量子成像方法以及量子成像系统与流程

本申请涉及量子成像领域，特别是涉及一种量子成像方法以及量子成像系统。

背景技术：

量子成像也被称为“鬼成像”或者“关联成像”，近年来取得了很大的进展，受到人们的广泛关注，其具有重要的理论和实践意义。量子成像通过将光源发出的光分成两束，一束称为信号光，照到目标物体上并由一个“桶探测器”收集。另外一束称为参考光，直接照到一个面阵列探测器上(或将点探测器在参考光路合适位置的横向平面进行逐点扫描)。将面阵列探测器上的每一个像素的结果与桶探测器的结果输送到数据处理单元进行符合运算，从运算结果可以再现物体的像。

然而，传统的量子成像方法，主要通过计算关联函数及其量子期望值来实现的，需要计算出涉及到的整体数据的平均值。从而，在获取图像之前，需要把所有相关的图像数据储存起来再进行计算。例如，要对100000帧图像求平均值，则需要存储这100000帧图像数据，按vga图像尺寸(640x480)算，每一副图数据为0.9mb(每个像素24bit)。此时，通过传统的量子成像方法再现物体的像需要90gb的数据，计算资源非常大，计算速度缓慢，使得量子成像的速度和效率低。

技术实现要素：

基于此，有必要针对传统的量子成像方法计算资源非常大，计算速度缓慢，导致的量子成像速度和效率低的问题，提供一种可以降低存储的数据量，简化数据处理复杂度，快速高效地实现量子成像的量子成像方法以及量子成像系统。

本申请提供一种量子成像方法，应用于量子成像系统，包括：

s10，提供入射光；

s20，所述入射光照射至目标物体后形成信号光，并对所述信号光进行收集，获得第n次信号光测量数据sn以及第(n+m)次信号光测量数据sn+m；

s30，提供第n次参考光数据in(x，y)与第(n+m)次参考光数据in+m(x，y)，其中，所述第n次参考光数据in(x，y)为所述第n次信号光测量数据sn对应的参考数据，所述第(n+m)次参考光数据in+m(x，y)为所述第(n+m)次信号光测量数据sn+m对应的参考数据，用于构建量子成像模型，(x，y)为像素点坐标；

s40，根据所述第n次信号光测量数据sn、所述第(n+m)次信号光测量数据sn+m、所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)中至少三个参数测量数据构建量子成像模型，以获得所述目标物体的图像；

其中，n与m为任意的正整数。

在一个实施例中，在所述步骤s40中，根据所述第n次信号光测量数据sn、所述第(n+m)次信号光测量数据sn+m以及所述第(n+m)次参考光数据in+m(x，y)构建所述量子成像模型，所述量子成像模型为：

g^igi(x,y)＝＜(sn+m-sn)(in+m(x,y))＞。

在一个实施例中，当m为1时，所述量子成像模型为：

g^igi(x,y)＝＜(sn+1-sn)(in+1(x,y))＞。

在一个实施例中，在所述步骤s40中，根据所述第n次信号光测量数据sn、所述第(n+m)次信号光测量数据sn+m以及所述第n次参考光数据in(x，y)构建所述量子成像模型，所述量子成像模型为：

g^igi(x,y)＝-＜(sn+m-sn)(in(x,y))＞。

在一个实施例中，当m为1时，所述量子成像模型为：

g^igi(x,y)＝-＜(sn+1-sn)(in(x,y))＞。

在一个实施例中，在所述步骤s40中，根据所述第(n+m)次信号光测量数据sn+m、所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)构建所述量子成像模型，所述量子成像模型为：

g^igi(x,y)＝＜sn+m(in+m(x,y)-in(x,y))＞。

在一个实施例中，当m为1时，所述量子成像模型为：

g^igi(x,y)＝＜sn+1(in+1(x,y)-in(x,y))＞。

在一个实施例中，在所述步骤s40中，根据所述第n次信号光测量数据sn、所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)构建所述量子成像模型，所述量子成像模型为：

g^igi(x,y)＝-＜sn(in+m(x,y)-in(x,y))＞。

在一个实施例中，当m为1时，所述量子成像模型为：

g^igi(x,y)＝-＜sn(in+1(x,y)-in(x,y))＞。

在一个实施例中，在所述步骤s40中，根据所述第n次信号光测量数据sn、所述第(n+m)次信号光测量数据sn+m、所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)构建所述量子成像模型，所述量子成像模型为：

其中，m大于1的整数。

在一个实施例中，当m为2时，所述量子成像模型为：

在一个实施例中，在所述步骤s30中，根据所述入射光，计算所述入射光的光场分布作为参考光数据，获得所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)。

在一个实施例中，在所述步骤s30中，根据调制信号获得所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)。

在一个实施例中，一种采用如上述任一实施例中所述的量子成像方法对目标物体进行在线量子成像的量子成像系统，其特征在于，包括：

热光源，用于发出入射光；

分束器，设置于所述入射光的光路上，用于将所述入射光分为信号光与参考光；

桶探测器，设置于所述信号光的光路上，用于收集所述信号光照射所述目标物体后的信号光测量数据；

面阵列探测器，设置于所述参考光的光路上，用于收集参考光数据；

数据处理模块，用于根据所述信号光测量数据和所述参考光数据进行计算，以获得所述目标物体的图像。

本申请提供一种上述量子成像方法以及量子成像系统。通过所述量子成像方法时需要存储sn、sn+m、in(x，y)以及in+m(x，y)中至少任意三个参数测量数据即可。通过本申请的量子成像方法在整体实现上降低了存储的数据量，减轻了数据存储的负担。同时，通过本申请的量子成像方法计算时涉及到的计算资源也相应地减少，简化了量子成像系统硬件实现的难度，有利于量子成像走向实用化。sn、sn+m、in(x，y)以及in+m(x，y)中n和m为任意的正整数，可以为1、2、3、4等正整数。通过所述量子成像方法计算时需要的数据不受相邻帧的限制，跨越多帧进行成像，使得量子成像实现更加灵活。因此，通过所述量子成像方法可以简化数据处理复杂度，快速高效地成像，提高了量子成像的速度和效率，从而实现在线成像。

附图说明

图1为本申请提供的量子成像方法的方法步骤示意图；

图2为本申请提供的一个实施例中量子成像系统的结构示意图；

图3为本申请提供的另一个实施例中量子成像系统的结构示意图；

图4为本申请提供的量子成像方法中的目标物体的示意图；

图5为本申请提供的一个实施例中测量数据次数n＝30000时，传统量子成像方法对目标物体的成像结果的示意图；

图6为本申请提供的一个实施例中测量数据次数n＝30000时，本申请中采用量子成像模型g^igi(x,y)＝＜(sn+1-sn)(in+1(x,y))＞获得的目标物体的成像结果的示意图；

图7为本申请提供的一个实施例中测量数据次数n＝30000时，本申请中采用量子成像模型g^igi(x,y)＝＜sn+1(in+1(x,y)-in(x,y))＞获得的目标物体的成像结果的示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下通过实施例，并结合附图，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。在本申请的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。

在本申请中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

请参见图1-2，本申请提供一种量子成像方法，应用于量子成像系统，包括：

s10，提供入射光；

s20，所述入射光照射至目标物体后形成信号光，并对所述信号光进行收集，获得第n次信号光测量数据sn以及第(n+m)次信号光测量数据sn+m；

s30，提供第n次参考光数据in(x，y)与第(n+m)次参考光数据in+m(x，y)，其中，所述第n次参考光数据in(x，y)为所述第n次信号光测量数据sn对应的参考数据，所述第(n+m)次参考光数据in+m(x，y)为所述第(n+m)次信号光测量数据sn+m对应的参考数据，用于构建量子成像模型，(x，y)为像素点坐标；

s40，根据所述第n次信号光测量数据sn、所述第(n+m)次信号光测量数据sn+m、所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)中至少三个参数测量数据构建量子成像模型，以获得所述目标物体的图像；

其中，n与m为任意的正整数。

在所述步骤s10中，热光源可以包括激光器以及旋转毛玻璃。激光器发出的激光通过所述旋转毛玻璃后，由相干光变为赝热光，从而获得所述入射光。

在所述步骤s20中，通过桶探测器收集所述信号光，以获得所述第n次信号光测量数据sn以及所述第(n+m)次信号光测量数据sn+m。

在所述步骤s30中，根据光的波动理论，通过直接计算所述入射光的光场分布作为参考光数据，预先获得所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)，并对参考光数据进行储存。此时，通过预先储存参考光数据，可以简化量子成像系统，省略参考光路，方便量子成像系统移动，更加便携实用。

在所述步骤s30中，根据调制信号获取所述第n次参考光数据in(x，y)和所述第(n+m)次参考光数据in+m(x，y)。从而，通过预先储存所述第n次参考光数据in(x，y)和所述第(n+m)次参考光数据in+m(x，y)，可以简化量子成像系统，省略参考光路，方便量子成像系统移动，更加便携实用。

其中，所述调制信号为计算机生成的随机矩阵，通过调制信号可以直接调制点阵光源产生热光，或者控制光电调制器对于激光进行调制，得到调制的热光源。此时，参考光信号可以通过所述调制信号获得。

在所述步骤s40中，根据所述第n次信号光测量数据sn、所述第(n+m)次信号光测量数据sn+m、所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)中至少三个参数测量数据构建量子成像模型，用于成像计算。

在所述步骤s40中，根据所述第n次信号光测量数据sn、所述第(n+m)次信号光测量数据sn+m、所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)中任意三个参数测量数据进行组合来计算。

例如：通过所述量子成像方法可以根据sn、in(x，y)以及in+m(x，y)用于成像计算。通过所述量子成像方法可以根据sn+m、in(x，y)以及in+m(x，y)用于成像计算。通过所述量子成像方法可以根据sn、sn+m以及in(x，y)用于成像计算。通过所述量子成像方法可以根据sn、sn+m以及in+m(x，y)用于成像计算。通过所述量子成像方法可以根据sn、sn+m、in(x，y)以及in+m(x，y)用于成像计算。

此时，通过所述量子成像方法计算时需要存储sn、sn+m、in(x，y)以及in+m(x，y)中至少任意三个参数测量数据即可。通过本申请的量子成像方法在整体实现上降低了存储的数据量，减轻了数据存储的负担。同时，通过本申请的量子成像方法计算时涉及到的计算资源也相应地减少，简化了量子成像系统硬件实现的难度，有利于量子成像走向实用化。过sn、sn+m、in(x，y)以及in+m(x，y)中n和m为任意的正整数，可以为1、2、3、4等正整数。通过所述量子成像方法计算时需要的数据不受相邻帧的限制，跨越多帧进行成像，使得量子成像实现更加灵活。通过所述量子成像方法可以简化数据处理复杂度，快速高效地成像，提高了量子成像的速度和效率，从而实现在线成像。

请参见图2，在一个实施例中，本申请提供一种量子成像系统包括热光源、分束器、桶探测器、面阵列探测器以及数据处理模块。所述热光源用于发出入射光。所述分束器设置于所述入射光的光路上，用于将所述入射光分为信号光与参考光。所述桶探测器设置于所述信号光的光路上，用于收集所述信号光照射所述目标物体后的信号光测量数据。所述面阵列探测器设置于所述参考光的光路上，用于收集参考光数据。所述数据处理模块，用于根据所述信号光测量数据和所述参考光数据进行计算，以获得所述目标物体的图像。

所述信号光照射在所述目标物体上，并通过所述桶探测器接收透过所述目标物体的总光强。所述参考光直接被所述面阵列探测器探测。将所述桶探测器和所述面阵列探测器探测的信号进行二阶关联运算即可得到物体的像。光场强度关联测量由所述桶探测器和所述面阵列探测器分别记录强度，输入关联器作运算，并进行多次平均后得到强度关联分布。

此时，在所述步骤s10中，通过所述分束器将所述入射光分为所述信号光与所述参考光。在所述步骤s30中，所述面阵列探测器收集所述参考光，以获得所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)。

请参见图3，在一个实施例中，本申请提供一种量子成像系统包括调制的热光源、桶探测器以及数据处理模块。所述数据处理模块可以用于存储直接计算获得的所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)。所述数据处理模块也可以用于产生、存储所述调制信号，并根据所述调制信号获得所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)。

同时，根据所述第n次信号光测量数据sn、所述第(n+m)次信号光测量数据sn+m、所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)中至少三个参数测量数据构建量子成像模型，以获得所述目标物体的图像。

因此，通过所述量子成像系统对传统量子成像系统进行了简化，省略了参考光路，方便移动，更加便携实用。

在一个实施例中，在所述步骤s40中，根据所述第n次信号光测量数据sn、所述第(n+m)次信号光测量数据sn+m以及所述第(n+m)次参考光数据in+m(x，y)构建所述量子成像模型，所述量子成像模型为：

g^igi(x,y)＝＜(sn+m-sn)(in+m(x,y))＞(1)

其中，<·>为量子平均，g^igi(x,y)为目标物体最终的图像信息。

对于公式(3)中第一项为

当n趋近于无穷大时，且m远小于n时，后两项为高阶小量，可以省略小项，得到

对于公式(3)中第二项，当n趋近于无穷大，且m远小于n时，有

根据统计学规律，a，b为随机独立随机变量时，有<a·b>＝<a><b>

则对于公式(3)中第二项，有

此时，

通过以上证明过程可以看出，本申请中所述量子成像方法中g^igi(x,y)和传统的关联函数及量子期望值的二阶关联函数计算法(sn-<sn>)(in(x,y)-<in(x,y)>)〉＝g^gi(x,y)的结果相同。因此，通过所述量子成像模型为：g^igi(x,y)＝＜(sn+m-sn)(in+m(x,y))＞可以再现目标物体的像。

本申请中所述量子成像方法中存储sn、sn+m、以及in+m(x，y)三个参数测量数据即可成像。本申请的量子成像方法在整体上降低了存储的数据量，减轻了数据存储的负担。同时，本申请中所述量子成像方法涉及到的计算资源也相应地减少，可以仅仅使用所述桶探测器的一个差分信号(sn+m-sn)，使得实现所述量子成像方法的硬件资源进一步减少，简化了硬件实现的难度，有利于量子成像走向实用化。并且，sn、sn+m以及in+m(x，y)中n和m为任意的正整数，可以为1、2、3、4等任意正整数。此时，通过所述量子成像方法计算时需要的数据不受相邻帧的限制，跨越多帧进行成像，使得量子成像实现更加灵活。

通过所述量子成像方法可以简化数据处理复杂度，快速高效地成像，提高了量子成像的速度和效率，从而可以实现在线成像。

在一个实施例中，当m为1时，所述量子成像模型为：

g^igi(x,y)＝＜(sn+1-sn)(in+1(x,y))＞。

根据上述实施例所述，当m远小于n时，m可以为1、2、3、4等远小于n的任一正整数。例如当n＝30000时，m可以为1～300之间的任一正整数。通过所述量子成像模型不受相邻帧的限制，可以跨越多帧进行成像，使得量子成像实现更加灵活。

在一个实施例中，在所述步骤s40中，根据所述第n次信号光测量数据sn、所述第(n+m)次信号光测量数据sn+m以及所述第n次参考光数据in(x，y)构建所述量子成像模型，所述量子成像模型为：

g^igi(x,y)＝-＜(sn+m-sn)(in(x,y))＞。(9)

其中，

对于公式(11)中第二项，当n很大时，且m远小于n时

根据统计学规律，a，b为随机独立随机变量时，有<a·b>＝<a><b>

则对于公式(11)中第二项，则有

此时，

通过以上证明过程可以看出，本申请中所述量子成像方法中g^igi(x,y)和传统的关联函数及量子期望值的二阶关联函数计算法(sn-<sn>)(in(x,y)-<in(x,y)>)>＝g^gi(x,y)的结果相同。因此，通过所述量子成像模型为：g^igi(x,y)＝-＜(sn+m-sn)(in(x,y))＞可以再现目标物体的像。

本申请中所述量子成像方法中存储sn、sn+m、以及in(x，y)三个参数测量数据即可。本申请的量子成像方法在整体实现上降低了存储的数据量，减轻了数据存储的负担。本申请中所述量子成像方法涉及到的计算资源也相应地减少，可以仅仅使用所述桶探测器的一个差分信号(sn+m-sn)，使得实现所述量子成像方法的硬件资源进一步减少，简化了硬件实现的难度，有利于量子成像走向实用化。sn、sn+m以及in(x，y)中n和m为任意的正整数，可以为1、2、3、4等任意正整数。此时，通过所述量子成像方法计算时需要的数据不受相邻帧的限制，跨越多帧进行成像，使得量子成像实现更加灵活。

通过所述量子成像方法可以简化数据处理复杂度，快速高效地成像，提高了量子成像的速度和效率，从而可以实现在线成像。

在一个实施例中，当m为1时，所述量子成像模型为：

g^igi(x,y)＝-＜(sn+1-sn)(in(x,y))＞。

根据上述实施例所述，当m远小于n时，m可以为1、2、3、4等远小于n的任一正整数，不受相邻帧的限制，可以跨越多帧进行成像，使得量子成像实现更加灵活。

在一个实施例中，在所述步骤s40中，根据所述第(n+m)次信号光测量数据sn+m、所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)构建所述量子成像模型，所述量子成像模型为：

g^igi(x,y)＝＜sn+m(in+m(x,y)-in(x,y))＞。(15)

其中，

对于公式(16)中第一项，则

当n趋近于无穷大时，且当m远远小于n时，可以省略小项，获得

对于公式(16)中第二项，则有

根据统计学规律，a，b为随机独立随机变量时，有<a·b>＝〈a><b>，则

此时，

通过以上证明过程可以看出，本申请中所述量子成像方法中g^igi(x,y)和传统的关联函数及量子期望值的二阶关联函数计算法(sn-<sn>)(in(x,y)-<in(x,y)>)>＝g^gi(x,y)的结果相同。因此，通过所述量子成像模型为：g^igi(x,y)＝＜sn+m(in+m(x,y)-in(x,y))＞可以再现目标物体的像。

本申请中所述量子成像方法中存储sn+m、in(x，y)以及in+m(x，y)三个参数测量数据即可成像。本申请的量子成像方法在整体上降低了存储的数据量，减轻了数据存储的负担。同时，本申请中所述量子成像方法涉及到的计算资源也相应地减少，可以仅仅使用了所述面阵列探测器的一个差分信号(in+m(x，y)-in(x，y))，使得实现所述量子成像方法的硬件资源进一步减少，简化了硬件实现的难度，有利于量子成像走向实用化。并且，sn+m、in(x，y)以及in+m(x，y)中n和m为任意的正整数，可以为1、2、3、4等任意正整数。通过所述量子成像方法计算时需要的数据不受相邻帧的限制，跨越多帧进行成像，使得量子成像实现更加灵活。

通过所述量子成像方法可以简化数据处理复杂度，快速高效地成像，提高了量子成像的速度和效率，从而可以实现在线成像。

在一个实施例中，当m为1时，所述量子成像模型为：

g^igi(x,y)＝＜sn+1(in+1(x,y)-in(x,y))＞。

根据上述实施例所述，当m远小于n时，m可以为1、2、3、4等远小于n的任一正整数，不受相邻帧的限制，可以跨越多帧进行成像，使得量子成像实现更加灵活。

在一个实施例中，在所述步骤s40中，根据所述第n次信号光测量数据sn、所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)构建所述量子成像模型，所述量子成像模型为：

g^igi(x,y)＝-＜sn(in+m(x,y)-in(x,y))＞。

其中，

对于公式(22)中第二项，当n很大时，且m远远小于n时，则

根据统计学规律，a，b为随机独立随机变量时，有<a·b>＝<a>＜b>，则

此时，

通过以上证明过程可以看出，本申请中所述量子成像方法中g^igi(x,y)和传统的关联函数及量子期望值的二阶关联函数计算法<(sn-<sn>)(in(x,y)-<in(x,y)>)>＝g^gi(x,y)的结果相同。因此，通过所述量子成像模型为：g^igi(x,y)＝-＜sn(in+m(x,y)-in(x,y))＞可以再现目标物体的像。

本申请中所述量子成像方法中存储sn、in(x，y)以及in+m(x，y)三个参数测量数据即可成像。本申请的量子成像方法在整体上降低了存储的数据量，减轻了数据存储的负担。同时，本申请中所述量子成像方法涉及到的计算资源也相应地减少，可以仅仅使用了所述面阵列探测器的一个差分信号(in+m(x，y)-in(x，y))，使得实现所述量子成像方法的硬件资源进一步减少，简化了硬件实现的难度，有利于量子成像走向实用化。并且，sn、in(x，y)以及in+m(x，y)中n和m为任意的正整数，可以为1、2、3、4等任意正整数。此时，通过所述量子成像方法计算时需要的数据不受相邻帧的限制，跨越多帧进行成像，使得量子成像实现更加灵活。

通过所述量子成像方法可以简化数据处理复杂度，快速高效地成像，提高了量子成像的速度和效率，从而可以实现在线成像。

在一个实施例中，当m为1时，所述量子成像模型为：

g^gi(x,y)＝-＜sn(in+1(x,y)-in(x,y))＞。

根据上述实施例所述，当m远小于n时，m可以为1、2、3、4等远小于n的任一正整数，不受相邻帧的限制，跨越多帧进行成像，使得量子成像实现更加灵活。

在一个实施例中，在所述步骤s40中，根据所述第n次信号光测量数据sn、所述第(n+m)次信号光测量数据sn+m、所述第n次参考光数据in(x，y)以及所述第(n+m)次参考光数据in+m(x，y)构建所述量子成像模型，所述量子成像模型为：

其中，m大于1的整数。

其中，

公式(27)中第一项和第二项为

当n趋近于无穷大时，而且m远远小于n时，后一项为高阶小量，则

对于公式(27)中第三项和第四项，当n趋近于无穷大时，且m远远小于n时，则

根据统计学规律，a，b为随机独立随机变量时，有<a·b>＝<a><b>，则

此时，

通过以上证明过程可以看出，本申请中所述量子成像方法中g^igi(x,y)和传统的关联函数及量子期望值的二阶关联函数计算法(sn-<sn>)(in(x,y)-<in(x,y)>)>＝g^gi(x,y)的结果相同。因此，通过所述量子成像模型为：可以再现目标物体的像。

本申请中所述量子成像方法中存储sn、sn+m、in(x，y)以及in+m(x，y)四个测量数据即可成像。本申请的量子成像方法在整体上降低了存储的数据量，减轻了数据存储的负担。sn、sn+m、in(x，y)以及in+m(x，y)中n和m为任意的正整数，可以为1、2、3、4等任意正整数。通过所述量子成像方法计算时需要的数据不受相邻帧的限制，跨越多帧进行成像，使得量子成像实现更加灵活。

通过所述量子成像方法可以简化数据处理复杂度，快速高效地成像，提高了量子成像的速度和效率，从而可以实现在线成像。

在一个实施例中，当m为2时，所述量子成像模型为：

根据上述实施例所述，当m远小于n时，m可以为2、3、4等远小于n的任一正整数，不受相邻帧的限制，可以跨越多帧进行成像，使得量子成像实现更加灵活。

在一个实施例中，所述目标测物体可以为各种需要成像的物体。请参见图4，所述目标测物体采用一个基底表面上形成的镂空图案th。

请参见图5为本申请提供的测量数据次数n＝30000时，传统量子成像方法对目标物体的成像结果的示意图。

请参见图6和图7为通过本申请中所述量子成像方法获得th图案的成像结果的示意图。

图6为本申请提供的一个实施例中测量数据次数n＝30000时，本申请中采用量子成像模型g^igi(x,y)＝＜(sn+1-sn)(in+1(x,y))＞获得的目标物体的成像结果的示意图。并且，通过量子成像模型g^igi(x,y)＝＜(sn+1-sn)(in+1(x,y))＞获得的目标物体的成像结果的时间为60s。

图7为本申请提供的一个实施例中测量数据次数n＝30000时，本申请中采用量子成像模型g^igi(x,y)＝＜sn+1(in+1(x,y)-in(x,y))＞获得的目标物体的成像结果的示意图。并且，通过量子成像模型g^igi(x,y)＝＜(sn+1-sn)(in+1(x,y))＞获得的目标物体的成像结果的时间为60s。

通过图4、图5、图6、图7对比可以看出所述目标测物体的像可以清楚的呈现出来。并且，通过本申请所述量子成像方法可以快速高效地成像，提高了量子成像的速度和效率。

在一个实施例中，所述热光源可以是太阳光、白炽灯等。本申请中所述热光源可以包括激光器以及旋转毛玻璃。激光器发出的激光通过所述旋转毛玻璃后，由相干光变为赝热光，从而获得所述入射光。所述激光器型号可以为yuguang(宇光)dpssf-ivb-500。

所述桶探测器具有一定面积的光电探测器，可以为大面积光电二极管、面阵ccd、面阵cmos等。本实施例中，所述桶探测器为cmos(python0300)。所述面阵列探测器可以包括面阵ccd、面阵cmos等。本实施例中，所述面阵列探测器为cmos(python0300)。

所述数据处理模块具有计算功能，可以基于fpga、dsp、计算机、专用asic等实现，将量子成像向实用化方向大大推进了一步，从而实现在线成像。所述数据处理模块可以包括桶探测器信号接口、面阵列探测器信号接口、电源及时钟单元以及数据处理单元。所述桶探测器信号接口和所述桶探测器电连接，用于将所述桶探测器收集的数据传输给所述数据处理单元。所述面阵列探测器信号接口和所述面阵列探测器电连接，用于将所述面阵列探测器收集的数据传输给所述数据处理单元。所述电源及时钟单元和所述数据处理单元电连接，用于为所述数据处理单元提供电源和时钟。所述数据处理单元用于成像计算。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。