一种基于散射介质的3D光谱成像系统及方法与流程
本发明属于计算成像技术领域，具体涉及一种基于散射介质的3d光谱成像系统及方法。
背景技术：
传统光谱成像按照原理可以分为滤光片型、色散型、干涉型和计算光谱成像等四种技术。随着科技的发展，3d光谱成像在天文观测、遥感测量、化学及材料分析、生物医学成像以及光源特性无损检测等领域越来越受到广泛的关注和应用。在传统光谱成像技术基础上要实现3d光谱成像，需要结合光学扫描3d成像技术以及多帧3d成像技术，虽然可以实现3d成像，但其时间分辨率大大降低。
随着计算成像技术及相关领域技术的不断发展，透过散射介质成像逐渐演变为热门课题。当光通过折射率非均匀介质如毛玻璃、纸张、生物组织等时，会引起光的散射效应，出射光场变得紊乱而随机，形成一系列散斑。实际上，在散斑中不仅包含了目标的光谱信息，同时也携带了目标的三维结构信息。迄今为止，利用光学散射特性成像技术已经展开了大量研究，例如，已提出的波前调制、光学相干层析、超快激光飞行时间成像法、散射矩阵测量以及散斑相关等方法。
虽然上述方法实现了在一定情况下的透过散射介质成像，但是如何充分有效地利用散射介质的光学记忆效应和退相关特性，实现透过散射介质的3d光谱成像，仍是现在需要解决的问题。
技术实现要素：
为了解决现有技术中存在的上述问题，本发明提供了一种基于散射介质的3d光谱成像系统及方法。本发明要解决的技术问题通过以下技术方案实现：
本发明提供了一种基于散射介质的3d光谱成像系统，包括沿光路方向依次设置的光源模块、准直校正模块、待测物体、散射介质和探测器，其中，
所述光源模块用于生成任意波长的光束；
所述准直校正模块用于对所述光束进行准直校正和滤除杂质散光；
经过准直校正和滤除杂质散光后的光束照射在所述待测物体上，所述散射介质用于对经过所述待测物体的光线进行散射，形成散斑图；
所述探测器用于接收所述散斑图。
在本发明的一个实施例中，所述待测物体包括针孔或待测目标，其中，
在标定阶段，经过准直校正和滤除杂质散光后的光束照射在所述针孔上，之后通过所述散射介质的散射，形成标定散斑图；
在采集阶段，经过准直校正和滤除杂质散光后的光束照射在所述待测目标上，之后通过所述散射介质的散射，形成目标散斑图。
在本发明的一个实施例中，所述准直校正模块包括沿光路方向依次设置的透镜和孔径光阑。
在本发明的一个实施例中，所述散射介质为具有非均匀折射率的介质。
本发明还提供了一种基于散射介质的3d光谱成像方法，适用于上述实施例中任一项所述的基于散射介质的3d光谱成像系统，包括：
采集并标定不同波长、不同景深距离的标定散斑图，构建系统psf数据库；
采集待测目标的目标散斑图；
在所述系统psf数据库中搜索所述目标散斑图对应的psf数据，并通过去卷积重建操作对所述待测目标进行成像。
在本发明的一个实施例中，采集并标定不同波长、不同景深距离的标定散斑图，构建系统psf数据库，包括：
通过针孔采集并标定不同波长，同一景深距离的标定散斑图，构建光谱psf数据；
通过针孔采集并标定同一波长，不同景深距离的标定散斑图，构建空间深度psf数据；
将所述光谱psf数据和所述空间深度psf数据组成所述系统psf数据库。
在本发明的一个实施例中，在所述系统psf数据库中搜索所述目标散斑图对应的psf数据，并通过去卷积重建操作对待测目标进行成像，包括：
在所述系统psf数据库中搜索所述目标散斑图对应的所述光谱psf数据，通过去卷积重建操作获得光谱重建信息，并得到所述待测目标的光谱重建图；
在所述系统psf数据库中搜索所述光谱重建图对应的所述空间深度psf数据，通过去卷积重建操作获得若干空间重建信息，并得到所述待测目标的若干目标重建图；
对若干所述目标重建图分别进行梯度函数处理，得到所述待测目标的最优目标重建图，实现对所述待测目标的成像。
在本发明的一个实施例中，对若干所述目标重建图分别进行梯度函数处理，得到所述待测目标的最优目标重建图，实现所述待测目标的成像，包括：
对若干所述目标重建图分别进行梯度函数处理，得到图像质量评价曲线图；
选取所述图像质量评价曲线图中峰值点对应的所述目标重建图为所述最优目标重建图，实现对所述待测目标的成像。
与现有技术相比，本发明的有益效果在于：
1、本发明的基于散射介质的3d光谱成像系统及方法，充分利用了散射介质的光学记忆效应和退相关特性，获取了待测目标散射后的空间三维结构信息与光谱信息，并使用去卷积方法减小不必要的运算过程，实现了透过散射介质的3d光谱成像。
2、本发明的基于散射介质的3d光谱成像系统及方法，以散射介质代替传统单透镜，建立含有光谱和空间深度信息的psf数据库，结合去卷积方法重建目标，使得待测目标的光谱信息与三维结构信息同时展现，具有良好的光谱分辨率和良好的成像效果。
3、与传统的3d光谱成像系统相比，本发明的基于散射介质的3d光谱成像系统在散射介质选择上具有极大的灵活性，散射介质构成的3d光谱成像系统具有良好的光谱分辨率，而且通过单帧散斑可以实现3d光谱成像，与传统方法相比，具有低成本、结构简单和适应性强的特点。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1是本发明实施例提供的一种基于散射介质的3d光谱成像系统的结构示意图；
图2是本发明实施例提供的一种基于散射介质的3d光谱成像系统的结构框图；
图3是本发明实施例提供的一种透过散射介质成像的示意图；
图4是本发明实施例提供的一种基于散射介质的3d光谱成像方法的示意图；
图5是本发明实施例提供的一种系统psf数据库构建方法的示意图；
图6是本发明实施例提供的一种基于散射介质的3d光谱成像系统及方法的仿真结果图。
具体实施方式
为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及具体实施方式，对依据本发明提出的一种基于散射介质的3d光谱成像系统及方法进行详细说明。
有关本发明的前述及其他技术内容、特点及功效，在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明，可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解，然而所附附图仅是提供参考与说明之用，并非用来对本发明的技术方案加以限制。
实施例一
请参见图1，图1是本发明实施例提供的一种基于散射介质的3d光谱成像系统的结构示意图，如图所示，本实施例的基于散射介质的3d光谱成像系统包括，沿光路方向依次设置的光源模块1、准直校正模块2、待测物体3、散射介质4和探测器5，其中，光源模块1用于生成任意波长的光束，准直校正模块2用于对所述光束进行准直校正和滤除杂质散光，经过准直校正和滤除杂质散光后的光束照射在待测物体3上，散射介质4用于对经过待测物体3的光线进行散射，形成散斑图，探测器5用于接收所述散斑图。
具体地，光源模块1由单色仪和宽谱光源组成，所述单色仪和所述宽谱光源可以生成任意波长的光。准直校正模块2包括沿光路方向依次设置的透镜201和孔径光阑202，所述透镜用于对光源模块1发射的光束进行准直校正，所述孔径光阑用于滤除校正后光束中的杂质散光。请参见图2，图2是本发明实施例提供的一种基于散射介质的3d光谱成像系统的结构框图，如图所示，待测物体3包括针孔或待测目标，在标定阶段，待测物体3为针孔，光源模块1发射的光束通过准直校正模块2的准直校正和滤除杂质散光后，照射在所述针孔上，之后通过散射介质4的散射，形成标定散斑图，探测器5接收所述标定散斑图；在采集阶段，将所述针孔替换成所述待测目标，光源模块1发射的光束通过准直校正模块2的准直校正和滤除杂质散光后，照射在所述待测目标上，之后通过散射介质4的散射，形成目标散斑图，探测器5接收所述目标散斑图。在本实施例中，所述针孔的孔径为100μm。
进一步地，散射介质4为折射率非均匀的介质，当光通过散射介质4时会引起光的散射效应，出射光场会变得紊乱而随机，形成一系列散斑图，在该散斑图中不仅包含有光谱信息，同时也携带了三维结构信息。散射介质4可以是毛玻璃、纸张或生物组织等，在本实施例中，散射介质4为毛玻璃，其厚度为2mm，表面颗粒度为220grid，探测器5为scoms相机。待测物体3与散射介质4之间的距离，也就是景深距离为45cm-60cm，散射介质4与所述探测器5之间的距离，也就是像距为10-18cm，优选地，像距为12cm。值得说明的是，本实施例中选取的景深距离和像距是为了获得更好的散斑分辨率，所述景深距离和所述像距没有严格的限制范围，不同的实验条件存在不同的所述景深距离和所述像距，根据是否可以分辨出最小散斑图来确定。
进一步地，请参见图3，图3是本发明实施例提供的一种透过散射介质成像的示意图，如图所示，当光波传输经过散射介质4时，会在介质表面及介质内部发生多次无序散射，导致成像质量随着穿透深度的增加而急剧下降，最终在探测器5平面上获得杂乱的散斑图样。光学记忆效应指出，当光波在较小的角度范围内以不同的入射角度照射散射介质4上的同一区域时，该范围内的光波产生的散斑图样近似相同，只存在一个很小的位移，也即散斑图样之间存在较强的相关性。因此，在光学记忆效应范围内，散射光学成像系统可视为具有空间位移不变psf(pointspreadfunction，点扩散函数)的线性成像系统。
对于所述空间位移不变psf的线性成像系统，探测器5上所接收到的散斑图的卷积成像模型为，
i＝o*psf(1)
其中，i表示探测器采集的图像，o表示待测目标，psf表示光学系统的点扩散函数。
当需要获取所述待测目标的光谱信息与空间三维信息时，需要引进入射光的波长λ与所述待测目标沿光轴距离z的变量，因此探测器5上所接收到的散斑图的卷积成像模型可以重新写为：
i＝oλ,z*psfλ,z(2)
其中，i表示探测器采集的图像，o表示待测目标，psf表示光学系统的点扩散函数，λ表示入射光的波长，z表示所述待测物体沿光轴距离，即景深距离。
由于强散射介质中的空间与光谱的去相关效应，散斑图与波长和距离相关，光谱分离的光源会产生不相关的散斑图，可以采用去相关来分辨散斑图的光谱信息，数学表达为，
其中，
同样地，对于不同景深距离z的点源会产生不同相关性的点扩散函数，散射介质的空间相关性也证明了散斑图存在一个纵向的去相关距离，可以利用这种性质获取距离信息。那么，在已知景深距离和光谱信息的psf基础上，将psf当作一个滤波函数，通过去卷积的方式即可重建图像：
oλ,z≈deconv(i,psfλ,z)(4)
其中，deconv表示去卷积运算。
对于本实施例的基于散射介质的3d光谱成像系统，首先在标定阶段，采集并标定所述标定散斑图的光谱psf数据和空间深度psf数据，构建系统psf数据库，然后将采集阶段接收的所述目标散斑图，在所述系统psf数据库中搜索相应谱段及空间深度的psf数据，结合lucy-richardson去卷积方法重建对待测目标进行成像。
本实施例的基于散射介质的3d光谱成像系统，以散射介质代替传统单透镜，建立含有光谱和空间深度信息的psf数据库，结合去卷积方法重建目标，使得待测目标的光谱信息与三维结构信息同时展现，具有良好的光谱分辨率和良好的成像效果。与传统的3d光谱成像系统相比，本实施例的基于散射介质的3d光谱成像系统在散射介质选择上具有极大的灵活性，散射介质构成的3d光谱成像系统具有良好的光谱分辨率，而且通过单帧散斑可以实现3d光谱成像，与传统方法相比，具有低成本、结构简单和适应性强的特点。
实施例二
请参见图4，图4是本发明实施例提供的一种基于散射介质的3d光谱成像方法的示意图，如图所示，本实施例的基于散射介质的3d光谱成像方法，在上述任一基于散射介质的3d光谱成像系统上运行，基于散射介质的3d光谱成像系统的总体构成同实施例一，3d光谱成像方法包括：
s1：采集并标定不同波长、不同景深距离的标定散斑图，构建系统psf数据库；
具体地，在步骤s1之前还包括，搭建所述基于散射介质的3d光谱成像系统，打开光源模块1，沿光路方向依次设置准直校正模块2、待测物体3、散射介质4和探测器5，其中，待测物体3为孔径为100μm的针孔。
请结合参见图5，图5是本发明实施例提供的一种系统psf数据库构建方法的示意图，如图所示，所述系统psf数据库构建方法包括：
s11：通过针孔采集并标定不同波长，同一景深距离的标定散斑图，构建光谱psf数据；
具体地，固定针孔与毛玻璃之间的距离，也就是景深距离为z1，其中，采用单色仪和宽谱光源生成波长分别为λ1、λ2、……λn的光，不同波长的光分别通过透镜201和孔径光阑202后照射孔径为100μm的针孔，透过所述毛玻璃后形成不同波长的标定散斑图，被scoms相机接收并记录，得到不同波长λ1、λ2、……λn，同一景深距离z1的标定散斑图，形成光谱psf数据。在本实施例中，45cm≤z1≤60cm。
s12：通过针孔采集并标定同一波长，不同景深距离的标定散斑图，构建空间深度psf数据；
具体地，固定发射光的波长，将所述针孔沿光路方向移动，使得针孔与毛玻璃之间的距离也就是景深距离分别为z1、z2、……zn，固定波长的光通过透镜201和孔径光阑202后照射孔径为100μm的针孔，透过毛玻璃后形成同一波长，景深距离分别为z1、z2、……zn的标定散斑图，被scoms相机接收并记录。重复上述操作过程，依次得到波长为λn(n＝1，2，……，n)，景深距离分别为z1、z2、……zn的标定散斑图，形成空间深度psf数据。在本实施例中，针孔与毛玻璃之间的距离范围为45-60cm，针孔沿光路方向移动的间隔距离为0.5mm。
s13：将所述光谱psf数据和所述空间深度psf数据组成所述系统psf数据库。
具体地，将所述光谱psf数据和所述空间深度psf数据分别标记并打包成库，从而形成所述系统psf数据库。
s2：采集待测目标的目标散斑图
具体地，替换所述针孔为待测目标，将所述待测目标放置在不同景深距离上，scoms相机采集并记录其产生的所述目标散斑图。值得说明的是，可以使用固定波长的led光源照射带有不同颜色的目标，得到目标散斑图，也可以使用不同波长的led光源照射黑白目标，得到目标散斑图。另外，所述目标散斑图可以是单个待测目标产生的散斑图，也可以是多个待测目标产生的散斑图。例如，在景深距离为z1处放置绿色数字“2”，用相机记录一副散斑图，即是单个待测目标产生的散斑图，再加入蓝色数字“5”，放置在景深距离为z2处，再用相机记录一幅散斑图，即是多个待测目标产生的散斑图。
s3：在所述系统psf数据库中搜索所述目标散斑图对应的psf数据，并通过去卷积重建操作对所述待测目标进行成像。
具体地，包括：
s31：在所述系统psf数据库中搜索所述目标散斑图对应的所述光谱psf数据，通过去卷积重建操作获得光谱重建信息，并得到所述待测目标的光谱重建图；
具体地，在所述系统psf数据库中搜索所述目标散斑图相对应光谱段的psf数据，并通过去卷积重建其光谱维度。实质上，每个光谱段的psf数据不仅可以通过去卷积进行光谱维度重建，而且还可以作为光谱滤波器。由于光谱信息重建与距离无关，因此不考虑距离影响的因素，对于不同光谱段产生散斑图可以用线性卷积模型表示，
iλ＝oλ*psfλ(5)
其中，i表示探测器采集的图像，o表示待测目标，psf表示光学系统的点扩散函数，λ表示入射光的波长。
空间域卷积可以转换为傅里叶域中的乘法，得到，
fft(oλ*psfλ)＝fft(oλ)fft(psfλ)(6)
因此，所述待测目标oλ可以用去卷积方法恢复，即，oλ＝deconv(iλ,psfλ)，根据已知的波长为λ时的所述系统psf数据，去卷积可以理想地表达如下，
其中，deconv表示去卷积运算，fft表示快速傅里叶变换，()c表示复共轭。
由于散斑图的光谱去相关效应，不同光谱段的光源会产生不相关的散斑图，而且多光谱物体的散斑图是散射介质与物体光谱带宽中所有波长的复合响应，可表示为如下公式，
根据公式(3)的光谱去相关效应，将公式(8)的展开，
在本实施例中，以两个不同波长λ1和λ2为例，那么探测器采集的散斑图i为不同波长λ1和λ2的o卷积psf的累加集合，其中，根据公式(3)的光谱去相关效应，当λ＝λ1，也就是探测器采集的散斑图i的波长为λ1时，互相关为δ函数，卷积一个δ函数为被卷积者本身；当λ≠λ1，也就是探测器采集的散斑图i的波长不为λ1时均为0。
因此，探测器采集的散斑图i与所述系统psf数据库中波长为λ1的光谱psf数据做去卷积运算，λ＝λ1的信息会保留下来，λ≠λ1的信息都会由于公式(3)的去相关效应变为0被滤除；探测器采集的散斑图i与所述系统psf数据库中波长为λ2的光谱psf数据做去卷积运算，只有λ2的信息会保留下来。也就是在所述系统psf数据库中只有搜索到与所述目标散斑图对应谱段的所述光谱psf数据，并作去卷积运算，相应谱段的信息才会被保留，即获得光谱重建信息，从而得到所述待测目标的光谱重建图。
那么，将公式(9)与公式(3)结合可以得到
也就是，
根据公式(11)和公式(7)可以得到，
因此，可以从单个单色图像重建待测目标的每个光谱带，也就是，
oλ≈deconv(i,psfλ)(13)
值得注意的是，在本实施例中的单波长λ可以扩展为光谱带，并且λ的不同值可以表示不同的不相交带宽。在采集彩色目标产生的散斑图案后，先对该散斑搜索所述数据库中的先验多光谱psf数据进行去卷积重建，获得重建谱段的光谱重建信息。
s32：在所述系统psf数据库中搜索所述光谱重建图对应的所述空间深度psf数据，通过去卷积重建操作获得若干空间重建信息，并得到所述待测目标的若干目标重建图；
具体地，将所述3d光谱成像系统中不同的景深距离作为实际物体的深度信息构建三维空间。研究psf深度方向，即垂直于散射介质表面方向上的去相关性质，可以获得散斑图在深度方向上相关度的距离。计算所观测的散斑场在原点(x＝0，y＝0)，但是对不同景深距离z和z+△z上的互相关可以表示为，
其中，гi表示不同景深距离z接收到的散斑图的互相关。
在所述系统psf数据库中搜索所述光谱重建图对应的所述空间深度psf数据，并通过lucy-richardson去卷积算法，去卷积重建操作获得若干空间重建信息，并得到所述待测目标的若干个目标重建图，lucy-richardson迭代去卷积表达式如下：
其中，()t表示转置。
与不同景深距离的所述空间深度psf数据迭代去卷积后，可以恢复所述目标散斑图的空间结构信息，但是由于所述空间深度psf数据在纵向方向上距离越近，相关性越大，因此会获得若干空间重建信息，并得到所述待测目标的若干目标重建图。因此我们需要建立评价函数去评定若干所述目标重建图的图像质量，得到准确的景深距离z，已实现对所述待测目标的精确成像。
s33：对若干所述目标重建图分别进行梯度函数处理，得到所述待测目标的最优目标重建图，实现对所述待测目标的成像。
具体地，对若干所述目标重建图分别进行梯度函数处理，得到图像质量评价曲线图，选取所述图像质量评价曲线图中峰值点对应的所述目标重建图为所述最优目标重建图，实现对所述待测目标的成像。
由于若干所述目标重建图的景深距离较接近，相关度较高，其均可以用来重建目标，但是在3d成像中需要准确估计出所述待测目标的深度信息，因此需要借助基于梯度函数的无参考图像清晰度评价方法判定最优目标重建图。在数字图像处理中梯度函数常用来提取边缘信息，对于聚焦较好的图像，通常清晰度较高，图像也表现为边缘更加锐利，具有更大的梯度值，因此可以通过计算图像的梯度来表征图像的清晰度。
进一步地，所述梯度函数包括，brenner梯度函数、tenengrad梯度函数、laplacian梯度函数或smd函数，其中，
brenne梯度函数是最简单梯度评价函数，它是简单地计算相邻两个像素的灰度差，由于需要将边缘的贡献进行增强，所以对差值进行了平方处理，基于brenne梯度函数的图像清晰度定义如下：
其中，i(x,y)表示图像i在像素(x,y)对应的灰度值。
tenengrad梯度函数作为清晰度的评价方法，使用sobel算子分别提取水平方向和竖直方向的梯度值，基于tenengrad梯度函数的图像清晰度定义如下：
其中，t表示预先设定的阈值，阈值t小于梯度值s，梯度值s用以调节评价函数的灵敏度，可以根据图像计算得到，
其中，i(x,y)表示图像i在像素(x,y)对应的灰度值。
使用以下sobel算子模板来检测边缘：
其中，ix和iy表示sobel算子在x方向和y方向上的差分阶数。
laplacian梯度函数与tenengrad基本一致，laplacian梯度函数使用laplacian算子作为边缘检测的方法，该算子定义如下：
smd(灰度方差)函数，也称为能量梯度函数，计算公式如下，
其中，n表示图像像素总数。
采用上述任一种梯度函数对若干所述目标重建图进行图像质量评价，得到图像质量的评价曲线图，所述评价曲线图的横坐标为景深距离，纵坐标为图像清晰度。选取所述评价曲线图中峰值点对应的所述目标重建图为所述最优目标重建图，实现对所述待测目标的成像。
值得说明的是，也可以采用上述多种的梯度函数作为评价函数分别对若干所述目标重建图进行图像质量评价，得到多个评价曲线图，多个评价曲线图得到的所述最优目标重建图的结果均一致。
进一步地，当采集不同景深距离与光谱信息的待测目标同时成像时，例如将绿色数字“2”与蓝色数字“5”放在同一光路中同时成像，即多个待测目标产生所述目标散斑图，scmos相机接收并采集所述目标散斑图后，将单帧散斑图在所述系统psf数据库中进行搜索并进行去卷积操作，可以逐步恢复多个不同待测目标的光谱信息和空间结构信息，最后将结果整合并显示，从而完成3d光谱维目标的同时成像。
请参见图6，图6是本发明实施例提供的一种基于散射介质的3d光谱成像系统及方法的仿真结果图，如图所示，所述待测目标，为具有不同颜色的数字，例如红色7，绿色9和蓝色8，将其分别放置在不同景深距离z1，z2和z3上，scoms相机采集得到目标散斑图，结合已经建立的所述系统psf数据库，按照本实施例的方法先对所述目标散斑图的光谱信息进行去卷积操作，再对其空间深度psf进行遍历去卷积得到若干目标重建图像，评价之后取峰值点对应的目标重建图为最优目标重建图，将恢复的最优目标重建图整合得到最终成像结果。
本实施例的基于散射介质的3d光谱成像方法，充分利用了散射介质的光学记忆效应和退相关特性，获取了待测目标散射后的空间三维结构信息与光谱信息，并使用去卷积方法减小不必要的运算过程，实现了透过散射介质的3d光谱成像。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！