计算鬼成像学习笔记二：二阶关联函数探究

最新推荐文章于 2024-03-10 11:19:15 发布

try0657

最新推荐文章于 2024-03-10 11:19:15 发布

阅读量6.7k

点赞数 8

文章标签：学习光学成像

本文链接：https://blog.csdn.net/try0657/article/details/123504976

版权

1 一阶关联函数

一阶关联函数是光场的电场强度之间的相互关联，对于光场中两个任意时空点(r1，t1 )和(r2，t2 )，其一阶关联函数定义为：
在这里插入图片描述
E 为电场强度；*为复数共轭；尖括号为多次值求平均（系综平均）。

二阶关联函数可以理解为是光强之间的相互关联，对于光场中两个任意时空点 (r1，t1 ) 和(r2，t2 )，
其二阶关联函数定义为：
在这里插入图片描述
式中：L 为光强，且 L = E* ⋅ E

注意：不同论文中对于二阶关联函数的写法不同，但其本质相同，无需深究。

以G代表重构的物体，以T代表光源即散斑（像素矩阵），以B代表桶探测器的值（数），N代表采样次数。二阶关联函数经过一系列推导，其结果与待测物体成比例。

此部分可参考文献：赵生妹,赵亮,郭辉,王乐,郑宝玉.鬼成像原理与进展研究[J].南京邮电大学学报(自然科学版),2021,41(01):65-77.DOI:10.14132/j.cnki.1673-5439.2021.01.009.

因此，通过二阶关联计算可以在参考支路上获得物体的像。重写公式，基于二阶关联重构物体的像可表示为：
G=<T×B> － < T >< B >
即：
在这里插入图片描述
即：散斑×桶探测器的平均值减去散斑的平均值×桶探测器的平均值。

注意：不同论文中成像公式不同例如：
1）G=<T×B> － < T >< B >
2）G= <（T-<T>）× （B-<B>） >
其本质一样都能恢复出物体的像

差分鬼成像重构图像可表示为：
在这里插入图片描述
对比可以看出，差分鬼成像与传统鬼成像的差别就在于用差分的桶探测器信号 B’ 代替了传统鬼成像的桶探测器信号B。B与B’的关系如下所示：

S代表：

传统鬼成像中收集了两个值：T（ccd相机探测到的，也就是光源，参考臂，是一个矩阵）和B（桶探测器探测到的，物臂的总光强，是一个数）。
S就是再测了一下参考臂上的总光强，也就是T这个矩阵的所有元素和。

由于差分运算能够有效抑制背景噪声，提取物体信息相对波动值，因此对于强透射型物体的成像，差分鬼成像的成像比传统鬼成像有较大程度的提高而对强吸收型物体的成像，成像信噪比虽仍有所提高，但提高程度很不明显。

归一鬼成像重构图像可表示为：
在这里插入图片描述
B’'与B的关系：

通过归一化处理得到的成像信噪比与差分鬼成像几乎相同，即归一鬼成像也同样可以提升鬼成像的图像质量，只不过是数据处理方法跟差分鬼成像有些不同。归一鬼成像的信噪比与差分鬼成像的信噪比相同。

关注