[發(fā)明專利]一種基于區(qū)域分割的壓縮計算鬼成像方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201910968414.6
• 申請日: 2019-10-12
• 公開（公告）號: CN110807779A
• 公開（公告）日: 2020-02-18
• 發(fā)明（設(shè)計）人: 馮維;趙曉冬;湯少靖;趙大興;孫國棟;吳貴銘;劉紅帝
• 申請（專利權(quán)）人: 湖北工業(yè)大學(xué)
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/13;G06T7/136;G06T7/181;G06T7/187;G06T3/40;G06T5/50
• 代理公司: 武漢維創(chuàng)品智專利代理事務(wù)所(特殊普通合伙) 42239
• 代理人: 丁龍

本發(fā)明實(shí)施例提供一種基于區(qū)域分割的壓縮計算鬼成像方法及系統(tǒng)，包括：獲取待測對象的第一重構(gòu)圖像，所述第一重構(gòu)圖像為經(jīng)過預(yù)設(shè)次數(shù)采樣重構(gòu)后得到的；對所述第一重構(gòu)圖像進(jìn)行區(qū)域分割，得到感興趣區(qū)域ROI區(qū)域和不感興趣區(qū)域N?ROI區(qū)域；分別對所述ROI區(qū)域和所述N?ROI區(qū)域進(jìn)行二階關(guān)聯(lián)計算；將經(jīng)二階關(guān)聯(lián)計算后的所述ROI區(qū)域和經(jīng)二階關(guān)聯(lián)計算后的所述N?ROI區(qū)域進(jìn)行拼接，得到所述待測對象的第二重構(gòu)圖像。由于去除了ROI區(qū)域，對應(yīng)區(qū)域的N?ROI區(qū)域重構(gòu)過程中光強(qiáng)變化小，使得第二重構(gòu)圖像局部微小區(qū)域成像質(zhì)量好。

技術(shù)領(lǐng)域

本發(fā)明涉及鬼成像技術(shù)領(lǐng)域，更具體地，涉及基于區(qū)域分割的壓縮計算鬼成像方法及系統(tǒng)。

背景技術(shù)

鬼成像(GhostImaging，GI)，又稱關(guān)聯(lián)成像，傳統(tǒng)光學(xué)成像是基于光的分布測量，而鬼成像則是基于光波能量的關(guān)聯(lián)測量。早在2008年，Shapiro等學(xué)者在理論上提出了計算鬼成像(Computational GhostImaging，CGI)，取代了分束器分出的參考光路，根據(jù)空間光調(diào)制器(Spatial LightModulator，SLM)特性，將其應(yīng)用到關(guān)聯(lián)成像中，從而可以計算出參考光路所需要的信息。次年，Bromberg搭建出實(shí)驗平臺，完成了單路計算式鬼成像實(shí)驗，重建出物體清晰的像。計算式關(guān)聯(lián)成像主要使用SLM或數(shù)字投影儀(DigitalLightProcessing，DLP)或數(shù)字微鏡器件(DigitalMicromirrorDevice，DMD)對光源進(jìn)行調(diào)制，投射不同的隨機(jī)散斑圖到被測表面，利用桶探測器記錄相應(yīng)的光場信息，通過關(guān)聯(lián)計算能夠恢復(fù)出待測表面的空間信息。2009年，Katz等首次將壓縮感知技術(shù)應(yīng)用到關(guān)聯(lián)成像中。相比傳統(tǒng)鬼成像而言，單臂式計算鬼成像為關(guān)聯(lián)成像平臺搭建帶來了便捷，推動了實(shí)際研究應(yīng)用，具有更高的實(shí)用價值。

目前提高鬼成像質(zhì)量的方法主要是提升整幅圖像的信噪比，但在較少采樣量的條件下，對于局部微小細(xì)節(jié)的成像效果仍不理想，因此，亟需提供一種新的鬼成像方法。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種克服上述問題或者至少部分地解決上述問題的網(wǎng)絡(luò)拓?fù)涮綔y方法及裝置。

第一方面，本發(fā)明實(shí)施例提供了一種基于區(qū)域分割的壓縮計算鬼成像方法，包括：

獲取待測對象的第一重構(gòu)圖像，所述第一重構(gòu)圖像為經(jīng)過預(yù)設(shè)次數(shù)采樣重構(gòu)后得到的；

對所述第一重構(gòu)圖像進(jìn)行區(qū)域分割，得到感興趣區(qū)域ROI區(qū)域和不感興趣區(qū)域N-ROI區(qū)域；

分別對所述ROI區(qū)域和所述N-ROI區(qū)域進(jìn)行二階關(guān)聯(lián)計算；

將經(jīng)二階關(guān)聯(lián)計算后的所述ROI區(qū)域和經(jīng)二階關(guān)聯(lián)計算后的所述N-ROI區(qū)域進(jìn)行拼接，得到所述待測對象的第二重構(gòu)圖像。

進(jìn)一步地，所述獲取待測對象的第一重構(gòu)圖像，具體包括：

利用預(yù)設(shè)像素尺寸的散斑圖像，對所述待測對象進(jìn)項所述預(yù)設(shè)次數(shù)的采樣；

基于所述預(yù)設(shè)次數(shù)的采樣結(jié)果和壓縮計算鬼成像CCGI算法，得出所述第一重構(gòu)圖像。

進(jìn)一步地，對所述第一重構(gòu)圖像進(jìn)行區(qū)域分割，得到感興趣區(qū)域ROI區(qū)域和不感興趣區(qū)域N-ROI區(qū)域，具體包括：

對所述第一重構(gòu)圖像進(jìn)行區(qū)域分割，得到所述ROI區(qū)域；

將所述第一重構(gòu)圖像中所述ROI區(qū)域?qū)?yīng)的區(qū)域的像素值設(shè)置為0，得到所述N-ROI區(qū)域。

進(jìn)一步地，所述分別對所述ROI區(qū)域和所述N-ROI區(qū)域進(jìn)行二階關(guān)聯(lián)計算，具體包括：

獲取對應(yīng)于所述ROI區(qū)域的第一隨機(jī)散斑和對應(yīng)于所述N-ROI區(qū)域第二隨機(jī)散斑；

基于所述第一隨機(jī)散斑對所述ROI區(qū)域進(jìn)行二階關(guān)聯(lián)計算，基于所述第二隨機(jī)散斑對所述N-ROI區(qū)域進(jìn)行二階關(guān)聯(lián)計算。