[发明专利]基于二维最佳直方图熵法与遗传算法的离焦躁声消除方法

说明书

技术领域

本发明属于光学扫描全息领域，涉及一种基于二维最佳直方图熵法与遗传算法的离焦躁声消除方法。

背景技术

光学扫描全息技术(Optical Scanning Holography)，简称OSH，是数字全息技术的一个分支，它是由Poon和Korpel最早提出，OSH可以将三维物体的信息存储为二维的全息图。自该项技术提出以来，已在扫描全息显微镜、3D图像识别以及3D光学遥感等领域得到广泛应用。在OSH中，从全息图重建出各层的切片图像时，传统的重建方法会使得到的重建图像含有其他层切片的离焦躁声，导致成像质量差；为此，离焦躁声的消除成为我们研究的重点。

目前，文献《Thresholding Using Two-Dimensional Histogram andFuzzy Entropy Principle》中公开一种利用二维直方图阈值和模糊熵来处理带噪图像，但是二维直方图熵法设计参数多，运行速度较慢，效果不是很理想。文献《Image Denoising Based on Genetic Algorithm》中公开一种利用遗传算法进行图像去噪，但是该传统遗传方法搜索效率较慢，不能快速找到全局最优解，即不能高效的进行图像去噪处理。

发明内容

本发明的目的在于针对上述问题，提供了一种基于二维最佳直方图熵法与遗传算法的OSH中离焦躁声消除方法，通过提取图像灰度信息，利用二维最佳直方图熵法选取阈值，并利用改进型遗传算法加快收敛速度，提高阈值搜索效率，从而得到最佳阈值进行图像分割，有效提高切片成像质量。

为实现上述目的，本发明采用的技术方案为：

基于二维最佳直方图熵法与遗传算法的离焦躁声消除方法，包括以下步骤：

步骤1.将激光通过第一个偏振分束器分为两束光路，其中，第一光瞳为随机相位光瞳p₁(x,y)＝expj[2πr(x,y)]、r(x,y)为(0,1)之间的随机函数，第二光瞳为p₂(x,y)＝1，其中，x,y分别代表空间坐标信息；将分别经过两束光路的两条光束由第二个偏振分束器聚光后干涉形成菲涅尔干涉条纹；

步骤2.利用菲涅尔干涉条纹对待测物体进行二维扫描，并通过光电检测器接收扫描后的光信息，从而获得待测物体的全息图；

步骤3.将所得全息图做傅里叶变换后，与带有距离参数的随机相位光学传递函数的频域表达式的共轭相乘后，再经过逆傅里叶变换，则得到待测物体的重建灰度图，其中包含呈散斑噪声形式的离焦噪声；

步骤4.将重建得到的灰度图采用二维最佳直方图熵法，设定门限阈值向量(s,t)，得到二维直方图的总熵为H(s,t)：

其中，P_A表示背景概率，P_B表示目标概率，H_A表示目标区域的熵，H表示整个图像的熵；

以H(s,t)为适应度函数，采用遗传算法搜索最优阈值。

进一步的，所述步骤1中通过分别设置两个光瞳，则光学传递函数表示为：

其中，k₀代表波数，k_x和k_y代表空间频率，f是透镜焦距，P₁是第一光瞳为随机相位光瞳p₁(x,y)的傅里叶变换，Z_i,i＝1,2,3,...,n表示第i层物体到扫描平面的距离，n为总层数。

更进一步的，所述步骤2中得待测物体的全息图表示为：

其中，g(x,y)表示全息图，F^-1、F分别表示傅里叶逆变换和傅里叶变换，I(x,y；z_i)表示待测物第i层的复振幅函数。

所述步骤3的具体过程为：

选择p_1d和p_2d作为解码光瞳，其中，p_1d(x,y)＝1、用于重建第i层图形，则，通过光学传递函数重建图像的具体表达如下：

其中，I′(x,y；z_i)表示待测物体第i层的重建图像信息，N(x,y；z_i)表示散斑噪声；则：

所述步骤4中遗传算法的具体过程为：

(1)随机生成初始化种群；

(2)选择初始种群规模为popsize,最大进化代数g_max；

(3)适应度函数：以H(s,t)作为适应度函数；