专利汇可以提供一种基于散斑估计和反卷积的非侵入式散射成像方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于散斑估计和反卷积的非侵入式散射成像方法,包括:使用非侵入式成像系统采集N个经过相同散射介质遮挡区域的训练样本的集成强度矩阵并经处理得到训练样本的重构结果利用散斑图样S以及前一步骤得到的训练样本重构结果和集成强度矩阵之间的卷积关系建立受约束的最小二乘模型,得到估计的散斑图样对散射介质遮挡区域的待观测样本Oc,采集其集成强度矩阵IIMc,进行反卷积操作重构待观测样本的像本发明可非侵入式地得到估计的散斑图样,实现复杂样本的高效重构,明显提升重构结果的清晰度和鲁棒性。,下面是一种基于散斑估计和反卷积的非侵入式散射成像方法专利的具体信息内容。
1.一种基于散斑估计和反卷积的非侵入式散射成像方法,其特征在于,包括以下步骤:
A1:使用基于散斑扫描与记忆效应的非侵入式成像系统采集N个经过相同散射介质遮挡区域的训练样本 的集成强度矩阵 为:
其中(θ1,θ2)是激光扫描角度的采样坐标,d1是散射层与训练样本的距离, 是训练样本 在平行于散射层的平面内的位置坐标,S(u-d1θ1,v-d1θ2)是当激光扫描角度为(θ1,θ2)时的散斑图样,*代表卷积符号;
并经处理得到训练样本的重构结果
A2:通过集成强度矩阵互相关匹配算法匹配训练样本重构结果 和 以及训练样本和 的集成强度矩阵 和 之间的互相关,矫正训练样本重构结果的方向并获取训练样本的相对位置偏移,得到具有正确方向的训练样本重构结果 利用获取的相对位置偏移校准得到公共区域的集成强度矩阵
A3:利用散斑图样S以及前一步骤得到的具有正确方向的训练样本重构结果 和校准后的公共区域的集成强度矩阵 之间的卷积关系建立受约束的最小二乘模型,得到估计的散斑图样
A4:对散射介质遮挡区域的待观测样本Oc,采集其集成强度矩阵IIMc,使用估计得到的散斑图样 对待观测样本的集成强度矩阵IIMc进行反卷积操作,重构待观测样本的像
2.根据权利要求1所述的非侵入式散射成像方法,其特征在于,步骤A2中对训练样本和 的集成强度矩阵 和 作互相关得到:
其中★为互相关操作符,A和C是依赖于散斑颗粒大小以及训练样本大小的常数,(θ1,θ2)是激光扫描角度的采样坐标,d1是散射层与训
练样本的距离, 是训练样本 在平行于散射层的平面内的位置坐标,
是训练样本 在平行于散射层的平面内的位置坐标。
3.根据权利要求2所述的非侵入式散射成像方法,其特征在于,步骤A2中矫正训练样本重构结果的方向并获取训练样本的相对位置偏移,得到具有正确方向的训练样本重构结果具体包括:
将 和 分别与 和 作
互相关可以得到以下四种情况:
以上四种情况下得到的互相关与减去常数项的集成强度矩阵互相关之间再作互相关可以得到:
由于
恢复训练样本间互相关与集成强度矩阵间互相关的互相关极值最大对应着相位恢复重构结果取得正确方向,得到具有正确方向的训练样本相位恢复重构结果 与计算具有正确方向的训练样本相位恢复重构结果之间的互相关:
4.根据权利要求3所述的非侵入式散射成像方法,其特征在于,步骤A2中利用获取的相对位置偏移校准得到公共区域的集成强度矩阵 具体包括:
将式(13)与式(5)进行位置匹配可得第j个训练样本与第i个训练样本之间的位置偏移为
然后以第1个训练样本为参考样本,计算得到所有训练样本的平均位置相对于第1个训练样本的位置偏移为:
是所有训练样本的平均位置在平行于散射层的平面内的位置坐标,
第i个训练样本的集成强度矩阵作位置移动
校准得到公共区域的集成强度矩阵
5.根据权利要求1所述的非侵入式散射成像方法,其特征在于,步骤A3具体包括:
散斑图样S、具有正确方向的训练样本重构结果 和校准后的公共区域的集成强度矩阵 满足卷积关系,集成强度矩阵表示为:
其中,ei∈RK×K表示重构结果引入的误差, S∈R(M+K-1)×(M+K-1);
构建最小化平方误差和的最小二乘模型为:
然后引入散斑图样的先验信息,得到受约束的最小二乘模型:
其中Δ约束了相邻散斑图样采样点的差值范围;再根据受约束的最小二乘模型得到估计的散斑图样
6.根据权利要求5所述的非侵入式散射成像方法,其特征在于,其中Δ随着散斑颗粒的增大而减小,而且散斑颗粒大小正比于训练样本与散射层的距离d1以及激光光源的波长λ,反比于入射激光直径D:
7.根据权利要求6所述的非侵入式散射成像方法,其特征在于,步骤A3中根据受约束的最小二乘模型得到估计的散斑图样 具体为:利用凸优化求解工具CVX估计得到散斑图样的分布
8.根据权利要求1所述的非侵入式散射成像方法,其特征在于,步骤A4具体包括:
采集待观测样本Oc的集成强度矩阵IIMc为:
其中 是待观测样本在平行于散射层平面内的位置坐标;然后利用步骤A3中得到的估计的散斑图样 与待观测样本的集成强度矩阵做反卷积操作得到待观测样本的反卷积重构结果:
其中 表示傅里叶变换, 表示傅里叶逆变换。
9.根据权利要求1至8任一项所述的非侵入式散射成像方法,其特征在于,步骤A1中经处理得到训练样本的重构结果 具体为:对采集的训练样本的集成强度矩阵 作自相关、傅里叶变换、开根号处理得到样本的幅值谱,再用相位恢复算法得到训练样本的重构结果
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种反激式转换器恒流控制电路 | 2020-05-08 | 758 |
基于仿真的微电网故障定位方法 | 2020-05-11 | 961 |
一种基于3D卷积神经网络的电气负载监测方法和系统 | 2020-05-11 | 689 |
一种检测肠道菌群代谢气体的呼气试验方法 | 2020-05-11 | 58 |
一种减少晶圆边缘聚焦不良的方法 | 2020-05-08 | 669 |
一种农林业圆柱状双取样测定结构和方法 | 2020-05-11 | 137 |
一种飞机地面电源线缆压降补偿的控制方法 | 2020-05-08 | 133 |
显示设备、用于驱动显示设备的方法以及电子装置 | 2020-05-08 | 775 |
一种实测振动数据处理方法及系统 | 2020-05-08 | 10 |
基于哈希学习的轻量级社会化推荐方法 | 2020-05-08 | 624 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。