利索能及
我要发布
收藏
专利号: 202410240782X
申请人: 杭州电子科技大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-09-09
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种用于散射成像的方法,其特征在于,包括如下步骤:获取目标散斑图像;

根据目标散斑图像,计算目标振幅;

根据目标振幅,构建初始估计;构建初始支撑模型;

根据所述初始支撑模型和所述初始估计,获得迭代支撑模型与迭代估计,通过迭代支撑模型收缩驱动迭代估计进行迭代,获得目标相位,以重建目标图像;

其中,所述迭代估计包括时域输入估计与时域输出估计;

所述的通过迭代支撑模型收缩驱动迭代估计进行迭代,包括:通过约束公式对时域输入估计进行迭代;

所述约束公式如下所示:

其中, 为第k+1次迭代的时域输入估计; 为第k次迭代的时域输入估计;

为第k次迭代的时域输出估计; 为第k次迭代的迭代支撑模型;和 为约束系数;当k=0时, 为初始估计的逆傅里叶变换, 为初始支撑模型;

所述第k次迭代的时域输出估计由下式表示:;

其中, 为第k次迭代的时域输出估计; 为逆傅里叶变换算符, 为目标振幅,为虚数单位; 为 的相位;

所述第k次迭代的迭代支撑模型由下式表示:;

其中, 为第k次迭代的迭代支撑模型, 为第k‑1次迭代的迭代支撑模型, 为第k次迭代的模糊核函数, 为支撑更新函数;

所述支撑更新函数如下所示:

其中, 为支撑更新函数, 为第k‑1次迭代的时域输入估计,为阈值参数。

2.根据权利要求1所述的用于散射成像的方法,其特征在于,所述初始支撑模型为非零矩阵,所述初始估计由下式表达:;

其中, 为初始估计, 为目标振幅,为虚数单位, 为随机相位。

3.根据权利要求1所述的用于散射成像的方法,其特征在于,所述模糊核函数由下式表示:;

其中, 为第k次迭代的模糊核函数, 为第k次迭代的模糊核长度, 为第k次迭代的模糊核标准差;

所述第k次迭代的模糊核长度如下式所示:;

其中, 为第k次迭代的模糊核长度,为当前迭代的次数,为总迭代次数;

所述第k次迭代的模糊核标准差如下式所示:;

其中, 为第k次迭代的模糊核标准差,为当前迭代的次数, 为模糊核标准差的初始值。

4.根据权利要求1‑3任一项所述的用于散射成像的方法,其特征在于,所述的获取目标散斑图像,包括:获取初始散斑图像;

对初始散斑图像进行对数变换和傅里叶变换,得到散斑频域图像;

对所述散斑频域图像进行滤波操作,得到散斑滤波图像;

对所述散斑滤波图像进行傅里叶逆变换和指数变换,得到目标散斑图像。

5.根据权利要求4所述的用于散射成像的方法,其特征在于,所述的对所述散斑频域图像进行滤波操作,通过高通滤波器进行;

所述高通滤波器如下所示:

其中, 为高通滤波器,为调节高频分量的参数,为调节低频分量的参数,为指数变换算符,为高通滤波器锐化系数, 为坐标 到滤波器中心的距离;

所述高通滤波器锐化系数通过如下步骤获得,包括:对目标散斑图像做自相关运算,得到散斑自相关图像;

确定目标散斑图像的边界点坐标,以所述目标散斑图像的一边界点坐标作为参考点坐标;

以迭代循环的形式,采用步进递增的锐化系数对目标散斑图像进行滤波,得到若干初始滤波图像;

对若干初始滤波图像做自相关,得到初始自相关图像,并记录参考点坐标在初始自相关图像中对应的强度值,当所述参考点坐标对应的强度值取得最小值时,对应的锐化系数即为目标散斑图像的最佳锐化系数;

所述参考点坐标通过如下公式计算得到:;

其中, 为拉普拉斯算子, 为目标散斑图像, 为自相关算子, 和 是指定的 和坐标, 为阈值系数。

6.根据权利要求5所述的用于散射成像的方法,其特征在于,所述目标振幅通过计算目标的自相关后获得。

7.一种用于散射成像的系统,其特征在于,包括:散斑图像获取模块,用于获取目标散斑图像;

目标振幅计算模块,用于计算目标振幅;

目标相位计算模块,用于根据目标振幅,构建初始估计,构建初始支撑模型;以及,根据所述初始支撑模型和所述初始估计,获得迭代支撑模型与迭代估计,通过迭代支撑模型收缩驱动迭代估计进行迭代,获得目标相位信息,以重建目标图像;

其中,所述迭代估计包括时域输入估计与时域输出估计;

所述的通过迭代支撑模型收缩驱动迭代估计进行迭代,包括:通过约束公式对时域输入估计进行迭代;

所述约束公式如下所示:

其中, 为第k+1次迭代的时域输入估计; 为第k次迭代的时域输入估计;

为第k次迭代的时域输出估计; 为第k次迭代的迭代支撑模型;和 为约束系数;当k=0时, 为初始估计的逆傅里叶变换, 初始支撑模型;

所述第k次迭代的时域输出估计由下式表示:;

其中, 为第k次迭代的时域输出估计; 为逆傅里叶变换算符, 为目标振幅,为 的相位;

所述第k次迭代的迭代支撑模型由下式表示:;

其中, 为第k次迭代的迭代支撑模型, 为第k‑1次迭代的迭代支撑模型, 为第k次迭代的模糊核函数, 为支撑更新函数;

所述支撑更新函数如下所示:

其中, 为支撑更新函数, 为第k‑1次迭代的时域输入估计,为阈值参数。

8.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1‑6任一项所述方法的步骤。

9.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1‑6任一项所述方法的步骤。