[發明專利]基于Wirtinger Flow算法的散斑相關成像方法及裝置有效
| 申請號: | 201910972577.1 | 申請日: | 2019-10-14 |
| 公開(公告)號: | CN110807822B | 公開(公告)日: | 2022-03-22 |
| 發明(設計)人: | 邊麗蘅;李一鳴;張軍;曹先彬 | 申請(專利權)人: | 北京理工大學 |
| 主分類號: | G06T11/00 | 分類號: | G06T11/00 |
| 代理公司: | 北京清亦華知識產權代理事務所(普通合伙) 11201 | 代理人: | 王艷斌 |
| 地址: | 100081 *** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 wirtinger flow 算法 相關 成像 方法 裝置 | ||
1.一種基于Wirtinger Flow算法的散斑相關成像方法,其特征在于,包括以下步驟:
S1,獲取目標散斑圖像,根據維納-辛欽定理對所述目標散斑圖像進行自相關的傅里葉變換,得到目標功率譜;
S2,通過Wirtinger Flow算法建立目標圖像和所述目標功率譜的代價函數,通過優化算法對所述代價函數進行優化并求解所述代價函數的最優解,根據所述最優解重建所述目標圖像;
所述S2進一步包括:
通過Wirtinger Flow算法建立所述目標圖像和所述目標功率譜的最小二乘代價函數,通過梯度優化算法對所述最小二乘代價函數進行迭代優化,求解所述最小二乘代價函數的最優解;所述S2進一步包括:
S211,建立所述目標圖像和所述目標功率譜的所述最小二乘代價函數其中,ai為所述目標功率譜,bi為傅里葉變換向量,是bi的共軛向量,o為所述目標圖像;
S212,設定常數λ,其中,n為所述目標圖像的維數,根據所述目標功率譜與傅里葉變換向量建立矩陣設定初始向量o0為矩陣Y的最大特征值對應的特征向量,并使||o0||=λ,求解初始向量o0值;
S213,根據初始向量o0值和梯度優化算法對所述最小二乘代價函數進行迭代優化使得f(o)取最小值,其中,優化公式為:
其中,μτ+1是隨迭代次數變化的迭代步長,τ0和μmax為經驗值,為所述最小二乘代價函數對所述目標圖像的類梯度;
或,所述S2進一步包括:
通過Truncated Wirtinger Flow算法建立所述目標圖像和所述目標功率譜的log-似然代價函數,通過梯度優化算法對所述log-似然代價函數進行迭代優化,求解所述log-似然代價函數的最優解;所述S2進一步包括:
S221,建立所述目標圖像和所述目標功率譜的所述log-似然代價函數其中,ai為所述目標功率譜,bi為傅里葉變換向量,是bi的共軛向量,o為所述目標圖像;
S222,設定常數λ,其中,n為所述目標圖像的維數,根據所述目標功率譜與傅里葉變換向量建立矩陣設定初始向量o0為矩陣Y的最大特征值對應的特征向量,并使||o0||=λ,求解初始向量o0值;
S223,根據初始向量o0值和梯度優化算法對所述log-似然代價函數進行迭代優化使得l(o;ai)取最小值,其中,優化公式為:
其中,為所述log-似然代價函數對所述目標圖像的類梯度,μτ是隨迭代次數變化的迭代步長,表示在集合和的交集中取1,不在時取0,和分別表示為:
αh,αy為設定的閾值。
2.根據權利要求1所述的基于Wirtinger Flow算法的散斑相關成像方法,其特征在于,所述獲取目標散斑圖像,包括:
在預先搭建的無透鏡的散斑相關成像光學系統中,通過激光器發出光波,經過旋轉毛玻璃產生非相干贗熱光,非相干贗熱光經過孔徑光闌后在光學記憶效應范圍內照射目標,再透過強散射介質被探測器接收,通過探測器獲取所述目標散斑圖像。
3.根據權利要求1所述的基于Wirtinger Flow算法的散斑相關成像方法,其特征在于,還包括:
通過窗口函數對所述目標功率譜進行處理,其中,所述窗口函數包括矩形窗口函數或塔基窗口函數。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京理工大學,未經北京理工大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910972577.1/1.html,轉載請聲明來源鉆瓜專利網。





