CN107421640B - 基于色差扩大原理的多光谱光场成像***及方法 - Google Patents
基于色差扩大原理的多光谱光场成像***及方法 Download PDFInfo
- Publication number
- CN107421640B CN107421640B CN201710757532.3A CN201710757532A CN107421640B CN 107421640 B CN107421640 B CN 107421640B CN 201710757532 A CN201710757532 A CN 201710757532A CN 107421640 B CN107421640 B CN 107421640B
- Authority
- CN
- China
- Prior art keywords
- matrix
- image
- multispectral
- linear embedding
- locally linear
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000001228 spectrum Methods 0.000 claims abstract description 26
- 238000000701 chemical imaging Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000003491 array Methods 0.000 claims abstract description 15
- 230000004075 alteration Effects 0.000 claims abstract description 13
- 230000003595 spectral effect Effects 0.000 claims abstract description 13
- 239000011521 glass Substances 0.000 claims abstract description 7
- 239000013078 crystal Substances 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 57
- 238000013507 mapping Methods 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 3
- 238000003706 image smoothing Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 2
- 206010010071 Coma Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
- G01J2003/2826—Multispectral imaging, e.g. filter imaging
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于色差扩大原理的多光谱光场成像***及其方法。成像***包括:前置滤波片阵列、成像主透镜组、光程扩大单元、多光谱成像单元和图像计算处理单元。前置滤波片阵列用于引入场景各个光谱段的信息;成像主透镜组,包括多个透镜单元,用于校正成像***的像差;光程扩大单元,由规则的高折射率玻璃晶体构成,用于扩大成像***的色差;多光谱成像单元,用于拍摄经过透镜组的光谱图像;图像计算处理单元,用于对光谱图像数据进行计算,通过局部线性映射算法实现多光谱光场信息的获取。本发明可以在同一时间获取场景的多光谱光场信息,***结构简单,且计算高效。
Description
技术领域
本发明涉及多光谱光场成像技术领域,特别是基于色差扩大原理的多光谱光场成像***及其方法。
背景技术
为了感知和理解复杂的场景,研究者们努力尝试获取场景的更多信息,如多光谱和光场。传统的相机利用基于Bayer滤波阵列的平面传感器拍摄照片。所拍摄的三原色图像是用三个色彩通道,即红、绿、蓝,表示的三维场景的平面投影图。伴随着光学和计算摄像学的发展,多光谱和光场信息的获取得到了广泛的探索,以获取场景中更多的光谱通道和光场信息。
在过去的几十年中,几种不同的光谱成像方法被提出,以拍摄出比传统三原色成像技术更多的光谱通道信息。总体上根据***工艺,现有的多光谱相机可以分为以下几类:基于扫描技术的光谱仪、基于滤波技术的光谱仪、基于编码光圈的快照光谱成像仪、计算层析成像光谱仪和棱镜掩膜法视频成像光谱仪。
除了光谱信息,光场信息或场景深度信息也是处理机器视觉与图像处理领域问题的重要线索。最近一些获取光场信息的方法也被提出,如微透镜阵列方法、多相机阵列方法和基于焦点栈的方法。其中,焦点栈就是光场的另一种表示方式,因此在本发明中将对这两个名词不作特别区分。此外,基于探测飞行时间(TOF)的相机和基于光照编码方法的相机也被提出,用于直接拍摄获取场景深度信息,从而通过模型渲染处理出光场信息。然而,由于这些方法需要测量过多各向异性的数据,所以同时获取多光谱和光场信息很困难。
发明内容
本发明的目的在于提供一种基于色差扩大的原理的多光谱光场成像***及方法,能够对场景的光谱与光场信息进行实时地、迅速地捕捉与获取。
本发明采用的技术方案为:
基于色差扩大原理的多光谱光场成像***,包括沿光路方向顺次设置的前置滤波片阵列、成像主透镜组、光程扩大单元、多光谱成像单元和图像计算处理单元;所述前置滤波片阵列位于成像主透镜的孔径光阑处,由多片共面的不同波段的滤波片构成,且滤波片的尺寸相同;所述成像主透镜组用于校准成像***的像差;所述光程扩大单元位于焦平面之前,用于扩大成像***的色差;所述多光谱成像单元位于焦平面处;所述图像计算处理单元与多光谱成像单元相接,用于对光谱图像数据进行计算,通过局部线性映射算法实现多光谱光场信息的获取。
本发明基于色差扩大原理的多光谱光场成像方法,包括以下步骤:
步骤一:来自目标场景中各点的入射光经过前置滤波片阵列,形成携带不同波段信息的光束并穿过成像主透镜组;
步骤二:穿过成像主透镜组的光束经过光程扩大单元后,像差被校准,色差被扩大,因此对于同一物点来说,不同波段的光束将会聚焦于深度不同的像平面上,由此产生不同通道间的清晰程度差别;
步骤三:在多光谱成像单元的像平面上接收到场景的不同波段的光谱信息,并由多光谱成像单元将光谱信息转化为电信号输入图像计算处理单元;
步骤四:图像计算处理单元以所获得的各个通道的场景图像为基础,利用局部线性映射算法恢复出当前场景的多光谱光场信息,即对于场景中的任意一个物点,获取与其深度对应的多光谱信息。
本发明与现有技术相比,其显著优点在于:
(1)提出了一种容易实现的多光谱光场成像***的设计方案,可以在同一时间获取场景的多光谱光场信息;
(2)基于本发明所提出的局部线性映射的重构算法,可以高效地重建多光谱光场信息;
(3)本发明的***结构简单且稳固,可实现实时动态计算,且计算高效。
附图说明
图1是本发明多光谱光场成像***的结构示意图;
图2是本发明多光谱光场成像***的图像计算处理单元示意图;
图3是本发明LLT局部线性映射算法流程图。
图中:1-前置滤波片阵列,2-成像主透镜组,3-光程扩大单元,4-多光谱成像单元,5-图像计算处理单元,201-清晰通道图像,202-模糊通道图像,203-清晰通道高斯模糊化图像,204-模糊通道高斯模糊化图像,205-LLT线性映射乘子矩阵,206-LLT线性映射偏移矩阵,207-模糊通道重建清晰图像。
具体实施方式
下面结合附图和具体实施例进一步说明本发明。
结合图1,本发明基于色差扩大原理的多光谱光场成像***,包括沿光路方向顺次设置的前置滤波片阵列1、成像主透镜组2、光程扩大单元3、多光谱成像单元4和图像计算处理单元5。其中前置滤波片阵列1用于引入场景各个光谱段的信息,由n片共面的不同波段的滤波片构成,且滤波片的尺寸相同;成像主透镜组2包括用于校准成像***像差的多个透镜,像差包括散焦、球差、慧差、像散、场曲和畸变等;光程扩大单元3由折射率较高的规则玻璃晶体(N-BK7)构成,用以扩大成像***的色差;多光谱成像单元4用于拍摄经过透镜组的光谱图像;图像计算处理单元5用于对光谱图像数据进行计算,通过程序算法实现多光谱光场信息的获取。所述前置滤波片阵列1位于成像主透镜组2的孔径光阑处,光程扩大单元3位于焦平面之前,多光谱成像单元4位于焦平面处,图像计算处理单元5与多光谱成像单元4相接;所有光学元件相对基底同轴等高。
本发明基于色差扩大原理的多光谱光场成像方法,具体步骤如下:
步骤一:来自目标场景中各点的入射光经过前置滤波片阵列1,形成携带不同波段信息的光束并穿过成像主透镜组2。
步骤二:穿过主透镜组2的光束经过光程扩大单元3后,由于像差已校准,色差将得到扩大,因此对于同一物点来说,不同波段的光束将会聚焦于深度不同的像平面上,那么对于固定的成像平面,仅有一个波段为清晰图像,其余波段为模糊图像,由此产生不同通道间的清晰程度差别。
步骤三:多光谱成像单元4的像平面上将会接收到场景的不同波段的光谱信息,并将其转化为电信号输入图像计算处理单元5。
步骤四:图像计算处理单元5通过局部线性映射(LLT)算法等,以所获得的各个通道的场景图像为基础,恢复出当前场景的多光谱光场信息,即对于任意一个物点,获取与其深度对应的多光谱信息。
局部线性映射(LLT)算法的原理为:对于同一深度场景的模糊通道与清晰通道来说,经过适当的高斯模糊核处理得到了模糊图像对,可以求得这个模糊图像对之间的线性映射关系,且这个线性映射关系同样适用于清晰通道对,可用于重建模糊通道的清晰图像。因此,根据局部线性映射(LLT)算法,先求得清晰通道与模糊通道高斯模糊后之间的线性映射关系,再将此映射关系应用于恢复模糊通道的清晰图像,从而获取该深度物点的多光谱信息;最后,对场景所有深度的物点均应用LLT算法过程,就可获取场景的多光谱光场信息。
结合图2、图3,如步骤四所述的LLT局部线性映射算法的实现过程为:
首先,对清晰通道图像201与模糊通道图像202组成的光谱图像对施加一个足够大的高斯模糊核(如对于分辨率为1080*1080的图像,可设宽度参数σ=5)以消除不同的高频信息,使得模糊图像对(清晰通道高斯模糊化图像203和模糊通道高斯模糊化图像204)可以被视为均匀模糊;
然后,建立目标函数并利用梯度下降算法优化目标函数。为求得LLT线性映射乘子矩阵205和LLT线性映射偏移矩阵206,目标函数E包括三个部分,即描述目标图像与当前图像差距项、描述图像平滑程度的一阶微分差距项、关于乘子矩阵和偏移矩阵局部平滑性的惩罚项的表达式为:
其中,α、β为约束项常数,为梯度算子,‖*‖2表示矩阵的2-范数;I203、I204、I205、I206分别对应图2中的清晰通道高斯模糊化图像203的矩阵、模糊通道高斯模糊化图像204的矩阵、LLT线性映射乘子矩阵205、LLT线性映射偏移矩阵206。
利用梯度下降算法优化目标函数E,以求得LLT线性映射乘子矩阵205和LLT线性映射偏移矩阵206的局部最优解,以目标函数E对LLT线性映射乘子矩阵205和LLT线性映射偏移矩阵206分别求梯度的表达式为:
其中,“.*”表示矩阵的点乘,上标“T”表示矩阵的转置;
梯度下降算法中步长初始值应设定为较小的常量(一般为0~0.5),结合梯度值和方向进行迭代,更新LLT线性映射乘子矩阵205和LLT线性映射偏移矩阵206,从而确定使得目标函数E收敛的局部最优解,即得到高斯模糊化之后的模糊图像对之间的线性映射关系:
I204=I205·*I203+I206。
最后,进行模糊通道的重建,具体流程为:利用梯度下降算法求得的映射关系,根据LLT局部线性映射算法的原理,将LLT线性映射乘子矩阵205和LLT线性映射偏移矩阵206应用于重建模糊通道的清晰光谱图像的关系为:
I207=I205·*I201+I206
其中,I201、I207分别对应图2中的清晰通道图像201的矩阵和模糊通道重建清晰图像207的矩阵。
本发明基于色差扩大原理的多光谱光场成像***,对于任意深度的场景的不同通道的光谱图像,均可应用上述步骤的LLT方法计算和模糊通道重建算法的流程。计算处理步骤完成后,将获得当前场景的多光谱光场信息,即对于任意一个物点,获取与其深度对应的多光谱信息,亦即对于任意一个多光谱通道,获取其对应的焦点栈信息。
实施例
以一个三通道(L1-450nm、L2-550nm、L3-650nm)的前置滤波片阵列1和N-BK7规则玻璃晶体构成的光程扩大单元3为例,对本发明做进一步详细描述。
前置滤波片阵列1由3片共面的不同波段的滤波片构成,分别为L1-450nm、L2-550nm、L3-650nm,且尺寸相同;成像主透镜组2包括用于校准成像***像差的多个透镜,来自场景中同一深度的光线聚焦于同一深度的像平面,同时其余类型的像差也得到了很好的校准,像平面之前的规则玻璃晶体(N-BK7材料制成)即为光程扩大单元3,玻璃晶体为规则长方体。
本实施例多光谱光场成像***的成像过程为:目标场景中各个不同深度(d1、d2、d3,且深度递增)的物点的入射光经过滤波片阵列1,形成携带3个不同波段信息的光束并穿过成像主透镜组2,穿过主透镜组2的光束经过光程扩大单元3后,由于像差已校准,色差将得到扩大,因此对于同一物点来说,3个波段的光束将会聚焦于深度不同的像平面上,由此产生3个通道光谱图像间的清晰程度差别。因此,多光谱成像单元3的像平面上将会接收到场景的3个波段的光谱信息,对于三个不同深度(d1、d2、d3,且深度递增)的物点,其清晰通道依次对应为L1-450nm、L2-550nm、L3-650nm,并将其转化为电信号输入图像计算处理单元5。
图像计算处理单元5进行LLT局部线性映射计算的过程为:以多光谱成像单元4获得的L1-450nm通道的光谱图像为例,已获得其清晰物点对应深度为d1,模糊物点对应深度为d2和d3,为恢复深度为d2的L1-450nm通道的清晰图像,需要利用多光谱成像单元4获得的L2-550nm通道的光谱图像,同样的为恢复深度为d3的L1-450nm通道的清晰图像,需要利用多光谱成像单元4获得的L3-650nm通道的光谱图像。然后将L1-450nm通道的光谱图像作为202图像输入,将L2-550nm或L3-650nm通道的光谱图像作为201图像输入,经过高斯模糊后,图像计算处理单元5将通过上述的局部线性映射(LLT)算法分别得到LLT线性映射乘子矩阵205和LLT线性映射偏移矩阵206。
基于色差扩大原理的多光谱光场成像***的模糊通道重建过程为:将得到的LLT线性映射乘子矩阵205和LLT线性映射偏移矩阵206分别应用于对应模糊通道的重建,即分别重建出深度为d2和d3的L1-450nm通道的清晰图像。
因此,本实施例的多光谱光场成像***恢复出了与深度信息对应的L1-450nm波段的光谱信息。同样的,对于多光谱成像单元4获得的L2-550nm和L3-650nm通道的光谱图像,仍可应用LLT算法和模糊通道重建流程,恢复出与深度信息对应的L2-550nm和L3-650nm波段的光谱信息。所有计算处理步骤完成后,将获得当前场景的多光谱光场信息,即对于任意一个物点,获取与其深度对应的多光谱信息,亦即对于任意一个多光谱通道,获取其对应的焦点栈信息。
Claims (3)
1.基于色差扩大原理的多光谱光场成像***,其特征在于,包括沿光路方向顺次设置的前置滤波片阵列(1)、成像主透镜组(2)、光程扩大单元(3)、多光谱成像单元(4)和图像计算处理单元(5);所述前置滤波片阵列(1)位于成像主透镜(2)的孔径光阑处,由多片共面的不同波段的滤波片构成,且滤波片的尺寸相同;所述成像主透镜组(2)用于校准成像***的像差;所述光程扩大单元(3)位于多光谱成像单元(4)之前,用于扩大成像***的色差;所述多光谱成像单元(4)用于拍摄经过成像主透镜组(2)的光谱图像;所述图像计算处理单元(5)与多光谱成像单元(4)相接,用于对光谱图像数据进行计算,通过局部线性映射算法实现多光谱光场信息的获取,具体为:首先,对清晰通道图像与模糊通道图像组成的光谱图像对施加一个足够大的高斯模糊核,以消除不同的高频信息,使得模糊的图像可以被视为均匀模糊;
然后,建立目标函数E并利用梯度下降算法优化目标函数E:
为求得局部线性映射乘子矩阵和局部线性映射偏移矩阵,目标函数E包括三个部分:描述目标图像与当前图像差距项、描述图像平滑程度的一阶微分差距项、关于局部线性映射乘子矩阵和局部线性映射偏移矩阵局部平滑性的惩罚项,具体的表达式为;
其中,α、β为约束项常数,为梯度算子;I203、I204、I205、I206分别代表清晰通道高斯模糊化图像的矩阵、模糊通道高斯模糊化图像的矩阵、局部线性映射乘子矩阵、局部线性映射偏移矩阵;
利用梯度下降算法优化目标函数E,采用以下两个公式用目标函数E对局部线性映射乘子矩阵和局部线性映射偏移矩阵分别求梯度:
其中,“.*”表示矩阵的点乘;
梯度下降算法中步长初始值设定为常量,结合梯度值和方向进行迭代,更新局部线性映射乘子矩阵和局部线性映射偏移矩阵,从而确定使得目标函数E收敛的局部最优解,即得到高斯模糊化之后的模糊图像对之间的线性映射关系:
I204=I205·*I203+I206;
最后,将求得的局部线性映射乘子矩阵和局部线性映射偏移矩阵应用于重建模糊通道的清晰光谱图像,具体的关系式为:
I207=I205·*I201+I206
其中,I201、I207分别代表清晰通道图像的矩阵、模糊通道重建清晰图像的矩阵。
2.根据权利要求1所述的基于色差扩大原理的多光谱光场成像***,其特征在于,所述光程扩大单元(3)由规则的高折射率玻璃晶体构成。
3.基于色差扩大原理的多光谱光场成像方法,其特征在于,包括以下步骤:
步骤一:来自目标场景中各点的入射光经过前置滤波片阵列(1),形成携带不同波段信息的光束并穿过成像主透镜组(2);
步骤二:穿过成像主透镜组(2)的光束经过光程扩大单元(3)后,像差被校准,色差被扩大,因此对于同一物点来说,不同波段的光束将会聚焦于深度不同的像平面上,由此产生不同通道间的清晰程度差别;
步骤三:在多光谱成像单元(4)的像平面上接收到场景的不同波段的光谱信息,并由多光谱成像单元(4)将光谱信息转化为电信号输入图像计算处理单元(5);
步骤四:图像计算处理单元(5)以所获得的各个通道的场景图像为基础,利用局部线性映射算法恢复出当前场景的多光谱光场信息,即对于场景中的任意一个物点,获取与其深度对应的多光谱信息;局部线性映射算法的具体实现过程为:
首先,对清晰通道图像与模糊通道图像组成的光谱图像对施加一个足够大的高斯模糊核,以消除不同的高频信息,使得模糊的图像可以被视为均匀模糊;
然后,建立目标函数E并利用梯度下降算法优化目标函数E:
为求得局部线性映射乘子矩阵和局部线性映射偏移矩阵,目标函数E包括三个部分:描述目标图像与当前图像差距项、描述图像平滑程度的一阶微分差距项、关于局部线性映射乘子矩阵和局部线性映射偏移矩阵局部平滑性的惩罚项,具体的表达式为;
其中,α、β为约束项常数,为梯度算子;I203、I204、I205、I206分别代表清晰通道高斯模糊化图像的矩阵、模糊通道高斯模糊化图像的矩阵、局部线性映射乘子矩阵、局部线性映射偏移矩阵;
利用梯度下降算法优化目标函数E,采用以下两个公式用目标函数E对局部线性映射乘子矩阵和局部线性映射偏移矩阵分别求梯度:
其中,“.*”表示矩阵的点乘;
梯度下降算法中步长初始值设定为常量,结合梯度值和方向进行迭代,更新局部线性映射乘子矩阵和局部线性映射偏移矩阵,从而确定使得目标函数E收敛的局部最优解,即得到高斯模糊化之后的模糊图像对之间的线性映射关系:
I204=I205·*I203+I206;
最后,将求得的局部线性映射乘子矩阵和局部线性映射偏移矩阵应用于重建模糊通道的清晰光谱图像,具体的关系式为:
I207=I205·*I201+I206
其中,I201、I207分别代表清晰通道图像的矩阵、模糊通道重建清晰图像的矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710757532.3A CN107421640B (zh) | 2017-08-29 | 2017-08-29 | 基于色差扩大原理的多光谱光场成像***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710757532.3A CN107421640B (zh) | 2017-08-29 | 2017-08-29 | 基于色差扩大原理的多光谱光场成像***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107421640A CN107421640A (zh) | 2017-12-01 |
CN107421640B true CN107421640B (zh) | 2019-01-25 |
Family
ID=60434083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710757532.3A Active CN107421640B (zh) | 2017-08-29 | 2017-08-29 | 基于色差扩大原理的多光谱光场成像***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107421640B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489325B (zh) * | 2019-12-16 | 2023-07-28 | 杭州电子科技大学 | 一种甲亢疾病即时鉴定装置及其控制方法 |
CN111174912B (zh) * | 2020-01-03 | 2021-02-23 | 南京大学 | 一种快照型解色散模糊的高光谱成像方法 |
CN112560841B (zh) * | 2020-12-07 | 2022-08-05 | 上海新产业光电技术有限公司 | 一种阵列相机 |
CN113687369A (zh) * | 2021-07-14 | 2021-11-23 | 南京大学 | 一种光谱信息与深度信息同步采集***及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104236707A (zh) * | 2014-09-23 | 2014-12-24 | 中国科学院光电研究院 | 一种棱镜色散型成像光谱仪条带噪声消除方法 |
JP2015506471A (ja) * | 2011-12-28 | 2015-03-02 | ウェイブライト ゲーエムベーハー | 分光装置及びスペクトル分析の方法 |
CN205719258U (zh) * | 2016-06-20 | 2016-11-23 | 中国科学院遥感与数字地球研究所 | 基于光纤束的多通道光谱仪*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8520189B2 (en) * | 2010-05-03 | 2013-08-27 | Taiwan Semiconductor Manufacturing Company, Ltd. | Method and apparatus for maintaining depth of focus |
-
2017
- 2017-08-29 CN CN201710757532.3A patent/CN107421640B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015506471A (ja) * | 2011-12-28 | 2015-03-02 | ウェイブライト ゲーエムベーハー | 分光装置及びスペクトル分析の方法 |
CN104236707A (zh) * | 2014-09-23 | 2014-12-24 | 中国科学院光电研究院 | 一种棱镜色散型成像光谱仪条带噪声消除方法 |
CN205719258U (zh) * | 2016-06-20 | 2016-11-23 | 中国科学院遥感与数字地球研究所 | 基于光纤束的多通道光谱仪*** |
Also Published As
Publication number | Publication date |
---|---|
CN107421640A (zh) | 2017-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nikonorov et al. | Toward ultralightweight remote sensing with harmonic lenses and convolutional neural networks | |
CN107421640B (zh) | 基于色差扩大原理的多光谱光场成像***及方法 | |
KR102363030B1 (ko) | 광학 시스템 수차들의 디지털 보정 | |
JP7087198B2 (ja) | ハイブリッドスペクトルイメージャ | |
JP5358039B1 (ja) | 撮像装置 | |
JP5681954B2 (ja) | 撮像装置及び撮像システム | |
KR101871034B1 (ko) | 플렌옵틱 이미징 장치 | |
CN107113370B (zh) | 图像记录设备及记录图像方法 | |
US9008412B2 (en) | Image processing device, image processing method and recording medium for combining image data using depth and color information | |
JP5317891B2 (ja) | 画像処理装置、画像処理方法、及びコンピュータプログラム | |
US10567646B2 (en) | Imaging apparatus and imaging method | |
Nikonorov et al. | Deep learning-based imaging using single-lens and multi-aperture diffractive optical systems | |
CN109087395B (zh) | 一种三维重建的方法及*** | |
KR102036640B1 (ko) | 광학 수차의 고속 보정이 가능한 광학 이미징 방법 | |
CN113676628B (zh) | 成像装置和图像处理方法 | |
CN107424195B (zh) | 一种光场距离估计方法 | |
CN110462679B (zh) | 快速多光谱光场成像方法和*** | |
TWI687661B (zh) | 用於確定場景相關電磁場的複振幅的方法及裝置 | |
KR102253320B1 (ko) | 집적영상 현미경 시스템에서의 3차원 영상 디스플레이 방법 및 이를 구현하는 집적영상 현미경 시스템 | |
JP2019016975A (ja) | 画像処理装置および画像処理方法、撮像装置、プログラム | |
CN117120884A (zh) | 用于高质量薄透镜成像的神经纳米光学器件 | |
Hasinoff | Variable-aperture photography | |
CN112903103A (zh) | 基于dmd和互补全通的计算光谱成像***及方法 | |
WO2024012320A1 (zh) | 一种基于光学干涉计算成像方法的被动式三维成像方法 | |
Kwan et al. | Calibration of transverse ray and pupil aberrations for light field cameras |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |