公开(公告)号：CN109901190B

公开(公告)日：2021-07-30

申请号：CN201910171024.6

申请日：2019-03-07

Applicant: 南京邮电大学

Inventor： 赵生妹 ,  任红豆

IPC: G01S17/89

Abstract: 本发明提供了一种基于线性回归的关联成像方法，包括：使用计算机产生一组随机散斑，并将该组随机散斑加载到DMD上；使用光源照射DMD并经DMD调制生成光学随机散斑，光学随机散斑与随机散斑的数学表达式相同；使用光学随机散斑照射物体，透过物体后的光强经透镜聚焦后均由一无空间分辨能力的桶探测器接收，并得到相应的桶探测器值；在得到桶探测器值后，使用机器学习中的线性回归方法对物体图像进行恢复，得出物体的图像。相比于使用二阶关联函数作为恢复函数，本发明采用机器学习中的线性回归算法对未知物体图像进行恢复，恢复图像的峰值信噪比和结构相似度均大幅提升，恢复结果的清晰度提高，恢复结果质量佳，因此可有效提高成像质量，应用前景广泛。

公开(公告)号：CN109901190A

公开(公告)日：2019-06-18

申请号：CN201910171024.6

申请日：2019-03-07

Applicant: 南京邮电大学

Inventor： 赵生妹 ,  任红豆

IPC: G01S17/89

Abstract: 本发明提供了一种基于线性回归的关联成像方法，包括：使用计算机产生一组随机散斑，并将该组随机散斑加载到DMD上；使用光源照射DMD并经DMD调制生成光学随机散斑，光学随机散斑与随机散斑的数学表达式相同；使用光学随机散斑照射物体，透过物体后的光强经透镜聚焦后均由一无空间分辨能力的桶探测器接收，并得到相应的桶探测器值；在得到桶探测器值后，使用机器学习中的线性回归方法对物体图像进行恢复，得出物体的图像。相比于使用二阶关联函数作为恢复函数，本发明采用机器学习中的线性回归算法对未知物体图像进行恢复，恢复图像的峰值信噪比和结构相似度均大幅提升，恢复结果的清晰度提高，恢复结果质量佳，因此可有效提高成像质量，应用前景广泛。