CN104215339B - 一种基于连续远场的波前复原***及方法 - Google Patents
一种基于连续远场的波前复原***及方法 Download PDFInfo
- Publication number
- CN104215339B CN104215339B CN201410466063.6A CN201410466063A CN104215339B CN 104215339 B CN104215339 B CN 104215339B CN 201410466063 A CN201410466063 A CN 201410466063A CN 104215339 B CN104215339 B CN 104215339B
- Authority
- CN
- China
- Prior art keywords
- far field
- image
- far
- field
- phase
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008569 process Effects 0.000 claims abstract description 15
- 230000009467 reduction Effects 0.000 claims abstract description 6
- 230000008859 change Effects 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012804 iterative process Methods 0.000 claims description 4
- 210000001747 pupil Anatomy 0.000 claims description 4
- 230000004075 alteration Effects 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000005286 illumination Methods 0.000 claims description 2
- 210000003899 penis Anatomy 0.000 claims description 2
- 230000002085 persistent effect Effects 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000007781 pre-processing Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 5
- RRNIZKPFKNDSRS-UHFFFAOYSA-N Bensulide Chemical compound CC(C)OP(=S)(OC(C)C)SCCNS(=O)(=O)C1=CC=CC=C1 RRNIZKPFKNDSRS-UHFFFAOYSA-N 0.000 description 1
- 206010068052 Mosaicism Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000000614 phase inversion technique Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000011896 sensitive detection Methods 0.000 description 1
- 210000003765 sex chromosome Anatomy 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于连续远场的波前复原***及方法，由连续远场采集模块，远场预处理模块和远场到波前复原模块组成。连续远场采集模块记录远场图像连续变化过程，远场预处理模块将记录的远场图像进行降噪、寻质心和去背景等图像预处理工作，最后，预处理后的图像将送入波前复原模块，获得波前信息。本方法直接利用连续测量的远场数据进行波前复原，无需增加额外的远场信息。本发明针对连续远场进行相位反演，由于连续的远场之间位相差别较小，当确定了其中一个近场位相后，可以快速的确定其他远场所对应的近场位相，从而获得连续的近场位相信息，本方法同样具备高分辨波前探测的能力。
Description
技术领域
本发明涉及一种波前复原方法，特别是一种基于连续远场的波前复原***及方法。
背景技术
波前复原方法是波前探测中一个重要的分支，是最近几年广受关注的一种波前探测方法。目前的波前探测的方法主要方法有：哈特曼波前测量方法，干涉测量方法(剪切干涉，点干涉等)，曲率传感器，金字塔传感器和相位反演测量等方法。
与其他的波前测量方法相比，相位反演测量方法无需增加额外的探测器件，能够在探测远场的同时获得波前的相位信息，具有光能利用率高，空间分辨率高等优点。
然而，传统的相位反演测量方法进行波前探测存在的主要困难是：相位反演的唯一性问题，利用单幅远场进行相位反演获得的波前常常不唯一，特别是输入位相幅值较大或尺度较小时，无法采用单一的图像获得入射波前的位相信息；国内外很多的学者针对这个问题提出了各种解决方法，如：J.R.Fienup在文献《Phase retrieval algorithms:acomparison》中就比对了各种改进的相位反演算法，有通过增加一幅离焦位置图像进行相位反演的(相位差反演算法)，有梯度搜索算法等；国内Guo-zhen Yang等则在文献《Gerchberg-Saxton and Yang-Gu algorithms for phase retrieval in a nonunitarytransform system:a comparison》中提出了一种通用的相位反演算法，这些方法进一步完善相位反演在波前探测中的应用。本专利针对连续变化的远场探测过程，对连续变化的远场对应的位相分布进行探测。
发明内容
本发明的要解决技术问题是：针对连续变化远场探测过程，提供一种波前复原***及方法。本方法直接利用连续测量的远场数据进行波前复原，无需增加额外的远场信息。
本发明采用的技术方案为：一种基于连续远场的波前复原***，该***由远场图像记录模块(1)、远场图像预处理模块(2)和远场图像至波前复原模块(3)组成；远场图像记录模块(1)记录远场图像连续变化过程，远场图像预处理模块(2)将记录的远场图像进行降噪、寻质心和去背景图像预处理工作，最后，预处理后的图像将送入远场图像至波前复原模块(3)，获得波前信息。
本发明另外提供一种基于连续远场的波前复原方法，该方法的具体步骤是：
步骤1、远场图像记录模块(1)以一定的记录速度采集远场光强变化图像，并将采集图像保存在计算机中；
步骤2、远场图像预处理模块(2)依次提取远场图像记录模块(1)采集的图像，并对图像数据进行降噪、去背景工作；
步骤3、处理后的图像数据另存为新的图像文件等待远场图像至波前复原模块(3)处理；远场图像至波前复原模块(3)提取预处理后的图像数据，
首先检测并寻找远场图像数据中光束质量最好的远场图像，其判断标准为计算获得平均半径(MR)、或斯特列比(SR)、或光强平方和(EE)指标的数值越大越好：
平均半径(MR)、或斯特列比(SR)、或光强平方和(EE)指标分别为，其中为CCD探测的的光斑光强分布，为坐标原点处的光强值，为当入射光束不含像差时，坐标原点的光强值，D为有效探测口径，是光斑光强分布的质心坐标，是坐标矢量；
其次，从选中的预处理远场图像开始，利用相位反演算法迭代反演出位相分布。
本发明的原理是：
a、传统的相位反演算法在入射位相较小时，能够复原出入射位相信息；
b、连续测量的远场是随机变化的，存在光束质量较好的远场光斑分布，如天文成像中的lucky image；激光光束质量也存在光束质量逐渐退化的过程；
c、连续测量的远场对应的位相也是连续变化的，并且两个连续的位相之差是一个较小的位相。
因此，在上述三个前提情况下，通过光束质量最好的远场光斑入手，获得相应入射位相的大部分信息，并以此信息作为初始位相迭代出相邻远场的位相分布，经过5至10帧的远场迭代可以准确的获得近场位相分布。
本发明与现有技术相比有如下优点：
(1)本发明采用连续远场作为相位反演，无需增加额外的远场信息，如离焦面上的远场光斑分布；
(2)本发明针对连续远场进行相位反演，由于连续的远场之间位相差别较小，当确定了其中一个近场位相后，可以快速的确定其他远场所对应的近场位相，从而获得连续的近场位相信息；
(3)本发明采用的改进型相位反演方法是在原有相位反演算法基础上发展而来，用该反演算法获得的入射波前信息，具有与传统相位反演方法同样的高密度波前探测分辨率，因此，本发明专利同样具备高分辨波前探测的能力。
附图说明
图1为基于连续远场的波前复原方法原理示意图；
图2为连续目标远场中的一幅，用于复原近场位相分布；
图3分别为(a)直接利用图2远场迭代获得的近场位相分布，(b)为利用本发明方法，对连续目标远场进行迭代后的位相分布；
图4分别为(a)直接利用图2远场迭代获得的近场位相对应的理论远场光强分布，(b)为利用本专利方法获得的对应的远场光强；
具体实施方式
下面结合附图以及具体实施例进一步说明本发明。
如图1所示，本发明包括：远场图像记录模块1，远场图像预处理模块2和远场图像至波前复原模块3组成。其中，远场图像记录模块1一般采用CCD等图像记录设备，远场图像预处理模块2和远场图像至波前复原模块3则通过计算机或高速图像处理设备完成。远场图像记录模块1记录下20帧连续的远场光强分布图，并保存至图像预处理模块2的内存中。远场图像记录模块1完成工作后，远场图像预处理模块2调用内存中的图像数据，并按照MR指标计算出所有图像中光束质量最好的远场图像，假定为第5帧。以第5帧开始，利用相位反演算法，获得第5帧所对应的近场位相分布，此时ZDIF取0.001；紧接着，利用第5帧迭代出来的近场位相作为初始位相，利用相位反演算法，迭代出第6帧的位相分布，依次，连续迭代出后续的位相分布，当迭代出的位相生成的理想远场与实测的远场相近，即FDIF取0.0001时，停止迭代下一个远场所对应的位相，假定满足要求时为第10帧。最后，以第10帧迭代出的位相分布，向两边计算，分布迭代出第9帧至第1帧和第11帧到第20帧近场所对应的位相分布，从而获得连续远场所对应的近场位相分布。
该方法的具体步骤是：远场图像记录模块以一定的记录速度采集一序列远场变化图像，并将采集图像保存在计算机中；远场图像预处理模块依次提取远场图像记录模块采集的图像，并对图像数据进行降噪、去背景工作，处理后的图像数据另存为新的图像文件等待远场图像至波前复原模块处理。远场图像至波前复原模块提取预处理后的图像数据，首先检测并寻找系列远场中光束质量最好的远场图像，其判断标准为(计算获得的数值越大越好)：平均半径(MR)、或斯特列比(SR)、或光强平方和(EE)指标， 其中为CCD探测的的光斑光强分布，为坐标原点处的光强值，为当入射光束不含像差时，坐标原点的光强值，D为有效探测口径，是光斑光强分布的质心坐标，是坐标矢量；其次，从选中的预处理远场图像开始，利用相位反演算法迭代反演出位相分布。具体的相位反演算法迭代过程如下三步：第一步，假定初始入射光场中相位为平面分布，振幅为入射光瞳，对该入射光场进行傅里叶变换，获得理论远场场强分布，将远场场强中的振幅替换为选中的远场图像开平方(即原图像每一点数据开平方后的图像)，并保持位相不变；对替换后的远场场强进行逆傅里叶变换，获得理论的近场场强分布，同样的方法，将近场振幅数据用光瞳代替，并保持相位不变，该过程为一轮迭代，重复上述迭代过程，直至近场相位稳定(即前后两轮获得的位相分布之差的均方根小于给定的阈值ZDIF，ZDIF为大于零的实数)；第二步，更改选中的预处理远场图像为与上一次选中图像后续的预处理远场图像，而后再进行第一步的迭代过程；第三步，重复N次前两步(N为大于零的整数，一般选取：5至10之间)，直至迭代获得了理论远场分布与预处理后的远场图像相近(即理论远场分布与预处理后的远场图像之差的均方根小于给定的阈值FDIF，FDIF为大于零的实数)。最后，以上述相位反演算法迭代获得的近场位相分布作为初始值，利用上述相位反演算法中的第一步和第二步迭代出其余远场对应的近场位相分布。所述的一定的记录速度指采集的远场前后两帧之间光束质量变化要求平均半径指标小于0.05。所述的降噪指通过傅里叶滤波，或小波滤波或多帧叠加的处理方法获得高信噪比图像。所述的去背景指将被处理图像的每一点与无入射光时图像对应点相减，并将相减后数值为负值点强制为零的过程。
本发明未详细公开的部分属于本领域的公知技术。
Claims (6)
1.一种基于连续远场的波前复原方法，其特征在于：该方法的具体步骤是：
步骤1、远场图像记录模块(1)以一定的记录速度采集远场光强变化图像，并将采集图像保存在计算机中；
步骤2、远场图像预处理模块(2)依次提取远场图像记录模块(1)采集的图像，并对图像数据进行降噪、去背景工作；
步骤3、处理后的图像数据另存为新的图像文件等待远场图像至波前复原模块(3)处理；远场图像至波前复原模块(3)提取预处理后的图像数据；
首先检测并寻找远场图像数据中光束质量最好的远场图像，其判断标准为计算获得平均半径(MR)、或斯特列比(SR)、或光强平方和(EE)指标的数值越大越好：
平均半径(MR)、或斯特列比(SR)、或光强平方和(EE)指标分别为，其中为CCD探测的光斑光强分布，为坐标原点处的光强值，为当入射光束不含像差时，坐标原点的光强值，D为有效探测口径，是光斑光强分布的质心坐标，是坐标矢量；
其次，从选中的预处理远场图像开始，利用相位反演算法迭代反演出位相分布。
2.根据权利要求1所述的基于连续远场的波前复原方法，其特征在于：具体的相位反演算法迭代过程如下三步：
第一步，假定初始入射光场中相位为平面分布，振幅为入射光瞳，对该入射光场进行傅里叶变换，获得理论远场场强分布，将远场场强中的振幅替换为选中的远场图像开平方即原图像每一点数据开平方后的图像，并保持位相不变；对替换后的远场场强进行逆傅里叶变换，获得理论的近场场强分布，同样的方法，将近场振幅数据用光瞳代替，并保持相位不变，该过程为一轮迭代，重复上述迭代过程，直至近场相位稳定即前后两轮获得的位相分布之差的均方根小于给定的第一阈值，第一阈值为大于零的实数；
第二步，更改选中的预处理远场图像为与上一次选中图像后续的预处理远场图像，而后再进行第一步的迭代过程；
第三步，重复N次前两步，N为大于零的整数，直至迭代获得了理论远场分布与预处理后的远场图像相近即理论远场分布与预处理后的远场图像之差的均方根小于给定的第二阈值，第二阈值为大于零的实数；
最后，以上述相位反演算法迭代获得的近场位相分布作为初始值，利用上述相位反演算法中的第一步和第二步迭代出其余远场对应的近场位相分布。
3.根据权利要求1所述的基于连续远场的波前复原方法，其特征在于：所述的一定的记录速度指采集的远场前后两帧之间光束质量变化要求平均半径指标小于0.05。
4.根据权利要求1所述的基于连续远场的波前复原方法，其特征在于：所述的降噪指通过傅里叶滤波，或小波滤波或多帧叠加的处理方法获得高信噪比图像。
5.根据权利要求1所述的基于连续远场的波前复原方法，其特征在于：所述的去背景指将被处理图像的每一点与无入射光时图像对应点相减，并将相减后数值为负值点强制为零的过程。
6.根据权利要求2所述的基于连续远场的波前复原方法，其特征在于：N选取：5至10之间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410466063.6A CN104215339B (zh) | 2014-09-14 | 2014-09-14 | 一种基于连续远场的波前复原***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410466063.6A CN104215339B (zh) | 2014-09-14 | 2014-09-14 | 一种基于连续远场的波前复原***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104215339A CN104215339A (zh) | 2014-12-17 |
| CN104215339B true CN104215339B (zh) | 2017-02-15 |
Family
ID=52097065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410466063.6A Active CN104215339B (zh) | 2014-09-14 | 2014-09-14 | 一种基于连续远场的波前复原***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104215339B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106324854B (zh) * | 2016-10-27 | 2019-06-25 | 中国科学院光电技术研究所 | 一种基于二元方形衍射元件的相位反演方法 |
| CN111854981B (zh) * | 2020-07-10 | 2022-09-20 | 中国科学院光电技术研究所 | 一种基于单帧焦面光强图像的深度学习波前复原方法 |
| CN112099229B (zh) * | 2020-10-30 | 2022-06-28 | 中国科学院光电技术研究所 | 基于远场的高速自适应光学闭环控制方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101013195A (zh) * | 2007-01-10 | 2007-08-08 | 中国科学院光电技术研究所 | 基于线性相位反演复原技术的自适应光学*** |
| CN102721477A (zh) * | 2012-06-04 | 2012-10-10 | 中国科学院光电技术研究所 | 一种用于相位差波前传感器的离焦量测量方法 |
| CN102735348A (zh) * | 2012-06-15 | 2012-10-17 | 中国科学院光电技术研究所 | 一种基于哈特曼波前传感器的波前测量方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009058976A1 (en) * | 2007-10-30 | 2009-05-07 | Massachusetts Institute Of Technology | Phase-contrast x-ray imaging |
| EP2478407A1 (en) * | 2009-09-15 | 2012-07-25 | The University Of Sheffield | Method and apparatus for retrieving a phase of a wavefield |
-
2014
- 2014-09-14 CN CN201410466063.6A patent/CN104215339B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101013195A (zh) * | 2007-01-10 | 2007-08-08 | 中国科学院光电技术研究所 | 基于线性相位反演复原技术的自适应光学*** |
| CN102721477A (zh) * | 2012-06-04 | 2012-10-10 | 中国科学院光电技术研究所 | 一种用于相位差波前传感器的离焦量测量方法 |
| CN102735348A (zh) * | 2012-06-15 | 2012-10-17 | 中国科学院光电技术研究所 | 一种基于哈特曼波前传感器的波前测量方法 |
Non-Patent Citations (2)
| Title |
|---|
| Experimental study of a modified phase diversity with a diffraction grating;Qun Luo et al.;《OPTICS EXPRESS》;20120521;第20卷(第11期);第12059-12066页 * |
| Phase retrieval algorothms:a comparison;J.R.Fienup;《APPLIED OPTICS》;19820801;第21卷(第15期);第2758-2769页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104215339A (zh) | 2014-12-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921130B (zh) | 基于显著性区域的视频关键帧提取方法 | |
| CN109509164B (zh) | 一种基于gdgf的多传感器图像融合方法及*** | |
| CN105528619B (zh) | 基于小波变换和svm的sar遥感影像变化检测方法 | |
| CN107123161A (zh) | 一种基于narf和fpfh的接触网零全网三维重建方法 | |
| CN105931232A (zh) | 结构光光条中心高精度亚像素提取方法 | |
| CN107133627A (zh) | 红外光斑中心点提取方法及装置 | |
| CN104215339B (zh) | 一种基于连续远场的波前复原***及方法 | |
| CN110555908A (zh) | 基于室内移动目标背景修复的三维重建方法 | |
| CN110441819A (zh) | 一种基于均值偏移聚类分析的地震初至波自动拾取方法 | |
| CN102169581A (zh) | 一种基于特征向量的快速高精度鲁棒性匹配方法 | |
| WO2022116218A1 (zh) | 一种用于复杂表面的线结构光中心提取方法 | |
| CN107516322A (zh) | 一种基于对数极空间的图像物体大小和旋转估计计算方法 | |
| Guo et al. | R2N: a novel deep learning architecture for rain removal from single image | |
| CN104243916A (zh) | 一种基于压缩传感的运动目标检测和跟踪方法 | |
| CN112287906A (zh) | 一种基于深度特征融合的模板匹配跟踪方法及*** | |
| CN108876776B (zh) | 一种分类模型生成方法、眼底图像分类方法及装置 | |
| CN110969101A (zh) | 一种基于hog和特征描述子的人脸检测与跟踪方法 | |
| Tao et al. | Electric insulator detection of UAV images based on depth learning | |
| CN112099229B (zh) | 基于远场的高速自适应光学闭环控制方法 | |
| Chen et al. | A novel crack detection algorithm of underwater dam image | |
| CN108717522A (zh) | 一种基于深度学习和相关滤波的人体目标跟踪方法 | |
| CN104700359A (zh) | 像平面不同极轴方向图像序列进行超分辨率重建的方法 | |
| CN104751412B (zh) | 一种基于仿射不变特征的图像拼接方法 | |
| CN110345919A (zh) | 基于三维空间向量与二维平面坐标的空间碎片检测方法 | |
| CN105783785A (zh) | 一种小波脊相位提取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |