乘性散斑噪声理论及其仿真实例分析

▒▒本文目录▒▒

  • 一、散斑复振幅的形成理论
  • 二、乘性散斑噪声理论分析与仿真模拟
  • 三、散斑噪声的抑制
  • 参考文献

一、散斑复振幅的形成理论

当激光照射表面粗糙(与光波波长相比)的物体时,物面就会散射无数相干子波,这些散射子波在物体周围空间相互干涉。若散射子波的相位差满足相长干涉条件,则散射子波在物体周围空间形成亮点;若相位差满足相消干涉条件,则形成暗点。由于散射子波的相位随机分布,因此这些散射子波在物体周围空间就形成了无数随机分布的亮点和暗点,这种随机分布的亮点和暗点就称为散斑(Speckle)。因此,散斑是指表面粗糙物体在相干光照射下而在物体周围空间所形成的具有颗粒结构的大量随机分布的亮点和暗点。

来自表面粗糙物体的散射子波的振幅和相位都是随机变量。与散射子波的波长相比,散射物体的表面都显得非常粗糙,因此可以合理假设散射子波满足条件:①每一散射子波的振幅和相位相互统计独立,并且同所有其他散射子波的振幅和相位相互统计独立;②每一散射子波的相位均匀分布于-π~π。

乘性散斑噪声理论及其仿真实例分析_第1张图片

图1 散斑形成[1]

设有N个完全偏振散射子波,如图1所示,则观察点散斑复振幅可表示为:

A = 1 N ∑ k = 1 N a k exp ⁡ ( i φ k ) A=\frac{1}{\sqrt{N}}\sum\limits_{k=1}^{N}{{{a}_{k}}\exp \left( i{{\varphi }_{k}} \right)} A=N 1k=1Nakexp(iφk)

式中, a k {{a}_{k}} ak φ k {{\varphi }_{k}} φk分别为第k个散射子波的振幅和相位。每一散射子波的振幅和相位相互统计独立,即 a k {{a}_{k}} ak φ k {{\varphi }_{k}} φk是相互独立,互不影响。此外,每一散射子波的相位均匀分布于-π~π,即 φ k ⊂ [ − π , π ] {{\varphi }_{k}}\subset [-\pi ,\pi ] φk[π,π]

二、乘性散斑噪声理论分析与仿真模拟

噪声是影响激光相干场成像像质的重要因素之一,噪声来源主要有:与激光回波信号相关的乘性散斑噪声,与激光回波信号无关的加性背景噪声探测器噪声等[2]。

乘性散斑噪声可用下式来表示:

I ( x 0 , y 0 ) = O ( x 0 , y 0 ) A ( x 0 , y 0 ) = o i exp ⁡ ( i φ i ) ⋅ a k exp ⁡ ( i φ k ) I({{x}_{0}},{{y}_{0}})=O({{x}_{0}},{{y}_{0}})A({{x}_{0}},{{y}_{0}})={{o}_{i}}\exp \left( i{{\varphi }_{i}} \right)\centerdot {{a}_{k}}\exp \left( i{{\varphi }_{k}} \right) I(x0,y0)=O(x0,y0)A(x0,y0)=oiexp(iφi)akexp(iφk)

其中, O ( x 0 , y 0 ) O({{x}_{0}},{{y}_{0}}) O(x0,y0)为理想物光场复振幅, A ( x 0 , y 0 ) A({{x}_{0}},{{y}_{0}}) A(x0,y0)为散斑噪声复振幅。 o i {{o}_{i}} oi φ i {{\varphi }_{i}} φi分别表示物光场的振幅与相位。 a k {{a}_{k}} ak φ k {{\varphi }_{k}} φk分别为散斑噪声的振幅和相位。

根据上述公式,可对乘性噪声进行仿真模拟,如图2所示。为了进行对比说明,本文还同时给出了加性散斑噪声的模拟,也如下图所示。源程序链接如下:乘性散斑噪声理论及其仿真实例分析-Matlab源代码 | 点击即可跳转

乘性散斑噪声理论及其仿真实例分析_第2张图片

图2 乘性散斑噪声模拟

三、散斑噪声的抑制

目前抑制激光散斑噪声的方法主要有[2]:

第一类基于信号处理的散斑噪声分析去噪方法,包括自适应滤波算法、统计滤波方法、光谱分解去噪方法、边缘检测去噪方法、灰度分布散斑噪声定位分析方法、散斑噪声对波前校正像质影响分析、稳健性主成分分析方法消除散斑噪声、多角度采样平均法和同态滤波方法。

第二类基于去相干原理的散斑噪声抑制方法,该方法采用旋转毛玻璃,从减小激光束相干性角度,抑制散斑噪声。综上所述,第一类基于信号处理的散斑去噪方法较多且各有特色,主要从图像信号输出端被动抑制散斑噪声;第二类物理去相干主动抑制散斑方法,主要从散斑噪声产生的前端,主动抑制散斑噪声。另一类背景光加性噪声抑制主要有空域滤波法和稀疏变换域去噪方法,空域滤波利用信号空域统计特性去噪,具有简单、算法复杂度低的特点;稀疏变换域去噪主要包括,稀疏变分法、噪声水平估计法、图像块分组稀疏编码法和字典学习稀疏去噪法,稀疏去噪方法主要利用信号与噪声稀疏分解的不同特性进行去噪。

参考文献

[1] 王开福, 高明慧. 散斑计量 [M]. 北京理工大学出版社: 散斑计量, 2010.
[2] 程志远, 李治国, 折文集, et al. 激光相干场成像散斑噪声复合去噪方法 [J]. 物理学报, 2019, 68(05): 154-60.

⭐️◎⭐️◎⭐️◎⭐️ · · · **博 主 简 介** · · · ⭐️◎⭐️◎⭐️◎⭐️

▁▂▃▅▆▇ 博士研究生生 ,研究方向主要涉及定量相位成像领域,具体包括干涉相位成像技术(如**全息干涉☑**、散斑干涉☑等)、非干涉法相位成像技术(如波前传感技术☑相位恢复技术☑)、此外,还对各种相位解包裹算法☑相干噪声去除算法☑等开展过深入的研究。

你可能感兴趣的:(#,1.2,数字散斑干涉,#,1.4,滤波算法,散斑噪声,散斑干涉,乘性散斑噪声,相干噪声抑制)