[发明专利]透过散射介质成像的方法、装置、计算机设备和存储介质

权利要求书

1.一种透过散射介质成像的方法，其特征在于，所述方法包括：

获取目标物体透过目标散射介质成像后所形成的第一目标全息图；所述第一目标全息图携带有由所述目标散射介质引入的目标散斑噪声；

通过已训练的全息图恢复模型从所述第一目标全息图中去除所述目标散斑噪声，得到相应的第二目标全息图；

对所述第二目标全息图进行傅里叶逆变换，得到所述目标物体对应的物体图像。

2.根据权利要求1所述的方法，其特征在于，所述全息图恢复模型的训练步骤，包括：

获取样本物体对应的第一样本全息图与第二样本全息图；所述第一样本全息图携带有由样本散射介质引入的样本散斑噪声；所述第二样本全息图未携带所述样本散斑噪声；

根据所述第一样本全息图与所述第二样本全息图得到训练样本集；

根据所述训练样本集进行模型训练，得到全息图恢复模型。

3.根据权利要求2所述的方法，其特征在于，所述获取样本物体对应的第一样本全息图与第二样本全息图，包括：

获取样本物体透过样本散射介质成像后所形成的第一样本全息图；

获取所述样本物体在所述样本散射介质前所形成的第二样本全息图。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取测试样本集；所述测试样本集包括测试物体对应的第一测试全息图与第二测试全息图；所述第一测试全息图携带有由测试散射介质引入的测试散斑噪声；所述第二测试全息图未携带所述测试散斑噪声；

通过所述测试样本集对由所述训练样本集训练得到的全息图恢复模型进行测试；

当测试通过时，确定已训练好的全息图恢复模型。

5.根据权利要求2至4任意一项所述的方法，其特征在于，所述全息图恢复模型为深度卷积神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述深度卷积神经网络模型的网络结构，包括：

多个级联的卷积层与单个输出层；多个卷积层中至少存在两个卷积层的卷积核尺寸不一致；所述多个卷积层各自提取出的特征图的尺寸均与所述深度卷积神经网络模型的输入特征的尺寸一致。

7.根据权利要求6所述的方法，其特征在于，所述样本散射介质有多个；各样本散射介质的相位分布互不相同。

8.一种透过散射介质成像的装置，其特征在于，所述装置包括：

获取模块，用于获取目标物体透过目标散射介质成像后所形成的第一目标全息图；所述第一目标全息图携带有由所述目标散射介质引入的目标散斑噪声；

去噪模块，用于通过已训练的全息图恢复模型从所述第一目标全息图中去除所述目标散斑噪声，得到相应的第二目标全息图；

成像模块，用于对所述第二目标全息图进行傅里叶逆变换，得到所述目标物体对应的物体图像。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。