使用相干平均法通过随机介质成像

最近与UNIST相关的一项研究引入了一种恢复被雾扭曲的图像的有效方法。根据研究小组的说法，他们的方法还可以通过利用随机波动通过活组织进行衍射极限图像重建来提供突破。

发表在Laser & Photonics Reviews上，这一突破由UNIST生物医学工程系的Jung-Hoon Park教授领导。

在这项研究中，研究小组展示了一种使用随机失真图像进行相位检索的新方法，该方法仅通过利用以前从未实现的移位和添加方法恢复的傅里叶相位信息。

与以前的迭代阶段检索方法不同，迭代阶段检索需要事先对对象进行假设，例如非负性和对象扩展区域的约束，新方法速度快，几乎没有多余的计算负载，也不需要预先假设的约束或初始猜测。作为一种技术，它也引起了人们的关注，该技术将为自动驾驶汽车获取高质量图像或生物组织内的高分辨率图像。

日常生活中的各种现象可能会被各种因素所掩盖，例如雾霾，雾和风。观看距离的减少对行为造成了限制，尤其是作为驾驶的风险因素。因此，无论天气如何，都必须克服图像失真才能实现安全的自动驾驶。

校正图像失真的自适应光学(AO)已经在天文空间领域使用。它校正了被大气扭曲的星光，以清楚地观察宇宙。然而，这项技术需要昂贵的专业设备，如波前测量设备和波前控制器，因此很难用它来克服日常生活中的图像失真。

在这项研究中，研究小组展示了一种新的相位检索方法，用于通过随机介质成像。虽然通过随机失真恢复傅里叶振幅的方法已经建立，但傅里叶相位的恢复一直是一个比较困难的问题，仍然是一个非常活跃和重要的研究领域。

已经表明，通过简单地集成平均偏移校正图像，可以准确地检索被随机失真遮挡的物体的傅里叶相位，直至衍射极限。根据研究团队的说法，该方法简单，快速，没有任何优化参数，并且不需要对样品的先验知识或假设。

此外，通过大气湍流实现所有计算衍射极限成像以及通过多种散射介质成像，证明了该方法的可行性和鲁棒性。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！