幅相位混叠导致的降质问题，并利用神经网络的非线性建模能力实现抗噪、高保真的复数域成像。

主权项：1.一种去除振幅和相位混叠的复数域成像方法，其特征在于，包括以下步骤：S1,构造波前解析函数；S2,基于所述波前解析函数，获取满足克喇末-克勒尼希解析关系的多个强度测量值；S3,根据所述多个强度测量值，利用克喇末-克勒尼希关系恢复多个子孔径复数值；S4,对所述多个子孔径复数值进行频谱拼接，获得复数域波前的初值；S5,基于所述复数域波前的初值，联合神经网络和物理模型去除振幅相位混叠，以重建复数域图像；所述S1，包括：引入虚拟参考波函数，扫描孔径的偏移和位置，选用对数形式的平方可积函数表征波前复数值信号，所述虚拟参考波函数满足复平面的上半平面解析处处可微；所述S2，包括：通过孔径扫描或改变光波入射方向以满足入射光与瞳孔函数的截止频率相切，未散射光强大于散射光强，并捕获不同子孔径所对应的强度测量值；所述S3，包括：由捕获的强度测量值和虚拟参考波得出所构造波前解析函数的实部，根据克喇末-克勒尼希关系，利用希尔伯特变换得到波前解析函数的虚部，获得子孔径或不同入射方向的复数信号；所述S4，包括：不同的调制子孔径或光波入射方向获取到不同频谱信息的复数信号，利用合成孔径方式在频域对不同子孔径或入射方向的信号进行拼接，组合成完整的频谱信息，实现光场信号的建模；所述S5，包括：利用神经网络的非线性建模能力，从训练数据中学习复数域波前的振幅和相位的映射关系，解耦出振幅相位各自成分，去除混叠成分，将多个强度测量值和复数域波前的初值输入训练好的神经网络，提取并分离幅度和相位混叠成分后输出复数域重建结果；所述S1，还包括：构造波前解析函数，满足如下公式： （1） （2）其中和分别表示波前函数的实部和虚部，表示柯西主值；所述方法，还包括：令样本平面、频域平面和成像平面的坐标分别为，和，复数样本为，频谱为,则第i次调制所对应的强度测量值表示为： （3）其中，表示逆傅里叶变换，表示调制孔径的偏移量；引入参考波，由信号频谱、调制空间的偏移量和冲激函数决定，表示为： （4）所述波前解析函数的具体形式为： （5）则实部和虚部分别表示为： （6） （7）其中，为希尔伯特变换核，表示为： （8）其中，表示符号函数；由所述波前解析函数推导出复数信号的频谱为： （9）对不同调制孔径所恢复的频谱进行拼接，获得完整的频谱信息表示为： （10）其中，为方差，为预设的量以平衡数值稳定性；在神经网络训练时对振幅和相位进行单独训练，网络的输入为捕获的多个强度测量值并联合复数波前初值的振幅相位，使得神经网络从多个强度测量值、初值以及真值之间学习到物理模型和映射关系；损失函数采用复合损失函数，包含如下公式： （11） （12） （13）其中，为生成器，为判别器，为期望，y为训练样本中的真值，SSIM为图像的结构相似性，表示神经网络的生成判别损失函数，表示生成器的L2范数损失，表示生成器的结构相似性范数损失，Dy表示输入为y时判别器的输出；Gx表示输入为x时生成器的输出；DGX表示将输入为x时生成器的输出Gx作为判别器的输入所得到的输出；最终的训练目标表示为： （14）其中，和为权重参数。

全文数据：

权利要求：

百度查询： 北京理工大学 一种去除振幅和相位混叠的复数域成像方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD