[發明專利]一種基于薄散射介質的相位成像方法有效
| 申請號: | 202010211444.5 | 申請日: | 2020-03-24 |
| 公開(公告)號: | CN111366557B | 公開(公告)日: | 2023-07-28 |
| 發明(設計)人: | 周真宇;夏軍 | 申請(專利權)人: | 東南大學 |
| 主分類號: | G01N21/41 | 分類號: | G01N21/41;G01N21/17 |
| 代理公司: | 南京眾聯專利代理有限公司 32206 | 代理人: | 葉涓涓 |
| 地址: | 211189 *** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 散射 介質 相位 成像 方法 | ||
1.一種基于薄散射介質的相位成像方法,其特征在于,包括如下步驟:
步驟(1),將薄散射介質放置在數字圖像傳感器前,使得到的散斑強度圖案在觀測平面的橫向方向上具有高度的空間相關性,以此對入射光的相位信息進行編碼;調整目標波前與數字圖像傳感器之間的距離并匹配像素尺寸,令入射光透過薄散射介質形成空間分布的散斑,根據特定應用場景獲取圖像數據集作為目標相位,使用數字圖像傳感器采集形成的散斑圖案;入射光相位信息與光斑位移之間的關系為:
其中,λ為入射光波長,d表示薄散射介質后表面到數字圖像傳感器觀測平面的距離,為目標相位;
步驟(2),對原始散斑圖案進行預處理;
步驟(3),搭建深度學習網絡并使用采集后進行預處理的圖片對數據訓練網絡,訓練時,將經過處理后的矩形散斑圖案和目標波前的相位圖或振幅圖或復振幅作為網絡的一對輸入和輸出,以建立目標相位與對應散斑圖案之間的映射關系;深度學習網絡網絡基于U-net架構,包括一個進行下采樣的編碼器和一個進行上采樣的解碼器,兩編碼器之間通過跳躍連接;
步驟(4),使用訓練好的深度學習網絡網絡提取散斑圖案中的波前信息,網絡的輸入為經過處理后的單幀散斑圖案,根據特定的成像任務和不同組成的網絡訓練數據集,輸出為對應波前的相位灰度圖或振幅灰度圖或復振幅。
2.根據權利要求1所述的基于薄散射介質的相位成像方法,其特征在于:所述步驟(1)中,當使用相位型空間光調制器對入射光進行調制產生目標波前時,通過設置4-f系統對相位型空間光調制器和數字圖像傳感器之間的距離進行調整并匹配像素尺寸;當采用顯微成像產生目標波前時,通過物鏡進行匹配。
3.根據權利要求1所述的基于薄散射介質的相位成像方法,其特征在于:所述步驟(2)中處理原始散斑圖案時,裁切圖片,去除其余未被調制的光束所對應的散斑部分,并保證目標散斑圖案尺寸與深度學習網絡的輸入圖片尺寸一致。
4.根據權利要求1所述的基于薄散射介質的相位成像方法,其特征在于:所述進行下采樣的編碼器包括一個3×3的卷積核,5個由稠密塊和池化層連接的組合層和一個單獨的稠密塊。
5.根據權利要求1所述的基于薄散射介質的相位成像方法,其特征在于:所述進行下采樣的解碼器包括5個由稠密塊和上采樣卷積層連接的組合層、一個3×3卷積核和一個1×1卷積操作單元。
6.根據權利要求4或5所述的基于薄散射介質的相位成像方法,其特征在于:所述稠密塊包括三個復合函數,每個復合函數包含了三個連續操作,即Batch?Normalization操作、ReLU操作以及一個3×3卷積操作,在稠密塊中,每個復合函數都連接其前面所有層的輸出特征圖作為輸入。
7.根據權利要求1所述的基于薄散射介質的相位成像方法,其特征在于:所述步驟(4)中復振幅包括振幅和相位。
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東南大學,未經東南大學許可,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/202010211444.5/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:紅心獼猴桃總皂苷含量的測定方法
- 下一篇:一種室內裝潢用測量放線裝置





