基于空分复用的多3D彩色物体快照压缩加密方法及装置

    公开(公告)号:CN116804842A

    公开(公告)日:2023-09-26

    申请号:CN202310602860.1

    申请日:2023-05-23

    申请人: 安徽大学

    IPC分类号: G03H1/08 G03H1/00

    摘要: 本发明提供了一种基于空分复用的多3D彩色物体快照压缩加密方法及装置。所述方法包括:基于三基色激光源生成物光束和参考光束,并基于所述物光束生成多个复合三色平行光束;将所述多个复合三色平行光束分别照射各3D彩色物体以及与所述各3D彩色物体相连的随机相位掩膜,分别计算各3D彩色物体在所对应的随机相位掩膜平面的光场分布;通过各随机相位掩膜分别对所述光场分布进行加密,并根据加密后的光场分布在探测器平面生成物光场;通过所述物光场与所述参考光束在探测器平面发生干涉,生成多3D彩色物体的加密彩色全息图。以此方式,可以大大降低不同加密物体解码时的相互串扰效应,大大减少物体信息的泄露,大大提高安全性。

    针对高维信号的相干快照压缩成像方法、存储介质及设备

    公开(公告)号:CN116437111A

    公开(公告)日:2023-07-14

    申请号:CN202310413209.X

    申请日:2023-04-12

    申请人: 安徽大学

    IPC分类号: H04N19/597 H04N19/186

    摘要: 本发明的一种针对高维信号的相干快照压缩成像方法、存储介质及设备,所述方法包括以下步骤,S1、针对相干光照明场景的空‑时光场传播,通过将空间光调制器生成的复合相位掩膜对空‑时光场进行调制;S2、在探测器平面叠加记录,实现能够由单次曝光得到的空‑时光场压缩调制产生的单幅全息图;S3、将全息图发送至接收端,利用现有的重构算法重建原始信号以实现相干快照压缩成像。本发明中将快照压缩感知引入相干光照明场景,在相干光照明场合下应用快照压缩感知理论,实现了以二维测量值捕获高维数据,提高了采集速度,降低了对物理传感器的要求,仿真结果表明,在针对自稀疏3D空‑时光场的重构时,本发明在各项指标上都取得了较好结果。

    一种基于FS-ORAP的大尺寸全息图快速生成方法

    公开(公告)号:CN115016237A

    公开(公告)日:2022-09-06

    申请号:CN202210452434.X

    申请日:2022-04-27

    申请人: 安徽大学

    IPC分类号: G03H1/08 G03H1/16 G06T7/10

    摘要: 本发明提供一种基于FS‑ORAP的大尺寸全息图快速生成方法,包括:将待处理大尺寸目标图像沿横向和纵向等分成若干份,得到若干个子目标图像;将每个子目标图像的振幅与事先生成的满支撑优化随机相位结合成复振幅;对所述复振幅依次进行带宽补偿和相位补偿操作,得到每个子目标图像在不同空间位置的复振幅;对每个子目标图像在不同空间位置的复振幅进行2DFFT运算,得到每个子目标图像的子子全息图;利用空间移位操作得到每个子目标图像的子全息图;将所有子全息图进行叠加,得到待处理大尺寸图像的完整全息图。本发明有效提高了数据处理速度,大大节省了大尺寸全息图的生成时间,同时保证了大尺寸全息图的生成质量。

    一种多维空-时光场压缩全息加密装置及方法

    公开(公告)号:CN113467210B

    公开(公告)日:2022-05-31

    申请号:CN202110692359.X

    申请日:2021-06-22

    申请人: 安徽大学

    IPC分类号: G03H1/00 G03H1/04

    摘要: 本发明公开了一种多维空‑时光场压缩全息加密装置及方法,属于信息安全技术领域,包括扩束光学组件、分束器组、多维空‑时光场、空间光调制器和探测器,扩束光学组件布置在激光束照射在原始物体上所产生反射光的路径上,经扩束光学组件扩束准直后的激光束的光路径上布置有第一分束器,第一分束器将激光束分为物光束和参考光束,物光束的路径上设有多维空‑时光场,与光场相距为Δz1的位置布置有空间光调制器,空间光调制器和光场之间布置有第二分束器,与空间光调制器相距为Δz2的位置布置有探测器;空间光调制器生成的时变复合掩膜由时变随机相位掩膜和时变透镜相位因子组成。本发明可有效的降低解密重建时不同帧之间的串扰影响。

    一种自然光照明的高速大场景相位恢复数据采集装置

    公开(公告)号:CN105700135B

    公开(公告)日:2018-03-20

    申请号:CN201610240397.0

    申请日:2016-04-14

    申请人: 安徽大学

    IPC分类号: G02B27/00 H04N5/225 G01B11/00

    摘要: 本发明提供一种自然光照明的高速大场景相位恢复数据采集装置,包括带通滤波器、偏振片、空间光调制器、LCD显示屏和CCD阵列;所述偏振片设置在带通滤波器的出射光路上,所述空间光调制器设置在偏振片的出射光路上,所述LCD显示屏设置在空间光调制器的出射光路上,所述CCD阵列设置在LCD显示屏的出射光路上。本发明可以避免传统相位恢复中采集强度图像所引入的机械移动,提高了数据采集速度;同时,可压缩传感思想的引入,使得本发明可以在少量数据采集的情况下,获得与传统相机同样的采集效果,整个装置能够满足高速大场景中相位恢复对数据采集的需求。

    无双约束的双域优化随机相位全息图生成方法及存储介质

    公开(公告)号:CN115713571A

    公开(公告)日:2023-02-24

    申请号:CN202211441107.0

    申请日:2022-11-17

    申请人: 安徽大学

    IPC分类号: G06T11/00 G06T7/11

    摘要: 本发明的一种无双约束的双域优化随机相位全息图生成方法及存储介质,其方法包括首先,可以在对偶域(空间域或傅里叶域)中生成优化的随机相位,可用于非迭代生成不同目标图像对应的全息图;其次,在空间域松弛图像支撑约束用于图像空间具有任意支撑目标图像的全息图生成;最后,对于不同窗口大小目标图像,引入裁块操作,裁取相应大小的DD‑ORAP用于快速生成CGH。本发明提出的TCF‑DD‑ORAP方法突破了原有ORAP方法在CGH生成方面面临的固定支撑和窗口尺寸的双重限制,大大节省了计算成本,提高了CGH生成方式的灵活性。本发明可以通过在对偶域中生成的单幅TCF‑DD‑ORAP,用于非迭代生成具有非固定支撑与窗口的目标物体的纯相位全息图,具有由一生全的高度灵活性。

    一种欠采样全息图压缩全息多尺度自聚焦重建方法及系统

    公开(公告)号:CN113448233B

    公开(公告)日:2022-08-09

    申请号:CN202110790766.4

    申请日:2021-07-13

    申请人: 安徽大学

    IPC分类号: G03H1/08 G03H1/04

    摘要: 本发明公开了一种欠采样全息图压缩全息多尺度自聚焦重建方法及系统,属于数字全息技术领域,包括对物体在光学结构中不同位置经光源照射产生的全息图分别进行下采样操作,得到不同位置的下采样全息图;基于CS算法,对所述不同位置的下采样全息图进行重建,得到不同位置的振幅图像;采用特征值自聚焦算法的评估方法,根据不同位置的振幅图像,估计焦平面位置;基于TwIST算法,对焦平面位置的下采样全息图进行重建。本发明为实现欠采样情况下的自聚焦提出了EIG‑AF‑CS自聚焦算法,并将其与无孪生像压缩重建相结合,在保证重建质量的同时,有效克服了传统压缩全息重建中孪生像干扰及欠缺自聚焦能力的问题。

    一种非迭代彩色相位全息图生成方法及系统

    公开(公告)号:CN113219806A

    公开(公告)日:2021-08-06

    申请号:CN202110533804.8

    申请日:2021-05-14

    申请人: 安徽大学

    IPC分类号: G03H1/08 G03H1/16

    摘要: 本发明公开了一种非迭代彩色相位全息图生成方法及系统,属于彩色全息显示技术领域,包括:基于重构平面与初始化随机相位,得到满支撑优化的随机相位,该重构平面为预先在空间域创建一个和SLM平面相同大小的满支撑单位振幅;将满支撑优化的随机相位与RGB三色通道的单色振幅结合,生成彩色相位全息图。本发明出的非迭代彩色相位全息图生成方案,不需要分通道分别进行G‑S的迭代,大大节省了计算时间。

    基于物理启发的轻量级深度学习压缩成像方法及装置

    公开(公告)号:CN117853336A

    公开(公告)日:2024-04-09

    申请号:CN202311867153.1

    申请日:2023-12-28

    申请人: 安徽大学

    摘要: 本发明涉及一种基于物理启发的轻量级深度学习压缩成像方法及装置。该方法包括以下步骤:构建压缩全息感知模型;利用压缩全息感知模型获取低维衍射强度,利用计算超分重建方法构建计算成像框架,利用计算成像框架从所述低维衍射强度中恢复复值振幅;分别构建基于LIST层的轻量化计算成像框架与距离生成网络;利用轻量化计算成像框架和所述距离生成网络,确定轻量级深度学习压缩全息成像模型;利用轻量级深度学习压缩全息成像模型,进行压缩全息成像。本发明的方法耗费更少的时间,尤其是在低维衍射强度条件时同时实现更高质量的复振幅重建和更精准的重建距离估计。

    一种基于自监督深度学习的三维压缩成像方法及装置

    公开(公告)号:CN116704121A

    公开(公告)日:2023-09-05

    申请号:CN202310562314.X

    申请日:2023-05-16

    申请人: 安徽大学

    摘要: 本发明涉及一种基于自监督深度学习的三维压缩成像方法及装置。该方法包括:采用基于编码测量的压缩成像方法对三维物体进行成像;构建自监督深度学习网络模型,利用自监督深度学习网络模型对三维物体的成像结果进行优化和重建。和监督式学习相比,本发明不仅不需要大量的标注数据,降低了数据要求和人力成本,还无需获取三维图像的真实值,可以从数据本身中学习有用的表征,提高了算法的适应性和泛化性;而且还可以在数据量不足时进行有效学习,具有较好的可扩展性。本发明解决了传统三维成像分辨率不够高,数据处理速度慢,对复杂场景的处理能力弱,成像成本高等问题。