[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

摘要

本发明属于光学扫描全息领域，提供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，首先，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)＝exp j[2πr(x,y)]、第二光瞳为p2(x,y)＝1，通过设置光瞳，将离焦躁声转换为散斑噪声形式；然后将重建得到的灰度图采用二维最佳直方图熵法得到二维直方图的总熵H(s,t)，并以此为适应度函数，采用遗传算法搜索最优阈值。本发明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。

主权项

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)：H(s,t)=HBlockA(s,t)+HBlockB(s,t)=log(PA-PB2)+HA+HPAPA-PA2-2HA1-PA,]]>其中，PA表示背景概率，PB表示目标概率，HA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。