透过散射薄膜成像方案整理
总的来说:问题比较复杂,不是工程层面的,还是科研层面的,需要摸索尝试解决问题。感觉而不是现有的成熟方案直接可以解决的。
这个问题关键是研究这个介质膜,这个介质膜是一个小块阵列,每个阵列分布和散射情况假设一致。完全类似毛玻璃,因为不同毛玻璃的散射程度不同。他们实际上都有一个最小的完全随机散射单元。
我觉得搞清楚这个膜的作用是什么,有没有可能换成一些替代品,这样可能更方便的恢复图像。
考虑可能方案:
方案一:利用不同角度照明下散射的光强分布差异
步骤如下:
- 利用激光束从不同角度投射到漫射屏同一位置,检测该位置物体,反射再散射返回的光强分布。
- 传感器记录下不同角度激光照射下所激发的光强度,看似随机的模式好像与检测物无相似之处。
- 得到多张不同角度散射的光强分布图,计算机搜索检测模式的相似处,计算出检测物真实形状。
- 恢复算法参考:Nature,2012,Non-invasive imaging through opaque scattering layers
方案二:类似曹辉光谱仪和吴多模实验(考虑局部随机散射,小区域内成像)
- 先在介质膜后放置一个均匀纯色背景图案。
- 压缩照明结构光,使得结构光大小约等于介质膜上一个随机散射单元。
- 不同结构光分别照射介质膜,得到反射之后的光强分布。
- 根据光强分布求单元散射介质的传出矩阵(隐含散射规律)。
- 添加物体后,通过传输矩阵可以计算恢复图像。
(这个咱们都比较熟悉,就不放参考文献了)
方案三:全局不完全随机散射
- 先在介质膜后放置一个均匀纯色背景图案。
- 大结构光照射介质膜大片区域反射回成像。
- 不同结构光分别照射介质膜,得到反射之后的光强图像分布。
- 因为是不完全随机散射,通过多次入射不同结构光和得到相应的图像分布。可拟合出经过介质膜对图像的传播的影响传递函数。建立映射关系的算法,可参考传统逆滤波算法和主流机器学习算法。
- 得到传递函数之后,就可以再放置物体后,还原物体图案。
方案四:利用时间反转原理随机介质成像
该方案我了解的很少,目前只是皮毛。对我来说可能还需要好好研究研究才行。
但是该方案确实可以解决类似问题。
参考文献:
- Hiding scattering layers for noninvasive imaging of hidden objects
- Deep tissue fluorescence imaging using time-reversed light
- 随机介质场景下的时间反转成像效果分析
方案五:单像素透过介质成像
下图是别人paper中的图,我认为有非常大的参考价值。
- 改成反射式。
- 结构光打到物体之前经过一次介质。这里是问题的关键,能把这次经过介质后的结构光的样子仍然提前记录下来,或者通过传递函数求出来。就实现了我们已知的结构光打到物体上。
- 再反射回来,再经过介质膜,这次经过介质膜对系统没有任何影响,反而更好,因为后面是单像素了,只需要获得一个强度和即可。
- 重复结构光照明,单像素算法即可恢复。
参考文献:Compressive imaging in scattering media