[发明专利]一种用于提高鬼成像重构质量的重构方法

说明书

本发明涉及一种用于提高鬼成像系统图像重构质量的图像重构方法，属于光学成像技术领域。现有的压缩感知鬼成像方案虽然已经比传统的鬼成像方案重构所需要的采样率有了极大的降低，但是鬼成像系统的采样成本仍然比较高，不利于实际应用。为了能用较低的采样率得到较好的重构结果，本发明提出了一种通过深度学习技术对现有压缩感知鬼成像系统低采样率下的重构图像进行超分辨重构的方法，有效的提升了现有压缩感知鬼成像系统低采样率下重构图像的质量。实验结果显示，同样的采样率下使用深度学习技术优化后的压缩感知鬼成像方案重构图像比传统的压缩感知鬼成像方案重构的结果质量要好许多。

技术领域

本发明涉及一种用于提高鬼成像系统图像重构质量的图像重构方法，属于光学成像技术领域。

背景技术

鬼成像(Ghost Imaging，GI)是近年来兴起的一种新的成像技术，又称量子成像或关联成像。传统的鬼成像是通过两路光的关联计算来实现的，一路光透射过目标物体后被桶探测器接收其光场总强度，称为信号光路；第二路光在自由空间中衍射并直接用阵列探测器接收，称为参考光路。最后把这两个光路上所接收的信号进行关联运算，就可以重构出原始目标物体的图像。

在光学成像技术的发展中，鬼成像技术第一次实现了物像分离，即具有非定域特性。由于鬼成像的这种物像分离的特性，所以鬼成像技术非常适用于光源、物体不是处于同一条直线上的情况，并且成像的过程中不易受到外界的滋扰。相对传统的成像技术，鬼成像技术的成像系统要更简单，更容易实现一些，所以鬼成像技术在雷达成像及遥感成像等领域已经显示了显著的能力。

但是由于鬼成像技术是通过光场的相关性来成像的，要想得到足够清晰的图像，就需要大量的采样测量。因此，如何在现有的鬼成像系统下通过利用较少的测量采样就可以较好的重构出目标图像已经成为鬼成像领域研究的一个热点问题。

现阶段已经出现了一些压缩感知鬼成像(Compressive Sensing Ghost Imaging，CSGI)方案，相对于传统的鬼成像方案，已经可以有效的提高鬼成像的重构质量，并且大大减少了采样次数。但是现有的压缩感知鬼成像重构算法主要存在以下三个问题。

(1)现有的压缩感知鬼成像方案重构计算时间长的问题

现有的压缩感知鬼成像方案中使用的重构算法都是对一个欠定线性方程组求最优化解的过程，所以求解过程所需要的计算时间一般是不确定的，它的求解过程计算时间比传统的二阶关联鬼成像方案的计算时间要长很多。所以如何有效的减少重构算法的计算时间是一个待解决的问题。

(2)大尺寸图像重构时存储空间不足的问题

现有的压缩感知鬼成像方案中，重构算法的计算与存储都跟原始目标图像的尺寸有很大的关系，当目标图像的尺寸太大时，一般现在生活中常用配置的计算机往往无法求解，会出现内存空间不足的问题。

(3)在低采样率下重构图像分辨率低的问题

现有的鬼成像系统的采样成本都比较高，现实应用中希望能用更低的采样率获得较满意的重构图像。但是在低采样率下获得的重构图像都存在分辨率低的问题。

本发明的主要目的是解决现有压缩感知鬼成像中存在的第三个问题，通过基于深度卷积神经网络的重构方法去对现在的压缩感知鬼成像系统重构的低分辨率图像进行超分辨重构，可以在一定程度上提高鬼成像重构的图像分辨率。

发明内容

一种用于提高鬼成像重构质量的重构方法，其特征在于：