首页> 正文

光学扫描全息中的超分辨率成像

2020-12-02阅读(807)

光学扫描全息中的超分辨率成像

论文摘要

光学扫描全息是一种单点扫描的特殊数字全息技术,它通过二维扫描将三维物体图像保存为二维图像。光学扫描全息技术作为一种特殊的数字全息技术,其具有传统数字全息技术的特点的同时也具有其不一样的地方。与其他数字全息技术相比,光学扫描全息具有分辨率高、时效性好的特点。然而,值得注意的是光学扫描全息的重建过程与其他数字全息技术一样面临着重重挑战,其中,光学扫描全息超分辨率成像中就存在自聚焦、重建、去噪等问题,本文通过采用时间反演技术、数字图像处理技术、深度学习技术解决自聚焦、重建、去噪问题。本文着重从理论分析、计算机仿真和实验验证等方面验证算法的可行性和优劣。有关光学扫描全息超分辨率成像的研究,本文主要从以下几个方面探讨:（1）从菲涅尔衍射原理、光瞳的光学传递函数出发推导光学扫描全息数学模型,分析了光学扫描全息重建面临的自聚焦和重建算法问题。同时,本文阐述了随机加密光学扫描全息技术中的去噪问题。（2）介绍基于时间反演多空间分解（TR-MUSIC）算法在光学扫描全息中的基本原理。通过MATLAB仿真实现光学扫描全息中单点定位,分析了多点定位面临的问题,并给出了一种去卷积的方法实现多点定位。通过MATLAB仿真实现基于TR-MUSIC的轴向定位,并分析了其分辨率、噪声、运算复杂度等特性。（3）介绍连通域算法的基本原理,MATLAB仿真实现了基于连通域算法的自聚焦与重建。然后,介绍凸优化重建与高次放大结合去噪的基本原理,并通过MATLAB仿真实现。（4）介绍神经网络的基本原理,提出了一种U型网络去除离焦噪声的算法,通过仿真实现了简单图像和复杂图像的去噪。然后,提出了一种深度学习结合二分法实现自聚焦的算法,并通过仿真实现。本文通过TR-MUSIC提高了光学扫描全息超分辨率成像中自聚焦问题的分辨率,通过深度学习结合二分法解决了深度学习自聚焦中泛化力低的问题,通过凸优化重建和深度学习的方法解决了现有去噪算法去噪效率低、不适用复杂物体的问题,同时,本文提出了一种利用连通域实现自聚焦和重建的方法,得到了无离焦噪声的重建图。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  •   1.1 全息技术概述
  •   1.2 时间反演技术
  •   1.3 数字图像处理
  •   1.4 机器学习与深度学习
  •   1.5 光学扫描全息研究现状
  •     1.5.1 自聚焦问题研究现状
  •     1.5.2 重建问题的研究现状
  •     1.5.3 去噪问题的研究现状
  •     1.5.4 其他问题的研究现状
  •   1.6 光学扫描全息面临的挑战
  •   1.7 本文主要的工作
  • 第二章 光学扫描全息中的超分辨成像相关问题的研究
  •   2.1 光学扫描全息基本原理
  •     2.1.1 二维傅里叶变换和卷积与相关运算
  •     2.1.2 波动方程
  •     2.1.3 菲涅尔衍射理论
  •     2.1.4 光瞳函数的光学传递函数
  •     2.1.5 光学扫描全息数学模型
  •   2.2 光学扫描全息中超分辨成像面临的问题
  •     2.2.1 传统光学扫描全息的重建
  •     2.2.2 基于随机加密的光学扫描全息
  •   2.3 本章小结
  • 第三章 时间反演在光学扫描全息中的应用
  •   3.1 基于TR-MUSIC的点定位算法
  •     3.1.1 基于TR-MUSIC光学扫描全息的基本原理
  •     3.1.2 MATLAB仿真基于TR-MUSIC算法的单点定位
  •     3.1.3 MATLAB仿真基于TR-MUSIC的多点定位
  •     3.1.4 去卷积法实现多点定位的原理及仿真
  •   3.2 基于TR-MUSIC的超分辨率自聚焦算法
  •     3.2.1 分辨率分析
  •     3.2.2 噪声分析
  •     3.2.3 运算复杂度分析
  •     3.2.4 TR-MUSIC算法在复杂物体中的自聚焦
  •   3.3 本章小结
  • 第四章 数字图像处理在光学扫描全息中的应用
  •   4.1 基于连通域的光学扫描全息的自聚焦和重建算法
  •     4.1.1 连通域算法
  •     4.1.2 MATLAB仿真以及实验
  •   4.2 基于凸优化重建及高次放大的消除离焦噪声算法
  •     4.2.1 凸优化重建与高次放大的基本原理
  •     4.2.2 MATLAB仿真结果
  •   4.3 本章小结
  • 第五章 深度学习在光学扫描全息中的应用
  •   5.1 神经网络基本原理
  •     5.1.1 全连接神经网络基本原理
  •     5.1.2 卷积神经网络基本原理
  •   5.2 基于U-NET的消除离焦噪声的算法
  •     5.2.1 U型网络
  •     5.2.2 简单图像的去噪
  •     5.2.3 复杂物体的去噪
  •   5.3 基于深度学习与二分法的自聚焦算法
  •     5.3.1 深度学习结合二分法原理
  •     5.3.2 仿真结果
  •   5.4 本章小结
  • 第六章 总结与展望
  •   6.1 总结
  •   6.2 展望
  • 致谢
  • 参考文献
  • 攻读硕士期间取得的成果

    • 文章来源

    类型: 硕士论文

    作者: 吴勇

    导师: 欧海燕

    关键词: 光学扫描全息,自聚焦,去噪,时间反演,深度学习

    来源: 电子科技大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 物理学,计算机软件及计算机应用

    单位: 电子科技大学

    分类号: TP391.41;O438.1

    总页数: 87

    文件大小: 6982K

    下载量: 135

    相关论文文献

    • [1].光学扫描在汽车模具设计及制造中的应用[J]. 汽车工艺与材料 2019(10)
    • [2].三维光学扫描技术在3D打印中的应用[J]. 现代铸铁 2020(01)
    • [3].国外空间光学扫描机构现状[J]. 光机电信息 2010(12)
    • [4].超高速光学扫描测量方法的准确度验证实验[J]. 中国测试 2020(02)
    • [5].光学扫描方法在曲面重构中的应用[J]. 新疆有色金属 2011(06)
    • [6].基于光学扫描全息测量相位物体的相位分布[J]. 激光技术 2016(06)
    • [7].一种基因芯片光学扫描图像倾斜校正方法研究[J]. 光学技术 2017(02)
    • [8].高速并联光学扫描平台设计[J]. 自动化与信息工程 2015(03)
    • [9].基于TMS320F2812的光学扫描控制系统设计[J]. 红外与激光工程 2012(09)
    • [10].改善光学扫描全息聚焦层图像效果的实验研究[J]. 激光技术 2017(03)
    • [11].基于光学扫描的叶片截面测量技术研究[J]. 航空制造技术 2018(15)
    • [12].光学扫描法测金属杆直径[J]. 大学物理实验 2015(04)
    • [13].基于三维光学扫描的离心叶轮逆向方法研究[J]. 新型工业化 2020(03)
    • [14].铁路货车门板冲压问题分析与对策[J]. 模具工业 2020(11)
    • [15].尿液分析仪的设计[J]. 中国医疗器械信息 2013(07)
    • [16].利用连通域标记法消除光学扫描全息离焦噪声的实验研究[J]. 光学与光电技术 2019(01)
    • [17].基于简化点云带动的涡轮叶片快速配准技术[J]. 计算机集成制造系统 2012(05)
    • [18].浅谈螺纹塞规的测量方法[J]. 工业计量 2015(S2)
    • [19].基于三维数字化测量技术的逆向工程应用研究[J]. 长春大学学报 2013(12)
    • [20].基于逆向工程的车门开发[J]. 装备制造技术 2009(10)
    • [21].三维光学扫描技术逆向工程应用研究[J]. 应用光学 2015(04)
    • [22].扫描式多光谱光纤测温装置光学系统设计研究[J]. 工业计量 2015(04)
    • [23].基于CMM和光学扫描的集成测量与混合建模[J]. 制造业自动化 2015(07)
    • [24].压电驱动MEMS光学扫描镜的研制[J]. 纳米技术与精密工程 2012(05)

    标签：;  ;  ;  ;  ;  

    光学扫描全息中的超分辨率成像
    下载Doc文档

    猜你喜欢

    © 2025 毕论降 版权所有 鄂ICP备12018319号-6