基于均值滤波的关联成像的去噪方法

1.本发明涉及一种基于均值滤波的关联成像的去噪方法，属于关联成像 领域。


背景技术：

2.关联成像(correlated imaging)，又称“鬼”成像(ghost imaging,gi)， 是近些年来量子光学领域的前沿和热点之一。关联成像采用两条光路，一支 称为信号光路，指散斑通过物体后的光用一个无空间分辨能力的桶探测器 接收；另一支称为参考光路，指散斑在传输一段距离后由具有空间分辨能力 的探测器接收。最后对两条光路的探测结果进行二阶关联可以在参考光路 得到物体的恢复图像。与传统的成像方式不同的是关联成像可以在不包含 物体的光路上恢复出物体图像，这一特性称为非定域性。随着关联成像的发 展，热光“鬼”成像、计算“鬼”成像等新型“鬼”成像技术被不断提出。 与此同时，随着“鬼”成像性能的提高，各种基于“鬼”成像的应用也得以 实现。大量研究表明，“鬼”成像可广泛应用在军事、加密、激光雷达等领 域。
3.上世纪80年代，学者d.n.klyshko根据自发参量下转换光子对 的纠缠行为，提出了量子关联成像方案。1995年，pittman等人根据 klyshko的理论首次在实验上实现了量子关联成像。2002年，bennink 等人在实验上利用经典热光源实现了“鬼”成像，证明了利用热光同 样可以实现“鬼”成像，在“鬼”成像领域引起了巨大的轰动。2008 年，jeffrey h.shapiro等人理论上提出了计算“鬼”成像可以作为传 统“鬼”成像的一种替代技术，2009年bromberg等人在实验上实现 了计算“鬼”成像，即单探测光路的“鬼”成像方案，其中旋转的毛 玻璃由计算机控制的空间光调制器(slm)替代。2010年，ferri f 基于热光“鬼”成像提出差分“鬼”成像方案，在成像时只传输物体 的差分信息，降低了背景噪声对恢复图像质量的影响，从而提高了成 像的质量。2015年，zhang z b等人提出了一种通过获取图像傅里叶 频谱的方法来实现单像素成像，该方法大大提高了重建图像的质量。 同时基于关联成像的各种应用也被广泛的研究，例如2015年liu f 等人提出的梯度关联成像，通过梯度关联成像可以在不得到物体图像 的情况下直接得到物体的边缘信息。
4.随着“鬼”成像的技术发展，如何有效的降低噪声对成像的影响成为研 究热点之一。本发明均值滤波的概念引入关联成像过程中，可以有效地降低 高斯白噪声对成像的影响，因此可以获得成像质量更高的物体图像。
5.有鉴于此，确有必要提出一种基于均值滤波的关联成像的去噪方法， 以解决上述问题。


技术实现要素：

6.本发明的目的在于提供一种基于均值滤波的关联成像的去噪方法，以 降低高斯白噪声对图像恢复的影响。
7.为实现上述目的，本发明提供了一种基于均值滤波的关联成像的去噪 方法，所述去噪方法的步骤主要包括如下：
8.步骤一，根据物体的大小，利用计算机产生所需要的哈德玛散斑图案；
9.步骤二，选取均值滤波的模版，对已经生成的散斑进行坐标位置移动， 得到包含均值滤波信息的散斑图案，称为移动散斑图案，并将移动散斑图案 加载到数字微镜阵列上；
10.步骤三，光源照射到数字微镜阵列，经过数字微镜阵列的调制，可获得 关联成像所需的移动哈德玛散斑；将这些移动哈德玛散斑依次照射到待测 物体上，通过透射或反射，利用桶探测器接收从待测物体上获取的光信号， 得到每个哈德玛散斑的桶探测器数值；
11.步骤四，将所有的哈德玛散斑的桶探测器数值进行累加，得到总的桶探 测器数值，以总的桶探测器数值和未移动的哈德玛散斑图案进行二阶关联， 恢复被测物体的像。
12.作为本发明的进一步改进，步骤一中所述哈德玛散斑图案为sk(xi,yj)， 其中，k表示第k个哈德玛散斑，(xi,yj)表示坐标位置。
13.作为本发明的进一步改进，所述均值滤波的模版为3*3的均值滤波的 模版为例，产生9个所述移动散斑图案，且所述9个移动散斑图案的关系 为：
[0014][0015]
其中为第k个哈德玛散斑图案的第m个移动图案。
[0016]
作为本发明的进一步改进，步骤三中所述桶探测器数值为：
[0017]
其中，r(xi,yj)表示待测物体信息分布。
[0018]
作为本发明的进一步改进，在步骤四中所述总的桶探测器数值为：
[0019][0020]
其中sk(xi,yj)为第k个哈德玛散斑图案，r(xi,yj)为待测物体，r(xi,y
j+1
) 为待测物体在y方向向下移一位，r(xi,y
j-1
)为待测物体在y方向向上移一 位，r(x
i-1
,yj)为待测物体在x方向向右移一位，r(x
i+1
,yj)为待测物体在x方 向向左移一位，r(x
i+1
,y
j+1
)为待测物体在西南方向移一位，r(x
i-1
,y
j-1
)为待测 物体在东北方向移一位，r(x
i+1
,y
j-1
)为待测物体在西北方向移一位， r(x
i-1
,y
j+1
)为待测物体在东南方向移一位。
[0021]
作为本发明的进一步改进，步骤四还包括：利用透镜汇聚透射或反射待 测物体后产生的光信号，然后由所述桶探测器接收。
[0022]
作为本发明的进一步改进，所述桶探测器为无空间分辨能力的桶探测 器。
[0023]
作为本发明的进一步改进，在步骤四中，所述待测物体的像为： 其中，bk为所有哈德玛散斑的移动散 斑照射到待测物体上总的桶探测器数值，sk(xi,yj)是第k个哈德玛散斑图案， 《
·
》为对集合取统计平均。
[0024]
本发明的有益效果是：本发明不同于传统的关联成像方法，将均值滤波 的概念引入关联成像过程中，可以有效地降低高斯白噪声对成像的影响，同 时去噪和成像。
附图说明
[0025]
图1是本发明的基于均值滤波的关联成像的去噪方法的流程图。
[0026]
图2是符合本发明中使用二阶关联函数和均值滤波作为恢复算法时， 图片“双缝”和“ghost”的仿真结果图。
具体实施方式
[0027]
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体 实施例对本发明进行详细描述。
[0028]
如图1所示，本发明揭示了一种基于均值滤波的关联成像的去噪方法， 主要包括如下步骤：
[0029]
步骤一，根据物体的大小，利用计算机产生所需要的哈德玛散斑图案；
[0030]
步骤二，选取均值滤波的模版，对已经生成的散斑进行坐标位置移动， 得到包含均值滤波信息的散斑图案，称为移动散斑图案，并将移动散斑图案 加载到数字微镜阵列上；
[0031]
步骤三，光源照射到数字微镜阵列，经过数字微镜阵列的调制，可获得 关联成像所需的移动哈德玛散斑；将这些移动哈德玛散斑依次照射到待测 物体上，通过透射或反射，利用桶探测器接收从待测物体上获取的光信号， 得到每个哈德玛散斑的桶探测器数值；
[0032]
步骤四，将所有的哈德玛散斑的桶探测器数值进行累加，得到总的桶探 测器数值，以总的桶探测器数值和未移动的哈德玛散斑图案进行二阶关联， 恢复被测物体的像。
[0033]
具体地为，由计算机产生所需要的没有移动的散斑，然后移动散斑从而 产生仿真所需要的哈德玛散斑sk(xi,yj)，其中，k表示第k个哈德玛散斑， (xi,yj)表示坐标位置。
[0034]
然后用产生的移动散斑照射物体，物体透射和/或反射后产生光信号后， 然后再经过透镜聚焦后都由一个无空间分辨能力的桶探测器接收，得到桶 探测器的数值为：
[0035][0036]
其中，r(xi,yj)表示待测物体分布。
[0037]
总的桶探测器数值为：
[0038][0039]
物体与散斑是相对运动的，所以物体的移动可以看成是散斑的移动。
[0040]
本发明中的均值滤波的模板为3*3模版均值滤波，那么则需产生9个 移动散斑(包括为移动的中心未知的散斑)，它们的关系如下所示：
[0041]
[0042]
将所有的随机移动散斑照射到物体，并且桶探测器接收了所有的光强 值以后，我们可以将以上过程用公式表示为：
[0043][0044]
其中，bk为所有第k个哈德玛散斑的移位散斑照射到待测物体上总的桶探 测器数值。
[0045]
使用二阶关联函数可以直接得到物体的恢复图像，理论过程如下所 示：
[0046][0047]
其中bk为所有第k个哈德玛散斑的移位散斑照射到待测物体上总的桶 探测器数值，sk(xi,yj)是第k个哈德玛散斑图案，《
·
》为对集合取统计平 均。
[0048]
通过上述理论过程，将均值滤波应用到关联成像中，并根据二阶关联函 数能够得到物体的像，且通过理论推导可知，使用这种方法一定程度上能降 低噪声对成像的影响。
[0049]
图2为基于均值滤波的关联成像的去噪方法仿真结果图。本发明对“双 缝”和“ghost”的图像进行了验证。具体的仿真过程如下：首先使用计算 机产生九组移动的哈德玛散斑，然后将这九组哈德玛散斑对未知物体进行 照射，接下来，使用透镜对物体透射的光进行会聚，并使用没有任何空间分 辨率的桶探测器去接收，最后使用二阶关联函数根据哈德玛散斑和桶探测 器之和对未知物体图像进行恢复。
[0050]
图2中给出了“双缝”和“ghost”的仿真结果图，其中包括使用均值 滤波方法和没有使用均值滤波方法的仿真结果。同时为了比较使用不同恢 复算法时的恢复结果，我们采用峰值信噪比(psnr)作为评价标准，峰值 信噪比和结构相似度越大说明该使用该恢复算法进行图像恢复的效果越好， 恢复结果越接近于真实的图像。对仿真结果进行计算可以得到，对于“双缝
”ꢀ
图像，无均值滤波得到的恢复图像的psnr为13.09db。使用均值滤波得到 的恢复图像的psnr为15.8db；对于“ghost”，无均值滤波得到的恢复图 像的psnr为13.03db，使用均值滤波得到的恢复图像的psnr为15.44db。 通过仿真结果可以看出，与没有使用均值滤波的结果进行对比，均值滤波算 法的恢复结果更为清晰，即恢复结果质量更好。
[0051]
综上，采用基于均值滤波的关联成像去噪方法后，恢复图像的峰值信噪 比(psnr)相比于没有使用均值滤波的恢复结果都有较大的提升，恢复出 的结果也较为清晰。综合以上分析可知将均值滤波应用到关联成像中能够 有效地降低高斯白噪声对成像的影响。
[0052]
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实 施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本 发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神 和范围。