相干光学信息处理

news2024/12/27 11:35:38

一、光学图像相减

光学图像相减:一般用于检测比较两幅图像之间的差异。

实现图像相减的方法很多,仅介绍两种: (1)空域光栅编码频域解码; (2)频域光栅滤波。

1.1 空域光栅编码频域解码相减方法

分两步实现:

第一步:编码(成像记录)

 曝光:

分两次曝光

两次曝光之间光栅移动半个周期

显定影处理:得到光栅编码图片

编码后图片,A和B相同部分没有光栅条纹,相异部分被光栅调制。

编码过程的数学描述

Ronchi光栅的强度透过率:

光栅移动半个周期后的强度透过率:

对图像A(设其强度透过率为I_{A})进行曝光,底片上曝光量正比于:I_{A}(1+R)/2
对图像B(设其强度透过率为I_{B})进行曝光,底片上曝光量正比于:I_{B}(1-R)/2
底片上的总曝光量为: H\propto1/2(I_{A}+I_{B})+ 1/2(I_{A}-I_{B})R(相异部分被光栅调制)

第二部:解码(频谱滤波)

解码过程的数学描述

得到的光栅编码图片的振幅透过率g(x,y)正比于底片的曝光量:

其频谱为:

只要图像中的最高频率低于光栅的频率1/d,就不会出现频谱交叠,就可以用高通或带通滤波的方法只让相异部分的频谱通过,从而在输出面上得到两图像相异部分(两图像相减)。

若采用带通滤波器,只让+1级谱通过,则滤波后的频谱为:

最后得到的相减图像的振幅为:


最后得到的相减图像的强度为:


若采用高通滤波器,只挡掉0级谱,则同样可得到两图像相减前面讲过,对矩形光栅,当a=d/2时,若只挡掉0级谱,最后的输出强度为均匀分布。此时,相当于[I_{A}-I_{B}]^{2}乘以一个常数。

滤波器是适当宽度的不透光屏,挡掉0级,其余通过

当a/d=1/2
直流成分=1/2;像面振幅分布:周期仍为d,矩形,有负值;像面强度分布:均匀分布,1/4。衬比度为0。 

1.2 采用正余弦光栅滤波器实现相减的方法

输出面上的光场分布为:

\phi _{0} =Π2,即光栅沿x轴偏离1/4周期时,exp(-j2\phi _{0})=-1,上式中第1项表明,在输出面中心实现了图像相减。

二、光学相关运算与图像识别

2.1  用4-f系统实现图像卷积和相关运算

两个图像分别用s(x,y)和fx,y)表示
卷积运算:


相关运算:

二者之间的关系:

卷积运算具有交换性,相关运算一般不具有交换性。二者均为线性运算,且均具有平移不变性。

光学上,卷积和相关运算在空域实现较为困难,但在频域通过空间滤波方法易于实现。

光学相关运算在图像识别(特征识别、模式识别)等领域具有重要应用。在具体实现上,主要有两种基本结构或方法:.Vander Lugt 匹配滤波相关器和联合变换相关器

2.2  Vander Lugt 匹配滤波相关器

        匹配滤波的概念来自信号检测理论。通过匹配滤波操作可实现信号的相关检测,判定输入中是否存在所需要的信号。设输入为f(x,y),其中含有待测信号s(x,y)和相加性噪声n(x,y),即:f(x,y)=s(x,y)+n(x,y)。

设滤波器函数为h(x,y),滤波操作就是实现下述卷积运算:f(x,y)*h(x,y)=s(x,y)*h(x,y)+n(x,y)*h(x,y)。若取h(x,y)=s*(-x,-y),则:f(x,y)*h(x,y)= s(x,y)*s*(-x,y)+ n(x,y)*s*(-x,-y)s(y) =


具有 h(x,y)= s*(-x,-y)形式的滤波器,称为匹配滤波器;这一过程称为匹配滤波。在频域中,匹配滤波器为:S*(u,v)。

2.2.1 Vander Lugt 匹配滤波图像相关识别的原理

(1)用FT全息方法制作匹配空间滤波器
其基本原理和制作过程就是制作一张FT全息图

式中第3项包含了S*(u,v),是与s(x,y)相应的匹配滤波器。

(2)实现图像相关识别

将制作好的匹配滤波器精确复位。关闭参考光。在输入面上输入待识别的图像。经频谱面滤波,在输出面上适当位置得到相关信号。

在输出面上,各项之间不交叠的条件是:

此时,相关信号的探测不受其它信号干扰。

        根据是否出现自相关点,来判定输入中是否有待识别图像(目标图像);根据相关点的位置确定待识别图像(目标图像)的位置,可用于目标识别与跟踪。
在进行相关信号探测时,为了避免引起误判,一般采取归一化和取阈值的处理办法。其中之一就是:用自相关信号的峰值对输出进行归一化并设定阈值。

自相关时等于1,互相关时小于1。

2.3 联合变换相关器(Joint Transform Correlator-JTC)

不需要预先制作匹配滤波器,易于实现实时识别。

2.3.1 基本原理

实现过程:
① 在输入面P上,待识别目标图像f(x,y)和参考图像h(x,y)同时输入,并用相干平面波垂直照射:经FT在P2面上得联合FT谱:
② 在频谱面P2上,用平方律记录介质或器件记录二者的联合FT谱的强度分布(联合变换功率谱,JointTransformPowerSpectrum---JTPS):
③ 再用相干平面波垂直照射联合变换功率谱,FT在输出面P3上经得到相关信号。
数学描述:设待识别目标图像f(x,y)的中心位于输入面上(-b,0)处,参考图像h(x,y)的中心位于输入面上(b,0)处;则整个输入函数可表示为:

经FT后在P2面上得到的联合FT谱为


探测记录得到的联合变换功率谱为:

再对得到的功率谱进行FT,在P3面上得到的相关信号为:

 

当fx,y)= h(x,y)时,在(±2b,0)处得到自相关信号

各项分离的条件是:

W_{f}=W_{h}=W,则:2b>2W

即:两图像之间的距离应大于图像宽度的两倍。 

相关信号的位置随目标图像的位置线性变化,用于目标跟踪.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2255414.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

鸿蒙面试题 -生命周期的执行顺序

在开始之前,我们先明确自定义组件和页面的关系: 自定义组件:Component装饰的UI单元,可以组合多个系统组件实现UI的复用,可以调用组件的生命周期。 页面:即应用的UI页面。可以由一个或者多个自定义组件组成…

【机器学习】机器学习的基本分类-监督学习-决策树-ID3 算法

ID3(Iterative Dichotomiser 3)是决策树的一种构造算法,由 Ross Quinlan 在 1986 年提出。它主要用于分类问题,通过信息增益选择特征来构建决策树。ID3 假设数据是离散型特征,且不支持连续型数据。 1. 核心思想 划分标…

Spring Boot 3.0 + MySQL 8.0 + kkFileView 实现完整文件服务

Spring Boot 3.0 MySQL 8.0 kkFileView 实现完整文件服务 背景:比较常见的需求,做成公共的服务,后期维护比较简单,可扩展多个存储介质,上传逻辑简单,上传后提供一个文件id,后期可直接通过此i…

泷羽sec:shell编程(9)不同脚本的互相调用和重定向操作

声明: 学习视频来自B站up主 泷羽sec 有兴趣的师傅可以关注一下,如涉及侵权马上删除文章,笔记只是方便各位师傅的学习和探讨,文章所提到的网站以及内容,只做学习交流,其他均与本人以及泷羽sec团队无关&#…

Qt 小项目 学生管理信息系统

主要是对数据库的增删查改的操作 登录/注册界面: 主页面: 添加信息: 删除信息: 删除第一行(支持多行删除) 需求分析: 用QT实现一个学生管理信息系统,数据库为MySQL 要求&#xf…

IDEA的service窗口中启动类是灰色且容易消失

大家在学习Spring Cloud的过程中,随着项目的深入,会分出很多个微服务,当我们的服务数量大于等于三个的时候,IDEA会给我们的服务整理起来,类似于这样 但是当我们的微服务数量达到5个以上的时候,再启动服务的时候,服务的启动类就会变成灰色,而且还容易丢失 解决方法 我们按住…

【JMX JVM监控】Prometheus读取Trino的JMX数据到Grafana展示

trino运行拥有自己的UI来监控资源使用率,但领导需要更好的展示做些图表出来放到PPT里面,选择了用prometheus收集数据和grafana来展示图表。本文就trino的数据采集和展示做记录,对于prometheus和grafana的安装不做介绍。 首先要采集trino的数据…

【NIPS2024】Unique3D:从单张图像高效生成高质量的3D网格

背景(现有方法的不足): 基于Score Distillation Sampling (SDS)的方法:从大型二维扩散模型中提取3D知识,生成多样化的3D结果,但存在每个案例长时间优化问题/不一致问题。 目前通过微…

雨晨 26100.2454 Windows 11 24H2 专业工作站 极简纯净版

文件: 雨晨 26100.2454 Windows 11 24H2 专业工作站极简 install.esd 大小: 1947043502 字节 修改时间: 2024年12月6日, 星期五, 16:38:37 MD5: 339B7FDCA0130D432A0E98957738A9DD SHA1: 2978AE0CEAF02E52EC4135200D4BDBC861E07BE8 CRC32: 8C329C89 简述: 由YCDIS…

IDE如何安装插件实现Go to Definition

项目背景 框架:Cucumber Cypress 语言:Javascript IDE:vscode 需求 项目根目录cypress-automation的cypress/integration是测试用例的存放路径,按照不同模块不同功能创建了很多子目录,cucumber测试用例.feature文…

pyqtgraph绘制实时更新数据的图

PyQtGraph是一个基于PyQt和NumPy的Python库,它专为实时数据可视化而设计。以绘制0~2π范围的ysin(x)为例,基本用法的代码如下: # codingutf-8import pyqtgraph as pg from pyqtgraph.Qt import QtGui, QtCore import numpy as np# pyqtgraph…

容器运行应用及Docker命令

文章目录 一、使用容器运行Nginx应用1_使用docker run命令运行Nginx应用1 观察下载容器镜像过程2 观察容器运行情况 2_访问容器中运行的Nginx服务1 确认容器IP地址2 容器网络说明3 使用curl命令访问 二、Docker命令1_Docker命令获取帮助方法2_Docker官网提供的命令说明3_docker…

小身躯大能量-供热系统通过EtherCAT转Profinet网关进行升级

在现代工业自动化领域,通信技术的进步对于提高系统效率、稳定性和可靠性起着至关重要的作用。EtherCAT(Ethernet for Control Automation Technology)作为一种实时以太网解决方案,因其高性能及成本效益高等特点,在众多…

网络编程(UDP\TCP回显服务器)

目录 套接字socket TCP和UDP特点比较 特点 比较 UDP回显服务器/客户端的编写 UDP的socket api 回显服务器 客户端 TCP回显服务器/客户端的编写 TCP的socket api 回显服务器 客户端 优化服务器 1.关闭服务器创建的socket对象 2.引入线程池,为多个客户…

系统监控——分布式链路追踪系统

摘要 本文深入探讨了分布式链路追踪系统的必要性与实施细节。随着软件架构的复杂化,传统的日志分析方法已不足以应对问题定位的需求。文章首先解释了链路追踪的基本概念,如Trace和Span,并讨论了其基本原理。接着,文章介绍了SkyWa…

burp常用机漏洞测试理论

声明! 学习视频来自B站up主 **泷羽sec** 有兴趣的师傅可以关注一下,如涉及侵权马上删除文章,笔记只是方便各位师傅的学习和探讨,文章所提到的网站以及内容,只做学习交流,其他均与本人以及泷羽sec团队无关&a…

docker学习笔记(四)--DockerFile

文章目录 一、什么是Dockerfile二、docker build命令三、dockerfile指令3.1 FROM3.2 ENV3.3 WORKDIR3.4 RUN3.5 CMD3.6 ENTRYPOINT3.7 EXPOSE3.8 ARG3.9 ADD3.10 COPY3.11 VOLUME 四、dockerfile示例 一、什么是Dockerfile Dockerfile 是用于构建 Docker 镜像的脚本文件&#…

创造未来:The Sandbox 创作者训练营如何赋能全球创造者

创作者训练营让创造者有能力打造下一代数字体验。通过促进合作和提供尖端工具,The Sandbox 计划确保今天的元宇宙是由一个个创造者共同打造。 2024 年 5 月,The Sandbox 推出了「创作者训练营」系列,旨在重新定义数字创作。「创作者训练营」系…

基于Pyhton的人脸识别(Python 3.12+face_recognition库)

使用Python进行人脸编码和比较 简介 在这个教程中,我们将学习如何使用Python和face_recognition库来加载图像、提取人脸编码,并比较两个人脸是否相似。face_recognition库是一个强大的工具,它基于dlib的深度学习模型,可以轻松实…

抽象工厂模式的理解和实践

在软件开发中,设计模式是解决常见问题的最佳实践。抽象工厂模式是一种创建型设计模式,提供了一种创建一系列相关或相互依赖对象的接口,而无需指定它们的具体类。本文将详细解释抽象工厂模式的概念、结构、优点、缺点,并通过Java代…