基于高阶鬼成像像质模型的最佳阶数拟合方法

摘要

本发明公开了一种基于高阶鬼成像像质模型的最佳阶数拟合方法，适用于确定高阶鬼成像像质最好时对应的阶数，通过仿真鬼成像实验对参考图像和物图像进行高阶处理，仿真出重建图像并计算其对比度与载噪比，结合高阶鬼成像像质模型，确定高阶鬼成像在不同有效像素数的条件下对应的最佳阶数，数值拟合了最佳阶数与有效像素数之间的关系。本方法以重建图像的数据信息为基础，综合考虑了对比度和载噪比对图像质量的影响。本发明的像质评价更全面，更符合实际实验结果，能更精确地计算出最佳阶数，具有更高的实用性。

主权项

一种基于高阶鬼成像像质模型的最佳阶数拟合方法，其特征在于包括以下步骤：(1)高阶鬼成像是由信号光源通过BS分成两束相关光，一束光直接由CCD接收，被称为参考光源，另一束光通过物体后由桶探测器接收，被称为物光源，通过提高参考光源和物光源的信号阶数来提高图像质量，即根据公式$G_{m,n}\left(x\right)=\frac{1}{N}\underset{s=1}{\overset{N}{\Sigma }}{\left[I_0^{\left(s\right)}\right]}^m{\left[I^{\left(s\right)}\left(x\right)\right]}^n$进行计算后得到重建图像；其中，G_m,n(x)是重建图像；是物光源；I^(s)(x)是参考光源；N是样本数，s是指计算到的第几个样本；m，n分别为物光源和参考光源的阶数；(2)将重建图像数据归一化后乘以255，使其压缩到0到255范围内，根据公式$V=\frac{<G_{m,n}\left(x_{\mathrm{in}}\right)>-<G_{m,n}\left(x_{\mathrm{out}}\right)>}{<G_{m,n}\left(x_{\mathrm{in}}\right)>+<G_{m,n}\left(x_{\mathrm{out}}\right)>}$$\mathrm{CNR}=\frac{<G_{m,n}\left(x_{\mathrm{in}}\right)>-<G_{m,n}\left(x_{\mathrm{out}}\right)>}{\Delta G_{m,n}\left(x_{\mathrm{in}}\right)+\Delta G_{m,n}\left(x_{\mathrm{out}}\right)}$计算重建图像的对比度和载噪比，其中V表示对比度，CNR表示载噪比，尖括号<>表示均值，Xin为图像信号区域；Xout为图像背景区域，Δ表示取标准差；(3)随着物光源阶数的增加，对比度和载噪比先上升再下降时出现峰值，基于对比度和载噪比乘积的高阶鬼成像像质模型如下式：Q＝V*CNR(4)图像信息区域像素数对应的像素块数称为有效像素数，图像质量随着物光源阶数的增加先提高再下降，每条曲线的峰值对应某个物光源阶数，有效像素数越大，曲线峰值逐渐右移，对应的物光源阶数也越大，分别选取单缝、加号、字母、汉字的图案作为模拟对象，通过步骤(1)、步骤(2)计算各有效像素数条件下不同物光源阶数对应的对比度和载噪比，再由步骤(3)基于对比度和载噪比乘积的图像质量评价模型得到各有效像素数条件下的最佳阶数，对模拟对象取平均值，将该平均值数据与有效像素数进行拟合，得到最佳阶数与有效像素数的拟合函数为m＝1.754*T^0.5+2.530，T为有效像素数。