非相干光高阶滤波光场强度自相关的超分辨成像

来源 :辽宁大学 | 被引量 : 0次 | 上传用户:xiang88_77
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
突破衍射极限,获得更高分辨的成像在物理学、生物科学、医学、材料学和电子计算机等各个领域的研究和发展都具有十分重要的意义。衍射极限通常指的是一个理想的物点在经过实际光学系统成像时会受到系统有限孔径的限制,无法获得理想的像点,而是得到一个夫琅禾费衍射像。这就极大地限制了人们看清被成像物体的更小细节,“看”得更小成了很多研究领域的瓶颈。因此,打破衍射极限的限制,实现超分辨成像既是社会经济不断发展的技术需求,也成为了科学研究众多领域的永恒课题之一。热光源的关联成像自本世纪初被发现以来,无论是理论还是实验都获得了巨大的发展。赝热光源产生的随机散斑照明一定条件下能够证明非相干成像系统的物体的亚瑞利极限成像,本文在此基础上通过调节合适的随机散斑进行了基于非相干光滤波光场强度的自相关超分辨成像。在二阶自关联仍然无法突破衍射极限的前提下,采用高通滤波的方法超越了传统瑞利衍射极限,实现了超分辨成像。为了进一步优化成像方案,获得更好的成像质量,本文继续研究了将高通滤波与高阶成像相结合的实验方案。将获得的实验图像分别与直接滤波后的结果和二阶、三阶、四阶、五阶的实验结果进行比较,发现两者结合取其优势可以实现更好的超分辨成像。实验过程中引入高阶自相关测量可以获得更高的分辨率,但是增加相关测量的阶数会降低成像的信噪比。所以随着相关测量次数的上升,需要更长的积分时间来获得清晰的超分辨成像。另外,采用高阶强度涨落关联理论研究关联成像,可以提高其对比度,而且将高阶成像与滤波关联成像相结合,滤波起着主要作用。应用以上理论,能够让真实物体的自相关超分辨成像有进一步的提高,为提高分辨率有关的各个领域带来了一定的应用前景。
其他文献
车辆驾驶过程中能否与障碍物发生碰撞直接关系到车辆的安全驾驶。由于采集的图像因外界干扰会出现图像失真,导致障碍物高度及车辆与障碍物间距的判断失误,最终发生车辆与障碍物的碰撞。因此,滤除图像中的混合噪声,更准确的判断安全行驶距离,预防碰撞事故的发生,对于汽车的安全驾驶有着重要的意义。本文针对当前采集图像中存在的缺陷设计并实现了一种基于高斯椒盐图像去噪的障碍物碰撞预警系统,为辅助驾驶人员的安全驾驶提供了
随着深度传感器与深度学习网络的发展,基于骨架数据的人体动作识别成为近年来计算机视觉领域的热门问题之一。通过传感器获得的骨架数据可以表示人体关节动态信息以适应带有噪声的复杂背景。应用图卷积网络描述人体骨架实现人体动作识别可以取得很好的识别效果,但实现过程中仍存在一些问题,如图的拓扑结构固定、会遗漏非物理连接的关节相关性、无法提取局部时空特征等。首先,参考近年来基于骨架数据与图卷积网络的人体动作识别的
现阶段,工业控制系统(Industrial Control Systems,ICSs)已经广泛应用于国家生产和发展的各个关键领域和行业。然而,随着工业化和信息化的高度融合,工业控制系统面临愈来愈多具有时间持续性、手段综合性和目标特定性的定向攻击和高级可持续性攻击(Advanced Persistent Threat,APT),并且传统的IT信息安全技术并不能很好的适用于工业控制系统。因此,基于工业
在大数据时代,数据的增长带动了信息领域的高速发展,各个领域的推荐系统在人们的日常生活中起到了更为明显的作用,能够帮助人们进行信息的筛选,提高了产品的使用体验,帮助了人们获得更好的生活。教育领域同样如此,各种在线学习网站先后流行,但与推荐引擎的结合程度还相对较低,远低于电商和娱乐领域,在数量和质量上,均有明显的进步空间。本文认真研究了相关教育学理论,充分研究了国际国内在线学习领域和个性化推荐领域的现
随着学习资源的爆炸性增长,如何在海量的数据里找到学习资源成为了一个急需解决的问题。个性化知识资源推荐是一种有效的解决办法,其本质是通过推荐算法捕捉到用户的偏好,给用户推荐潜在知识资源。据此本文提出了基于混合推荐算法的个性化知识点推荐系统研究与实现。首先本研究对推荐算法进行了深入的研究分析,将推荐算法分为传统的推荐算法和基于各类智能算法的新型推荐算法。并对这两类推荐算法下的各类具体算法进行分析,明确
互联网的发展使得人们可以通过粘贴复制,径直将网上他人的知识成果放在自己的论文里,无意间形成侵权、学术造假等事件。而学术论文不断反复套用、盗用,严重的影响了整个学术界的氛围,低水准论文满天飞。要想从根本上杜绝类似事件的发生,就要通过增强对论文的重复率度量来监督,当前国内外对文本的查重成为新的研究热点。实行版权保护时,一个高效的方法是对文档之间的相似程度进行度量。文本相似度研究在判定文章原创方面有着普
近年来,随着移动互联网的飞速发展,移动设备被人们广泛使用。卷积神经网络已成为计算机视觉领域的主流技术,为泛在的移动设备提供了多元化服务,而卷积神经网络模型常常具有规模庞大、层次深、复杂度高、对于硬件需求标准过高等问题。为了大规模的卷积神经网络模型能够更高效地应用于移动互联网中的边缘设备,对于轻量化卷积神经网络的研究日益增多。如何让卷积神经网络在尽可能保障模型精度的前提下减少模型参数量、降低网络复杂
随着信息技术的发展,人类已经从4G时代迈入了5G时代,上网速度变快的同时也促进了互联网媒体技术的发展,视频逐渐代替文字成为信息传播的主要载体。在线视频课凭借其不受时间和地点限制的优势,让知识获取变得更方便快捷的特点,越来越受到求学者的青睐。但我们也要注意到,大数据时代下海量信息带来的“信息过载”问题同样也出现在在线学习领域。课程推荐系统可以根据用户的行为历史数据分析用户对课程的兴趣倾向,帮助用户快
随着互联网的普及率不断提升,Web服务器的功能越来越完善,每天都会产生大规模的Web用户行为数据,该数据被存储到服务器中。近年来,Web用户的异常行为分析问题是我国网络安全的重要问题之一,也是学术界研究的热点。从大规模数据中分析出Web用户的异常行为,并识别出该用户的异常行为类别不仅是舆情管控的重要目标,也是各种网络平台维护网络环境安全的重要手段。Web用户的异常行为一直影响着Web网页的安全与稳
最近几年来,大数据技术与互联网络技术发展迅速,在海量数据的背景下我们可以搜集大量的数据资源。特别是在教育领域,试题以及知识更是海量的存在。在我们学习生活中会需要在网络上去收集一些我们需要学习的知识,但如今这种海量的数据情况下,找到自己想要的知识或者一些试题是很浪费时间的,以至于会降低学习效率。近几年来,随着推荐算法的普及,在电商平台应用非常广泛,可以推荐用户合适的商品,当电商平台有更大的受益化,因