[发明专利]基于相位调制的微透镜阵列式深度学习三维鬼成像方法

说明书

本发明公开了一种基于相位调制的微透镜阵列式深度学习三维鬼成像方法，该方法的过程为：预先利用样本集训练神经网络模型；目标物体发出的宽带热光进入前置成像模块，并在前置成像模块的成像面形成目标物体的二维图像；将微透镜阵列式空间光相位调制模块置于成像面位置，目标物体的二维图像经过微透镜阵列式空间光相位调制模块调制成散斑场阵列；探测模块采集所述散斑场阵列并将送入图像重构模块；图像重构模块根据其接收到的散斑场阵列利用预先训练好的神经网络模型进行图像重构，形成目标物体的三维图像。本发明采用神经网络和深度学习实现图像重构，省去传统基于相位调制的关联成像的标定过程，可以极大的缩短重构时间，实现三维成像。

技术领域

本发明涉及量子关联成像技术领域，尤其是涉及一种基于相位调制的微透镜阵列式深度学习三维鬼成像方法。

背景技术

随着量子成像技术的发展，基于相位调制的被动热光源鬼成像相机距离商业应用越来越近，但目前该设备体积庞大，相机使用前需要一个复杂的标定过程，在使用过程中，图像重构时间长，使用不便，不利于产业化，尤其是基于相位调制的三维关联成像目前尚未见报导。

发明内容

本发明的目的是：鉴于目前基于相位调制的被动热光源鬼成像相机在使用前需要一个复杂的标定过程，重构时间长，使用不便，不利于产业化的问题，而提出了一种基于相位调制的微透镜阵列式深度学习三维鬼成像方法，将仿生复眼及微透镜阵列技术和相位调制的被动热光源鬼成像系统相结合，采用人工神经网络和深度学习实现图像重构，可以省去传统基于相位调制的关联成像的标定过程，极大的缩短重构时间，实现三维成像。

本发明的目的是通过如下技术方案实现的：基于相位调制的微透镜阵列式深度学习三维鬼成像方法，该方法应用在基于相位调制的被动热光源鬼成像相机中，其特征在于：该方法所用的光学系统包括：前置成像模块、微透镜阵列式空间光相位调制模块、探测模块、神经网络训练模块和图像重构模块；

所述前置成像模块用于对目标物体发出的宽带热光进行窄带滤波，并将滤波后的光线成像于微透镜阵列式空间光相位调制模块上；

所述微透镜阵列式空间光相位调制模块由微透镜阵列组成，所述微透镜阵列由二维排布的微凸透镜组成，每个微凸透镜都有不同的曲率和焦距，并在各个微凸透镜的透镜曲面雕刻出具有随机高度的微小凹凸面；微透镜阵列式空间光相位调制模块用于对目标物体的二维图像进行调制，形成散斑场阵列；

所述探测模块用于探测经微透镜阵列式空间光相位调制模块调制后形成的散斑场阵列；

所述神经网络训练模块用于利用样本集训练神经网络模型，所述样本集由多个训练对组成；所述训练对由三维目标物体的三维光场和预先拍摄到的目标物体散斑场阵列构成；

所述图像重构模块用于利用训练好的神经网络模型将探测模块探测到的散斑场阵列进行处理，重构目标物体的三维图像；

所述三维鬼成像方法的具体流程如下：

1)预先利用样本集训练神经网络模型；

2)目标物体发出的宽带热光进入前置成像模块，并在前置成像模块的成像面形成目标物体图像；

3)将微透镜阵列式空间光相位调制模块置于步骤2)中所述的成像面位置，目标物体的图像经过微透镜阵列式空间光相位调制模块调制成散斑场阵列；

4)探测模块采集所述散斑场阵列，并将采集到的散斑场阵列送入图像重构模块；

5)图像重构模块根据其接收到的散斑场阵列利用预先训练好的神经网络模型进行图像重构，形成目标物体的三维图像，并存储和显示所述图像。

进一步，所述探测模块为CCD探测器。

进一步，所述神经网络模型为多层前馈神经网络模型。