CN108305320B - 用于提高大视野全息成像质量的自适应滑动窗重建方法 - Google Patents
用于提高大视野全息成像质量的自适应滑动窗重建方法 Download PDFInfo
- Publication number
- CN108305320B CN108305320B CN201810135156.9A CN201810135156A CN108305320B CN 108305320 B CN108305320 B CN 108305320B CN 201810135156 A CN201810135156 A CN 201810135156A CN 108305320 B CN108305320 B CN 108305320B
- Authority
- CN
- China
- Prior art keywords
- image
- block
- reconstruction
- hologram
- sliding window
- 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 40
- 238000003384 imaging method Methods 0.000 title claims abstract description 23
- 238000000926 separation method Methods 0.000 claims abstract description 17
- 230000000903 blocking effect Effects 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract 1
- 238000005259 measurement Methods 0.000 abstract 1
- 230000003287 optical effect Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 239000012472 biological sample Substances 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001093 holography Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
- G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
- G03H1/04—Processes or apparatus for producing holograms
- G03H1/0443—Digital holography, i.e. recording holograms with digital recording means
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
- G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
- G03H1/04—Processes or apparatus for producing holograms
- G03H1/16—Processes or apparatus for producing holograms using Fourier transform
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
- G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
- G03H1/22—Processes or apparatus for obtaining an optical image from holograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/30—Clipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/22—Cropping
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Holo Graphy (AREA)
Abstract
本发明涉及一种用于提高大视野全息成像质量的自适应滑动窗重建方法,属于数字全息成像技术领域。该方法首先对原始全息图进行预处理和裁剪;然后使用常规分块方法对整图进行单次无交叠分块并完成各块重建,记录各块灰度均值;再计算各块灰度均值集合的离出率并据此设置窗体移动步长;最后按照设置步长滑动窗体加以分块重建,并将各块交叠对应像素点灰度赋为叠加平均值,使变化明显的背景干扰项得以抵消,使相对固定的物体信息得以保留。本发明增强了大尺寸全息图重建后物体信息的保真度与完整性,更好地满足了大视野微观物体的观察测量,为其后续物体信息的分析与提取奠定了基础。
Description
技术领域
本发明属于数字全息图重建技术领域,涉及一种针对于大视野成像的大尺寸全息图的滑动窗分块重建方法。
背景技术
数字全息是近年来新兴的一种精度可达微米级别的成像方法,由CCD等光学元器件直接记录获取样本图像,具有全视场、非接触、无损伤、实时性、定量化的优点。因为其无需对样本颜色即可清晰成像,故特别适合于活体生物样品的定量三维重建和快速跟踪,得以在生物医学应用领域尤其是细胞培养观测中发展迅速。
全息图成像视野直接对应于光学元器件CCD尺寸,所以其得天独厚具有大视野成像的优点。在能够对微米级别物体准确成像的前提下,全息图视野下所记录的物体信息远丰富于常规光学显微镜,在对大样本微观物体群的观察、记录方面颇具优势。
但是大尺寸全息图的重建无法回避的一个问题在于必须对图像进行分块后再逐一完成各图像块的卷积重建。经实验验证过大的分块或直接对全息图整图重建总会在重建时引入过多周围无关的光场信息,进而形成难以去除的横纵条带和背景斑块。此外考虑到卷积重建法需要大量正、逆傅里叶变换,而快速傅里叶变换对于长度为2的整数次幂的信号运算效率最高,故综合考量后认为单块尺寸选取256像素或512像素重建效果最佳,过大或过小均会造成不良效果。
伴随图像分割,一些物体势必处于分割的边缘位置,衍射环被人为割裂分布在不同图像子块上,不完整的衍射环重建后导致物体信息被损伤,难以反映物体的真实形貌,可能导致实验人员观察后误判、漏判,甚至造成实验失败。除此之外,受物体分布的影响,不同块之间重建后整体亮度差异往往十分明显,分块痕迹显著,不同图像子块内物体的可比对性受到影响,对于实验人员的观察和分析工作形成巨大干扰与挑战。因此,亟需一种针对于大视野成像的大尺寸全息图的滑动窗分块重建方法,用以提高重建图像质量和物体信息保真度。
发明内容
有鉴于此,本发明的目的在于提供一种基于自适应滑动窗的分块处理策略,通过互相交叠的分块,确保全息图观察区域内位于分块边界上的物体总会在窗体移动后落入下一图像块内部,保证了其至少在一次重建过程中物体信息可以得到完整保留,且随滑动步长的细化,重建后物体信息得以完整保留的次数增多,达到提高重建图像质量和物体信息保真度的目的。
为达到上述目的,本发明提供如下技术方案:
一种用于提高大视野全息成像质量的自适应滑动窗重建方法,首先对原始全息图进行预处理和裁剪;然后使用常规分块方法对整图进行单次无交叠分块并完成各块重建,记录各块灰度均值;再计算各块灰度均值集合的离出率并据此设置窗体移动步长;最后按照设置步长滑动窗体加以分块重建,并将各块交叠对应像素点灰度赋为叠加平均值,使变化明显的背景干扰项得以抵消,使相对固定的物体信息得以保留;
该方法具体包括以下步骤:
S1:读入待重建全息图,进行预处理;
S2:设置分块尺寸,对图像进行裁剪;
S3:初步分块、重建,记录各块平均亮度,根据数据离出率自适应设置窗体滑动步长;
S4:按照S1中设置分块尺寸与S3中计算所得自适应步长移动窗体,对图像有效区域进行窗体遍历,并对各窗内图像块进行重建;
S5:将S4中处理所得的两个矩阵相同坐标处数据对应相除,得到最终经过自适应滑动窗分块处理后叠加平均的重建图像Rec。
进一步,所述步骤S1具体包括:
将其从RGB彩色空间映射为灰度图像,图像RGB空间向灰度转换公式如下式所示,其中i、j为行列坐标,R、G、B分别为三原色中红、绿、蓝通道信息:
Gray(i,j)=0.229×R(i,j)+0.587×G(i,j)+0.114×B(i,j)。
进一步,所述步骤S2具体包括:
S21:设图像块分块边长为L,整幅图像行列值为M和N,单位为像素(pixel);对应整除取其行、列所能排布图像块的个数Row和Col:
Row=M|L
Col=N|L
S22:取整幅图像中间Row×L行与Col×L列区域为有效重建区域,完成图像裁剪。
进一步,所述步骤S3具体包括:
S31:在有效区域内进行图像块的无交叠初步排布,即传统分块方法,对各图像块逐一重建,并记录各重建图像块平均亮度值,记录在Row×Col的矩阵中;
S32:对矩阵中所记录的平均亮度数据进行离群(Outlier)分析,采用目前国际通用标准:以低于箱形图(Boxplot)下箱体的1.5倍个四分位间距(Inter-quartile Range,IQR),或是高于箱形图上箱体的1.5倍个四分位间距作为离群值界限;
S33:统计离群值个数Numout,并计算各块平均灰度值的离出率Ratioout:
S34:根据数据离出率设置自适应的窗体滑动步长Step,其中[·]表示四舍五入取整:
该滑动步长的设置理由在于,图像各块平均灰度值离出率越高说明图像块重建后块间差异越大,需要更为细致的滑动窗进行处理。
进一步,所述步骤S4具体包括:
某一全息图像块,当其进行p次行方向滑动、q次列方向滑动后,以全息整图有效区域最左上角像素点为参考点,记为(1,1),则该图像块的行:L;列:L,对应覆盖在全息图有效区域中的范围为,行:(p-1)×L+1至p×L;列:(q-1)×L+1至q×L;
设置两个与全息图有效区域等大的空矩阵Matrix1和Matrix2,分别用于叠加各全息图块重建图recp,q对应位置处像素灰度值和叠加次数;
其中图像:X=(p-1)×L+i,Y=(q-1)×L+j。
进一步,所述步骤S5中,所述重建图像Rec为:Rec(X,Y)=Marix1(X,Y)/Matrix2(X,Y)。
进一步,对于所述步骤S1和S4中的全息图重建,均采用卷积重建法,具体流程如下:
卷积重建法是基于线性***理论和瑞利-索默菲积分公式而构建的,能够准确反映光的空间衍射分布,由瑞利-索默菲衍射积分公式,全息图中衍射信息再现后对应光波:
其中,ima在此表示虚数单位,λ为重建光波长,zi为物体距离CCD的距离,即重建距离,其中,(x,y)为记录面横、纵坐标,(xi,yi)为重建图在再现像平面上的位置分布;H(x,y)为图像传感器所记录的全息图光强分布,也即是所采集记录得到的全息图;C(x,y)是重建光波在传感器平面上的分布,取为R(x,y)的共轭:
R(x,y)=exp[-ima·k(xsinα+ysinβ)]
其中,k=2π/λ,α、β分别为平面参考光波与空间yoz平面和xoz平面的夹角;
而根据线性***理论,再现像复振幅表示为如下卷积形式:
其中,g为自由空间脉冲响应;
再由卷积理论,使用傅里叶变换计算得到再现像,重建图:
U=FT-1[FT(H·C)·FT(g)]。
本发明的有益效果在于:本发明使大尺寸全息图重建结果的保真度得到了增强,所涵盖的物体信息得以完善,整图视觉感受更加趋于真实和自然,大大方便了实验人员的观察记录。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明所述的滑动窗重建方法的流程图;
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
图1为用于提高大视野全息成像质量的自适应滑动窗重建方法的流程图,如图1所示,一种用于提高大视野全息成像质量的自适应滑动窗重建方法,具体包括以下步骤:
S1:读入待重建全息图,进行预处理;
将其从RGB彩色空间映射为灰度图像,图像RGB空间向灰度转换公式如下式所示,其中i、j为行列坐标,R、G、B分别为三原色中红、绿、蓝通道信息:
Gray(i,j)=0.229×R(i,j)+0.587×G(i,j)+0.114×B(i,j)。
S2:设置分块尺寸,对图像进行裁剪;
S21:设图像块分块边长为L,整幅图像行列值为M和N,单位为像素(pixel);对应整除取其行、列所能排布图像块的个数Row和Col:
Row=M|L
Col=N|L
S22:取整幅图像中间Row×L行与Col×L列区域为有效重建区域,完成图像裁剪。
S3:初步分块、重建,记录各块平均亮度,根据数据离出率自适应设置窗体滑动步长;
S31:在有效区域内进行图像块的无交叠初步排布,即传统分块方法,对各图像块逐一重建,并记录各重建图像块平均亮度值,记录在Row×Col的矩阵中;
S32:对矩阵中所记录的平均亮度数据进行离群(Outlier)分析,采用目前国际通用标准:以低于箱形图(Boxplot)下箱体的1.5倍个四分位间距(Inter-quartile Range,IQR),或是高于箱形图上箱体的1.5倍个四分位间距作为离群值界限;
S33:统计离群值个数Numout,并计算各块平均灰度值的离出率Ratioout:
S34:根据数据离出率设置自适应的窗体滑动步长Step,其中[·]表示四舍五入取整:
该滑动步长的设置理由在于,图像各块平均灰度值离出率越高说明图像块重建后块间差异越大,需要更为细致的滑动窗进行处理。
S4:按照S1中设置分块尺寸与S3中计算所得自适应步长移动窗体,对图像有效区域进行窗体遍历,并对各窗内图像块进行重建;
某一全息图像块,当其进行p次行方向滑动、q次列方向滑动后,以全息整图有效区域最左上角像素点为参考点,记为(1,1),则该图像块的行:L;列:L,对应覆盖在全息图有效区域中的范围为,行:(p-1)×L+1至p×L;列:(q-1)×L+1至q×L;
设置两个与全息图有效区域等大的空矩阵Matrix1和Matrix2,分别用于叠加各全息图块重建图recp,q对应位置处像素灰度值和叠加次数;
其中图像:X=(p-1)×L+i,Y=(q-1)×L+j。
S5:将S4中处理所得的两个矩阵相同坐标处数据对应相除,得到最终经过自适应滑动窗分块处理后叠加平均的重建图像Rec为:Rec(X,Y)=Marix1(X,Y)/Matrix2(X,Y)。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (7)
1.一种用于提高大视野全息成像质量的自适应滑动窗重建方法,其特征在于,该方法首先对原始全息图进行预处理和裁剪;然后使用常规分块方法对整图进行单次无交叠分块并完成各块重建,记录各块灰度均值;再计算各块灰度均值集合的离出率并据此设置窗体移动步长;最后按照设置步长滑动窗体加以分块重建,并将各块交叠对应像素点灰度赋为叠加平均值,使变化明显的背景干扰项得以抵消,使相对固定的物体信息得以保留;
该方法具体包括以下步骤:
S1:读入待重建全息图,进行预处理;
S2:设置分块尺寸,对图像进行裁剪;
S3:初步分块、重建,记录各块平均亮度,根据数据离出率自适应设置窗体滑动步长;
S4:按照S2中设置分块尺寸与S3中计算所得自适应步长移动窗体,对图像有效区域进行窗体遍历,并对各窗内图像块进行重建;
S5:将S4中处理所得的两个矩阵相同坐标处数据对应相除,得到最终经过自适应滑动窗分块处理后叠加平均的重建图像Rec。
2.根据权利要求1所述的用于提高大视野全息成像质量的自适应滑动窗重建方法,其特征在于,所述步骤S1具体包括:
将其从RGB彩色空间映射为灰度图像,图像RGB空间向灰度转换公式如下式所示,其中i、j为行列坐标,R、G、B分别为三原色中红、绿、蓝通道信息:
Gray(i,j)=0.229×R(i,j)+0.587×G(i,j)+0.114×B(i,j)。
3.根据权利要求1所述的用于提高大视野全息成像质量的自适应滑动窗重建方法,其特征在于,所述步骤S2具体包括:
S21:设图像块分块边长为L,整幅图像行列值为M和N,单位为像素(pixel);对应整除取其行、列所能排布图像块的个数Row和Col:
Row=M|L
Col=N|L
S22:取整幅图像中间Row×L行与Col×L列区域为有效重建区域,完成图像裁剪。
4.根据权利要求3所述的用于提高大视野全息成像质量的自适应滑动窗重建方法,其特征在于,所述步骤S3具体包括:
S31:在有效区域内进行图像块的无交叠初步排布,即传统分块方法,对各图像块逐一重建,并记录各重建图像块平均亮度值,记录在Row×Col的矩阵中;
S32:对矩阵中所记录的平均亮度数据进行离群(Outlier)分析,采用目前国际通用标准:以低于箱形图(Boxplot)下箱体的1.5倍个四分位间距(Inter-quartile Range,IQR),或是高于箱形图上箱体的1.5倍个四分位间距作为离群值界限;
S33:统计离群值个数Numout,并计算各块平均灰度值的离出率Ratioout:
S34:根据数据离出率设置自适应的窗体滑动步长Step,其中[·]表示四舍五入取整:
6.根据权利要求5所述的用于提高大视野全息成像质量的自适应滑动窗重建方法,其特征在于,所述步骤S5中,所述重建图像Rec为:
Rec(X,Y)=Marix1(X,Y)/Matrix2(X,Y)。
7.根据权利要求1所述的用于提高大视野全息成像质量的自适应滑动窗重建方法,其特征在于,对于所述步骤S1和S4中的全息图重建,均采用卷积重建法,具体流程如下:
卷积重建法是基于线性***理论和瑞利-索默菲积分公式而构建的,能够准确反映光的空间衍射分布,由瑞利-索默菲衍射积分公式,全息图中衍射信息再现后对应光波:
其中,ima在此表示虚数单位,λ为重建光波长,zi为物体距离CCD的距离,即重建距离,其中,(x,y)为记录面横、纵坐标,(xi,yi)为重建图在再现像平面上的位置分布;H(x,y)为图像传感器所记录的全息图光强分布,也即是所采集记录得到的全息图;C(x,y)是重建光波在传感器平面上的分布,取为R(x,y)的共轭:
R(x,y)=exp[-ima·k(xsinα+ysinβ)]
其中,k=2π/λ,α、β分别为平面参考光波与空间yoz平面和xoz平面的夹角;
而根据线性***理论,再现像复振幅表示为如下卷积形式:
其中,g为自由空间脉冲响应;
再由卷积理论,使用傅里叶变换计算得到再现像,重建图:
U=FT-1[FT(H·C)·FT(g)]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810135156.9A CN108305320B (zh) | 2018-02-09 | 2018-02-09 | 用于提高大视野全息成像质量的自适应滑动窗重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810135156.9A CN108305320B (zh) | 2018-02-09 | 2018-02-09 | 用于提高大视野全息成像质量的自适应滑动窗重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108305320A CN108305320A (zh) | 2018-07-20 |
CN108305320B true CN108305320B (zh) | 2021-06-04 |
Family
ID=62864934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810135156.9A Active CN108305320B (zh) | 2018-02-09 | 2018-02-09 | 用于提高大视野全息成像质量的自适应滑动窗重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108305320B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113532320B (zh) * | 2021-07-20 | 2023-04-28 | 武汉华工激光工程有限责任公司 | 一种基于图像的光斑衍射环分析方法、存储介质及芯片 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1987896A (zh) * | 2005-12-23 | 2007-06-27 | 中国科学院中国遥感卫星地面站 | 高分辨率sar影像配准处理方法及*** |
CN101371594A (zh) * | 2006-01-20 | 2009-02-18 | 视瑞尔技术公司 | 用于放大重建立体尺寸的全息投影装置 |
CN101938668A (zh) * | 2010-09-10 | 2011-01-05 | 中国科学院自动化研究所 | 对多级透镜多视角场景的三维重建的方法 |
CN102003948A (zh) * | 2010-09-21 | 2011-04-06 | 暨南大学 | 一种高精度光学条纹位相提取方法 |
CN103513557A (zh) * | 2013-10-12 | 2014-01-15 | 北京工业大学 | 一种连续太赫兹波的同轴数字全息相位复原成像方法 |
CN104898118A (zh) * | 2015-03-18 | 2015-09-09 | 中国科学院电子学研究所 | 一种基于稀疏频点的三维全息成像的重建方法 |
CN106296697A (zh) * | 2016-08-15 | 2017-01-04 | 东南大学 | 一种基于二维滑动窗dft快速计算的图像篡改检验方法 |
CN107526279A (zh) * | 2017-08-16 | 2017-12-29 | 四川大学 | 一种扩大全息再现像观看视区的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4473133B2 (ja) * | 2002-11-13 | 2010-06-02 | シーリアル、テクノロジーズ、ゲーエムベーハー | 映像ホログラムおよび映像ホログラム再生装置 |
WO2014020603A2 (en) * | 2012-08-01 | 2014-02-06 | Real View Imaging Ltd. | Increasing an area from which a computer generated hologram may be viewed |
-
2018
- 2018-02-09 CN CN201810135156.9A patent/CN108305320B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1987896A (zh) * | 2005-12-23 | 2007-06-27 | 中国科学院中国遥感卫星地面站 | 高分辨率sar影像配准处理方法及*** |
CN101371594A (zh) * | 2006-01-20 | 2009-02-18 | 视瑞尔技术公司 | 用于放大重建立体尺寸的全息投影装置 |
CN101938668A (zh) * | 2010-09-10 | 2011-01-05 | 中国科学院自动化研究所 | 对多级透镜多视角场景的三维重建的方法 |
CN102003948A (zh) * | 2010-09-21 | 2011-04-06 | 暨南大学 | 一种高精度光学条纹位相提取方法 |
CN103513557A (zh) * | 2013-10-12 | 2014-01-15 | 北京工业大学 | 一种连续太赫兹波的同轴数字全息相位复原成像方法 |
CN104898118A (zh) * | 2015-03-18 | 2015-09-09 | 中国科学院电子学研究所 | 一种基于稀疏频点的三维全息成像的重建方法 |
CN106296697A (zh) * | 2016-08-15 | 2017-01-04 | 东南大学 | 一种基于二维滑动窗dft快速计算的图像篡改检验方法 |
CN107526279A (zh) * | 2017-08-16 | 2017-12-29 | 四川大学 | 一种扩大全息再现像观看视区的方法 |
Non-Patent Citations (6)
Title |
---|
Holographic Representations of Images;Alfred M.Bruckstein,et al.;《IEEE》;19981130;第7卷(第11期);第1583-1597页 * |
Multi-plane 3-D Holographic Image Fusion in DCT domain;Hao Zhou,et al.;《Advanced Materials Research Vols》;20130918;第572-576页 * |
一种基于改进型自适应滑动窗算法的主元分析;周奇才 等;《华东理工大学学报(自然科学版)》;20120630;第38卷(第3期);第384-390页 * |
基于ARM的无透镜细胞显微图像采集处理***;张德燕;《中国优秀硕士学位论文全文数据库 基础科学辑》;20160615(第6期);A006-10 * |
基于无透镜全息成像的淡水藻类检测技术研究;王官权;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170115(第1期);I138-560 * |
数字显微全息重建图像的景深扩展研究;阳静 等;《物理学报》;20150630;第64卷(第11期);第1-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108305320A (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106127684B (zh) | 基于双向递归卷积神经网络的图像超分辨率增强方法 | |
Liu et al. | A spectral grouping and attention-driven residual dense network for hyperspectral image super-resolution | |
CN106651772B (zh) | 一种卫星云图的超分辨率重建方法 | |
CN106023230B (zh) | 一种适合变形图像的稠密匹配方法 | |
CN114998145A (zh) | 一种基于多尺度和上下文学习网络的低照度图像增强方法 | |
CN108305320B (zh) | 用于提高大视野全息成像质量的自适应滑动窗重建方法 | |
CN108537735A (zh) | 一种焦平面太赫兹成像的图像拼接方法 | |
CN114660060A (zh) | 一种基于矩阵扫描的宏观傅里叶叠层超分辨成像方法 | |
CN114998141A (zh) | 基于多分支网络的空间环境高动态范围成像方法 | |
CN116630209A (zh) | 基于交叉混合注意力的sar与可见光图像融合方法 | |
CN114549669B (zh) | 一种基于图像融合技术的彩色三维点云获取方法 | |
CN114549307A (zh) | 一种基于低分辨率图像的高精度点云色彩重建方法 | |
CN101478694B (zh) | 基于光线空间的自由视点图像质量评价方法 | |
CN110766609B (zh) | 一种针对ToF相机的景深图超分辨率重建方法 | |
CN115965844B (zh) | 基于视觉显著性先验知识的多聚焦图像融合方法 | |
CN116912138A (zh) | 基于结构一致性检测的动态多曝光光场图像融合方法 | |
CN116109768A (zh) | 一种傅里叶光场显微镜超分辨成像方法及*** | |
CN116630613A (zh) | 一种动态场景多曝光融合光场图像的质量评价方法 | |
CN113077403B (zh) | 基于局部数据块的张量增强技术的彩色图像重建方法 | |
CN106157243B (zh) | 基于压缩感知的淡水藻类全息图像增强与重建方法 | |
CN113012079B (zh) | 低亮度车底图像增强方法、装置及存储介质 | |
CN109920039B (zh) | 一种全彩色压缩全息成像***及重建方法 | |
CN114820323A (zh) | 一种基于立体注意力机制的多尺度残差双目图像超分辨率方法 | |
Xie et al. | Multi-head mutual self-attention generative adversarial network for texture synthesis | |
CN117058049B (zh) | 新视角图像合成方法、合成模型训练方法及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230925 Address after: No. A7 Tongji Middle Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing, 100176 Patentee after: Beijing Lize Health Technology Co.,Ltd. Address before: 400044 No. 174 Shapingba street, Shapingba District, Chongqing Patentee before: Chongqing University |