基于单像素成像的近红外关联成像和光谱成像

来源 :辽宁大学 | 被引量 : 0次 | 上传用户:maxyz
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
与传统光学成像不同,关联成像,即“鬼成像(ghost imaging,GI)”是一种间接成像的手段,它利用光场强度涨落之间的关联来恢复图像,具有抗湍流介质干扰、能够实现超分辨等特点。实验中使用两个探测器分别对物体表面光场分布和光场与物体相互作用后的总光强进行探测,对两探测器获得的信息进行二阶关联运算,从而恢复出物体信息。因为探测光场与物体相互作用的探测器是一个“桶探测器(bucket detector,BD)”,没有二维空间分辨能力,同时两探测器都不包含物体的二维分布信息,但经过关联后却能恢复出物体信息,故称为鬼成像。本文在传统双路关联成像基础上进行了基于单像素成像方案的可见光关联成像的实验验证;同时搭建了基于1064 nm连续激光光源、数字微镜阵列(digtial micromirror devices,DMD)调制的二值物体的成像实验。通过与数值仿真对比,证实了使用Hadamard矩阵可以实现在较低采样的情况下的图像重构,其相比于相同分辨率的随机矩阵采样数非常低。两种矩阵采样数的提升会带来信噪比的提升,但同时会相应地提升采样时间和重构时间。由于Hadamard矩阵正交、完备性的性质,只有在满采样时才能恢复出物体最清晰的像。我们在实验中主要采用32×32分辨率的Hadamard矩阵作为调制矩阵,再对重建图像进行阈值滤波,通过对滤波结果进行分析,得出低频部分的噪声会影响成像结果的结论。因此,采用高通滤波滤去低频部分噪声后的重建图像成像质量最好。此外还进行了光谱成像与二阶关联成像的结合。物体光谱信息通常包含物体表面和部分内部性质信息,光谱成像作为一种图谱合一的成像手段,将其与鬼成像进行结合,可以实现非定域的光谱关联成像。在获得物体光谱信息的同时,也能获得物体二维分布信息。在特定的光谱特征对比下可实现对地观测分类等,在海洋、军事、农业等方面具有广泛应用。本文通过前期实验设计,搭建了基于1064 nm近红外波段激光光源、光栅型光纤光谱仪作为探测器、DMD作为调制器件的计算光谱成像实验,实验光路采用单像素成像方案,初步验证了光谱关联成像的可能性。未来通过进行近红外光谱关联成像与可见光光谱关联成像相结合,可以实现全谱段全天候计算光谱成像,为其在遥感、航天航空等领域的发展奠定了基础。
其他文献
现阶段,工业控制系统(Industrial Control Systems,ICSs)已经广泛应用于国家生产和发展的各个关键领域和行业。然而,随着工业化和信息化的高度融合,工业控制系统面临愈来愈多具有时间持续性、手段综合性和目标特定性的定向攻击和高级可持续性攻击(Advanced Persistent Threat,APT),并且传统的IT信息安全技术并不能很好的适用于工业控制系统。因此,基于工业
在大数据时代,数据的增长带动了信息领域的高速发展,各个领域的推荐系统在人们的日常生活中起到了更为明显的作用,能够帮助人们进行信息的筛选,提高了产品的使用体验,帮助了人们获得更好的生活。教育领域同样如此,各种在线学习网站先后流行,但与推荐引擎的结合程度还相对较低,远低于电商和娱乐领域,在数量和质量上,均有明显的进步空间。本文认真研究了相关教育学理论,充分研究了国际国内在线学习领域和个性化推荐领域的现
随着学习资源的爆炸性增长,如何在海量的数据里找到学习资源成为了一个急需解决的问题。个性化知识资源推荐是一种有效的解决办法,其本质是通过推荐算法捕捉到用户的偏好,给用户推荐潜在知识资源。据此本文提出了基于混合推荐算法的个性化知识点推荐系统研究与实现。首先本研究对推荐算法进行了深入的研究分析,将推荐算法分为传统的推荐算法和基于各类智能算法的新型推荐算法。并对这两类推荐算法下的各类具体算法进行分析,明确
互联网的发展使得人们可以通过粘贴复制,径直将网上他人的知识成果放在自己的论文里,无意间形成侵权、学术造假等事件。而学术论文不断反复套用、盗用,严重的影响了整个学术界的氛围,低水准论文满天飞。要想从根本上杜绝类似事件的发生,就要通过增强对论文的重复率度量来监督,当前国内外对文本的查重成为新的研究热点。实行版权保护时,一个高效的方法是对文档之间的相似程度进行度量。文本相似度研究在判定文章原创方面有着普
近年来,随着移动互联网的飞速发展,移动设备被人们广泛使用。卷积神经网络已成为计算机视觉领域的主流技术,为泛在的移动设备提供了多元化服务,而卷积神经网络模型常常具有规模庞大、层次深、复杂度高、对于硬件需求标准过高等问题。为了大规模的卷积神经网络模型能够更高效地应用于移动互联网中的边缘设备,对于轻量化卷积神经网络的研究日益增多。如何让卷积神经网络在尽可能保障模型精度的前提下减少模型参数量、降低网络复杂
随着信息技术的发展,人类已经从4G时代迈入了5G时代,上网速度变快的同时也促进了互联网媒体技术的发展,视频逐渐代替文字成为信息传播的主要载体。在线视频课凭借其不受时间和地点限制的优势,让知识获取变得更方便快捷的特点,越来越受到求学者的青睐。但我们也要注意到,大数据时代下海量信息带来的“信息过载”问题同样也出现在在线学习领域。课程推荐系统可以根据用户的行为历史数据分析用户对课程的兴趣倾向,帮助用户快
随着互联网的普及率不断提升,Web服务器的功能越来越完善,每天都会产生大规模的Web用户行为数据,该数据被存储到服务器中。近年来,Web用户的异常行为分析问题是我国网络安全的重要问题之一,也是学术界研究的热点。从大规模数据中分析出Web用户的异常行为,并识别出该用户的异常行为类别不仅是舆情管控的重要目标,也是各种网络平台维护网络环境安全的重要手段。Web用户的异常行为一直影响着Web网页的安全与稳
最近几年来,大数据技术与互联网络技术发展迅速,在海量数据的背景下我们可以搜集大量的数据资源。特别是在教育领域,试题以及知识更是海量的存在。在我们学习生活中会需要在网络上去收集一些我们需要学习的知识,但如今这种海量的数据情况下,找到自己想要的知识或者一些试题是很浪费时间的,以至于会降低学习效率。近几年来,随着推荐算法的普及,在电商平台应用非常广泛,可以推荐用户合适的商品,当电商平台有更大的受益化,因
突破衍射极限,获得更高分辨的成像在物理学、生物科学、医学、材料学和电子计算机等各个领域的研究和发展都具有十分重要的意义。衍射极限通常指的是一个理想的物点在经过实际光学系统成像时会受到系统有限孔径的限制,无法获得理想的像点,而是得到一个夫琅禾费衍射像。这就极大地限制了人们看清被成像物体的更小细节,“看”得更小成了很多研究领域的瓶颈。因此,打破衍射极限的限制,实现超分辨成像既是社会经济不断发展的技术需
随着人类进入互联网时代,信息技术的高速发展带来网络信息量激增,急剧增长的网络信息导致严重的信息过载问题。为了有效地帮助用户在海量数据中获取自己感兴趣的信息,推荐系统应运而生并在各领域广泛应用。然而推荐系统的核心——推荐技术因受数据稀疏性和冷启动等问题的影响在推荐准确度和推荐效率上远未达到用户的希望,因此在职位推荐领域也未能取得理想的效果。当前我国就业形势依然严峻,特别是新冠肺炎疫情的突发,增加了我