CN110852981B - 一种单光子成像图像处理方法 - Google Patents
一种单光子成像图像处理方法 Download PDFInfo
- Publication number
- CN110852981B CN110852981B CN201911131332.2A CN201911131332A CN110852981B CN 110852981 B CN110852981 B CN 110852981B CN 201911131332 A CN201911131332 A CN 201911131332A CN 110852981 B CN110852981 B CN 110852981B
- Authority
- CN
- China
- Prior art keywords
- single photon
- photon
- pixel
- frame
- imaging
- 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 29
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000010606 normalization Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000012216 screening Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 12
- 238000012706 support-vector machine Methods 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 2
- 239000013307 optical fiber Substances 0.000 description 7
- 230000003321 amplification Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000003199 nucleic acid amplification method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- -1 EMCCD Proteins 0.000 description 1
- 101000694017 Homo sapiens Sodium channel protein type 5 subunit alpha Proteins 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Transforming Light Signals Into Electric Signals (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明专利提供了一种单光子成像图像处理方法,包括以下步骤:(101)单帧原始数据的单光子信号甄别;(102)单帧单光子计数并存储;(103)多帧单光子计数叠加并存储;(104)单光子计数灰度值成像。本发明通过局部对比度归一化和高斯核模板套取实现有效单光子信号的甄别,有效抑制探测器读出噪声、暗噪声计数影响,结合多帧单光子计数成像提高图像质量和成像效果,适用于二维大面阵单光子成像及微光探测。
Description
技术领域
本发明专利涉及图像处理技术领域,尤其涉及一种单光子成像图像处理方法,特别适用于二维面阵单光子成像。
背景技术
微光是指在低照度环境下微弱的光能量低到不能引起人眼或图像传感器响应的光。微光成像技术,通过光电转换、高性能放大、传输和处理等,使人眼视觉或图像传感器件在空间、时域和频域得到有效扩展,转换成人眼或图像传感器可识别的高质量清晰图像,从而弥补了人眼或图像传感器在微光环境中灵敏度低、分辨率低和颜色辨识能力差等诸多问题,为人类认识世界提供了强大的技术支撑。
随着科技的发展与进步,ICCD、EMCCD、PMT、SPAD和EBCCD等微光探测技术出现。但探测器本身存在读出噪声、暗噪声等影响,即使探测器件本身的灵敏度极高,有效信号也容易湮没在噪声中而不能获取高质量成像,特别是在仅有若干个光子甚至单光子水平。
发明内容
本发明公开了一种单光子成像图像处理方法,通过局部对比度归一化和高斯核模板套取实现探测器上有效单光子信号的甄别,可有效抑制探测器读出噪声、暗噪声计数影响,实现“零”噪声探测;且单光子计数模式结合多帧单光子计数叠加,有利于降低***误差、提高成像质量。
为实现上述目的,本发明实施案例的整体技术方案是:一种单光子成像图像处理方法,包括以下步骤:(101)单帧原始数据的单光子信号甄别;(102)单帧单光子计数并存储;(103)多帧单光子计数叠加并存储;(104)单光子计数灰度值成像。
其中,所述的(101)单帧原始数据的单光子信号甄别,是通过局部对比度归一化和高斯核模板匹配方式套取单帧原始数据中符合单光子统计分布的像元位置。
所述的(102)单帧单光子计数并存储,是将甄别的单光子信号中符合单光子统计分布的中心像元计数为1,其他像元计数为0,形成只有“0”和“1”构成的二维矩阵并存储。
所述的(103)多帧单光子计数叠加并存储,是将(102)存储的不同的单帧单光子计数进行叠加并存储,其中,累加计数值的最大值取决于叠加的帧频数。
所述的(104)单光子计数灰度值成像,是将(103)叠加所获得的每个像元的光子计数作为其像元强度形成一个新的二维强度分布的矩阵,并将该矩阵转化为灰度值图像。
本发明所述的一种单光子成像图像处理方法,能够有效抑制探测器读出噪声、暗噪声影响,实现“零”噪声探测。具有如下有益效果:
1.在确定有效单光子位置中心时,采用高斯核模板匹配处理技术,将有效光子信号与读出噪声、暗噪声等干扰信号进行线性划分,既提高了图像数据处理速度又提高了像元分辨率。
2.在单光子甄别中采用局部对比度归一化,丢弃了所有相同强度的像元区域,能够更好边缘,将非有效光子信号干扰排除,提高探测灵敏度。
3.单帧采集的单光子技术模式和多帧叠加的图像处理方式,大大提高了图像的信噪比。
附图说明
图1一种单光子成像图像处理方法的整体技术方案。
图2一种单光子成像图像处理方法的原理示意图。
图3单帧单光子计数处理流程。
具体实施方式
单光子相机可以是基于微通道板的单光子相机,其主要包括,双层MCP像增强器、光纤锥耦合镜头、探测器、时序控制模块、门控模块,壳体及盖板等。
其中,双层MCP像增强器的作用是将入射到其光阴极的微弱光信号转化为电信号,并通过双层微通道板(MCP)的多级放大进行电子倍增,倍增后电子打到荧光屏,通过电-光信号转化,最终实现光信号的增益、放大。光纤锥耦合镜头,利用光纤对光线的全反射将放大后的光信号耦合到探测器靶面。探测器,用于光信号采集。时序控制模块,用于实现数据外触发的信号开启时序控制,及内部时序的外部导出。门控模块,用于控制曝光时间及门宽控制。前盖板、后盖板及壳体用于将双层MCP像增强器,光纤锥耦合镜头,探测器,时序控制模块,门控模块等硬件进行封装。
单光子相机可以是基于微通道板的单光子相机,其主要包括,双层MCP像增强器、光纤锥耦合镜头、探测器、时序控制模块、门控模块,壳体及盖板等。其中,双层MCP像增强器的作用是将入射到其光阴极的微弱光信号转化为电信号,并通过双层微通道板(MCP)的多级放大进行电子倍增,倍增后电子打到荧光屏,通过电-光信号转化,最终实现光信号的增益、放大。光纤锥耦合镜头,利用光纤对光线的全反射将放大后的光信号耦合到探测器靶面。探测器,用于光信号采集。其功能和原理属于比较成熟的技术,在次不再赘述。详细内容详见:申请人为中智科仪(北京)科技有限公司的、申请号为2019101281043的中国发明专利一种基于双层MCP像增强器的单光子相机。
以上述单光子相机为实施例1,进行本发明的单光子成像图像处理方法的详细论述:
如图1所示,一种单光子成像图像处理方法,其包括:(101)单帧原始数据的单光子信号甄别;(102)单帧单光子计数并存储;(103)多帧单光子计数叠加并存储;(104)单光子计数灰度值成像。
所述的(101)单帧原始数据的单光子信号甄别,是通过局部对比度归一化和高斯核模板匹配方式套取单帧原始数据中符合单光子统计分布的像元位置。
如图2所示,通过高斯核模板匹配进行单光子甄别的处理在于将探测器像元分割成不同的小像元矩阵,以逐个像元为中心进行模板匹配,将容差小于相似度阈值S的作为有效光子计数。
其中,所述的局部对比度归一化是一种计算机图像预处理方法,局域对比度归一化,确保对比度在每个小窗口上被归一化,而不是作为整体在图像上被归一化。局部对比度归一化,通过减去临近像元数据的平均值并除以临近像元数据的标准差来修改每个像元数据,以要修改的像元为中心的高斯权重的加权平均和加权标准差。
进一步的,符合单光子统计分布的像元位置的套取方法具体如下:
对探测器采集的原始数据进行初始设置,并定义高斯核函数G、相似度阈值S以及局部对比度归一化,通过以逐个像元为中心的小矩阵进行高斯核模板匹配,将满足相似度阈值S的单光子统计分布(根据2006年牛津大学出版社出版的Mark Fox所著《QuantumOptics:An Introduction》,部分相干、非相干光以及热光的光子统计分布服从“超泊松分布”)的像元提取出来作为有效单光子探测计数。
所述的高斯核函数G,是一种机器学习的支持向量机,本质是衡量数据与数据之间的“相似度”从而甄别有效光子计数和噪声信号计数。高斯核函数可表示为,
k(u,v)=N(u-v;0,σ2I),N(x;μ,Σ)是标准正态密度。
2.单帧单光子计数并存储:将符合单光子统计分布的中心像元计数为1,其他像元计数为0,形成只有“0”和“1”构成的二维矩阵IS(m,n)。
3.多帧单光子计数叠加并存储:将不同的单帧单光子计数进行叠加,形成新的二维矩阵MN(m,n)=Σ(IS(m,n))。
4.单光子计数灰度值成像:将每个像元的光子计数作为其像元强度,转化为灰度值图像。
如图3所示,单帧单光子计数处理流程为:获取原始数据图像,并获取所示原始数据图像的图像像元数目(宽、高),设定阈值;设置高斯核函数和相似度阈值后,初始化图像获取像元强度,大于阈值的计数并存储,进行以下流程:
获取以像元为中心的局部像元矩阵、局部对比度归一化生成矩阵、归一化矩阵与高斯核进行模板匹配、选取极大值赋值;
小于阈值的继续提取下一像元的强度重复上述步骤。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (4)
1.一种单光子成像图像处理方法,其特征在于,包括:(101)单帧原始数据的单光子信号甄别;(102)单帧单光子计数并存储;(103)多帧单光子计数叠加并存储;(104)单光子计数灰度值成像;
所述的(101)单帧原始数据的单光子信号甄别,是通过局部对比度归一化和高斯核模板匹配方式套取单帧原始数据中符合单光子统计分布的像元位置;
符合单光子统计分布的像元位置的套取方法具体如下:
对探测器采集的原始数据进行初始设置,并定义高斯核函数G、相似度阈值S以及局部对比度归一化,通过以逐个像元为中心的小矩阵进行高斯核模板匹配,将满足相似度阈值S的单光子统计分布的像元提取出来作为有效单光子探测计数;
所述的高斯核函数G,是一种机器学习的支持向量机,通过衡量数据与数据之间的相似度从而甄别有效光子计数和噪声信号计数;
通过高斯核模板匹配进行单光子甄别的处理在于将探测器像元分割成不同的小像元矩阵,以逐个像元为中心进行模板匹配,将容差小于相似度阈值S的作为有效光子计数;
所述的局部对比度归一化是通过减去临近像元数据的平均值并除以临近像元数据的标准差来修改每个像元数据,以要修改的像元为中心的高斯权重的加权平均和加权标准差,确保对比度在每个小窗口上被归一化。
2.根据权利要求1所述的一种单光子成像图像处理方法,其特征在于,所述的(102)单帧单光子计数并存储,是将甄别的单光子信号中符合单光子统计分布的中心像元计数为1,其他像元计数为0,形成只有“0”和“1”构成的二维矩阵并存储。
3.根据权利要求1所述的一种单光子成像图像处理方法,其特征在于,所述的(103)多帧单光子计数叠加并存储,是将(102)存储的不同的单帧单光子计数进行叠加形成新的二维矩阵并存储。
4.根据权利要求1所述的一种单光子成像图像处理方法,其特征在于,所述的(104)单光子计数灰度值成像,是将(103)叠加所获得的每个像元的光子计数作为其像元强度形成一个新的二维强度分布的矩阵,并将该矩阵转化为灰度值图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911131332.2A CN110852981B (zh) | 2019-11-19 | 2019-11-19 | 一种单光子成像图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911131332.2A CN110852981B (zh) | 2019-11-19 | 2019-11-19 | 一种单光子成像图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110852981A CN110852981A (zh) | 2020-02-28 |
CN110852981B true CN110852981B (zh) | 2023-08-22 |
Family
ID=69602305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911131332.2A Active CN110852981B (zh) | 2019-11-19 | 2019-11-19 | 一种单光子成像图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852981B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023075433A1 (ko) * | 2021-10-28 | 2023-05-04 | 한국과학기술원 | 양자 이미징을 위한 광자 통계기반의 서포트 벡터 머신 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105100654A (zh) * | 2015-09-18 | 2015-11-25 | 中国科学院高能物理研究所 | 一种像素单元电路及像素读出芯片 |
CN106706127A (zh) * | 2017-01-21 | 2017-05-24 | 陕西师范大学 | 基于SiPM的多光子探测方法 |
CN108871596A (zh) * | 2018-09-10 | 2018-11-23 | 湖北京邦科技有限公司 | 成像装置和包括该成像装置的成像*** |
CN109708767A (zh) * | 2019-02-21 | 2019-05-03 | 中智科仪(北京)科技有限公司 | 一种基于双层mcp像增强器的单光子相机 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102759408B (zh) * | 2011-04-25 | 2015-04-15 | 中国科学院空间科学与应用研究中心 | 一种单光子计数成像***及其方法 |
-
2019
- 2019-11-19 CN CN201911131332.2A patent/CN110852981B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105100654A (zh) * | 2015-09-18 | 2015-11-25 | 中国科学院高能物理研究所 | 一种像素单元电路及像素读出芯片 |
CN106706127A (zh) * | 2017-01-21 | 2017-05-24 | 陕西师范大学 | 基于SiPM的多光子探测方法 |
CN108871596A (zh) * | 2018-09-10 | 2018-11-23 | 湖北京邦科技有限公司 | 成像装置和包括该成像装置的成像*** |
CN109708767A (zh) * | 2019-02-21 | 2019-05-03 | 中智科仪(北京)科技有限公司 | 一种基于双层mcp像增强器的单光子相机 |
Also Published As
Publication number | Publication date |
---|---|
CN110852981A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109636754B (zh) | 基于生成对抗网络的极低照度图像增强方法 | |
Shi et al. | Study on modeling method of forest tree image recognition based on CCD and theodolite | |
EP3937481A1 (en) | Image display method and device | |
Zhao et al. | Unbounded high dynamic range photography using a modulo camera | |
EP1583033B1 (en) | Digital cameras with luminance correction | |
US11523076B2 (en) | High speed two-dimensional event detection and imaging using an analog interface and a massively parallel processor | |
Li et al. | Photon-limited object detection using non-local feature matching and knowledge distillation | |
CN101635782B (zh) | 一种基于动态时间延迟积分的图像获取方法及器件 | |
CN109816603A (zh) | 单光子计数成像的图像传感器图像还原方法 | |
Chandramouli et al. | A bit too much? High speed imaging from sparse photon counts | |
CN110852981B (zh) | 一种单光子成像图像处理方法 | |
CN116664460A (zh) | 一种红外夜视融合方法 | |
Purohit et al. | Image processing framework for performance enhancement of low-light image sensors | |
CN111881924B (zh) | 结合光照不变性与短曝光光照增强的暗光车照识别方法 | |
US20240259706A1 (en) | Systems, methods, and media for high dynamic range imaging using single-photon and conventional image sensor data | |
CN111970424B (zh) | 基于微透镜阵列合成孔径的光场相机去遮挡***和方法 | |
Le Pendu et al. | High dynamic range light fields via weighted low rank approximation | |
Li et al. | Polarized color image denoising | |
Fredembach et al. | Automatic and accurate shadow detection from (potentially) a single image using near-infrared information | |
CN114331893A (zh) | 一种获取图像噪声的方法、介质和电子设备 | |
Hayami et al. | Super-high dynamic range imaging | |
CN209727273U (zh) | 一种基于双层mcp像增强器的单光子相机 | |
Nagalakshmi et al. | Image acquisition, noise removal, edge detection methods in image processing using Matlab for prawn species identification | |
Kershner et al. | Image Coding by Samples of Counts as an Imitation of the Light Detection by the Retina. | |
CN115580762B (zh) | 一种多通道耦合压缩超快成像装置 |
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 |