一、处理算法提高了光谱成像质量（论文文献综述）
陶陈凝[1]（2021）在《基于压缩感知的光谱成像系统和重构算法研究》文中指出光谱成像技术结合成像技术和光谱技术,同时获取具有目标物体空间和光谱信息的三维数据立方体。从图像的光谱数据立方体中可以获取每个空间像素的光谱曲线,也可以获得每个光谱通道的强度图像。基于光谱图像所提供的丰富信息,光谱成像技术在遥感、农业、生物、医学和军事等领域均具有重要的应用价值。区别于传统的采用空间或光谱扫描的光谱成像技术,基于压缩感知理论的光谱成像技术通过压缩采样、计算重构的方式实现了非扫描的高效率光谱成像。压缩光谱成像的技术关键在于压缩采样成像和压缩感知重构两个过程,其中压缩采样成像需要通过光学系统对目标物体的三维数据立方体进行空间和光谱维度的编码与混叠,而压缩感知重构则从成像结果中复原出光谱图像,采样和重构的过程共同决定了压缩光谱成像的采样效率和成像质量。本文围绕编码孔径压缩光谱成像和单像素压缩光谱成像这两种压缩光谱成像技术,结合压缩感知中的相干性理论,从光学系统和压缩重构算法两个方面开展研究。首先,本文提出了基于编码孔径快照式光谱仪（CASSI）和RGB联合成像的系统,及用于联合成像测量结果重构的前融合和后融合算法。CASSI和RGB联合成像的系统充分结合了 CASSI系统的在光谱维度高保真度的优势以及RGB成像的在空间维度高准确度的特点,相比于单独成像获取了更多有效信息。前融合算法通过合并联合成像系统的系统矩阵提升了压缩感知重构的效率,而后融合算法借助引导滤波提升了成像的光谱与空间分辨能力。然后,本文基于压缩感知理论中的相干性最小化原则,提出了使用RGB成像元件的双色散型结构的CASSI系统具有最低的相干性,引入Frobenius范数形式的感知相干性作为优化目标,通过遗传算法和梯度下降算法分别实现编码孔径和稀疏表示字典的优化。经过优化的RGB成像双色散型结构的CASSI系统具有非常高的压缩感知采样效率和光谱成像质量。并且,本文提出了基于颜色传感器的无透镜压缩单像素光谱成像系统,及基于相干性最小化的结构照明空间图案与稀疏表示字典的同时优化算法。在该系统中,分别使用结构照明和颜色传感器完成空间调制和光谱调制,实现了无透镜、低成本、高稳定性的光谱成像;而优化算法实现了结构照明图案与稀疏表示字典的相互适应,以充分利用光谱图像在光谱与空间维度的稀疏特性,提升重构光谱图像的质量。最后,分析了目前压缩光谱成像技术的不足,并展望了其发展前景,对未来压缩光谱成像技术的进一步研究工作提供了方向。
刘少聪[2]（2021）在《基于探测光场时空调制的超分辨显微方法与技术的研究》文中指出在显微成像领域中,电子显微镜受到了广泛的应用,主要原因在于其能够达到几个纳米甚至亚纳米的超高成像分辨率。但是电子显微镜也存在局限性,即对于成像条件的要求非常苛刻,其真空的成像环境决定了电子显微镜无法对生物活细胞进行长时程的观察。相比于电子显微镜,远场荧光光学显微镜是对生物活细胞成像更为合适的选择。远场光学显微镜能够实现对活细胞的无侵入性伤害成像和深度成像,而荧光显微成像中染料的使用也决定了其能够对活细胞进行特异性多参量成像,因此远场荧光光学显微镜是现代生物医学研究的重要工具。远场荧光光学显微镜同样也存在其自身的局限性,由于光学衍射极限的存在,远场光学显微成像分辨率在原理上被限制在半个激发光波长尺度左右,因此无法满足对生物细胞中更小分子成像的需求。为了实现荧光光学显微成像分辨率的提升以满足对分子结构物质的超分辨成像要求,众多超分辨成像技术在近几十年来被陆续提出,其中基于点扫描的超分辨显微技术应用较为广泛。点扫描技术采用聚焦光斑激发样品,聚焦光斑在样品面上扫描实现扫描成像,再利用点激发的样品面与探测面针孔的共轭关系,实现分辨率的提升。然而目前基于点扫描的超分辨荧光显微成像技术在应用上依然存在一定的缺陷,最核心的问题在于成像分辨率依然有限,还包括分辨率与信噪比的相互制约关系、样品的普适性、信息参量单一、成像速度慢等问题。本文围绕对探测光场的时空调制,以并行探测技术和受激辐射损耗（STED）技术作为出发点,旨在实现成像分辨率的提升,简化超分辨成像系统,同时利用荧光信息的多参量特质,获得荧光的时间信息,从另一个维度实现超分辨成像系统的升级。主要的工作和创新点如下:1、提出了基于并行探测空间调制的超分辨显微成像技术,对成像扫描显微成像技术进行深入的理论研究,利用并行探测实现对探测路的光场空间调制,结合像素重组算法和荧光差分技术,同时利用荧光饱和非线性获得成像的高频信息,实现分辨率接近2倍的提升。另一方面,仅使用单路光束即可实现荧光差分成像,优化荧光差分成像系统。2、提出了一种基于并行探测实现快速寿命成像的方法,利用探测器阵列和时间相关单光子计数器（TCSPC）阵列对荧光光子进行接收和计数,获取时间信息,利用阵列探测缓解了探测器和TCSPC的光子探测堆积效应,将寿命成像速度至少提高了 3倍,同时将像素重组技术与寿命成像技术相结合,提升了寿命成像的成像分辨率;将分光谱技术与并行探测技术相结合可以将成像速度进一步的提升一个量级。3、搭建了一套基于自适应光学的STED超分辨成像系统,利用空间光调制器（SLM）对损耗光路进行光学像差矫正,同时利用可变形镜对荧光光路进行光学像差矫正,实现了对探测光场的空间调制,进而实现了 STED成像质量的提升,为STED系统对生物样品进行深度成像提供了可能。4、在STED成像系统中,利用两个门控和延时电路即可获得荧光的寿命信息,实现时间调制;利用荧光寿命信息实现时间门控STED（time-gated STED）成像,提高STED成像的分辨率;同时提出了一种基于门探测的寿命光子重组STED成像技术,降低了 STED技术对损耗光功率的要求,缓解了 STED成像中光漂白对样品的影响。
于昌本[3]（2021）在《快照式微透镜阵列显微高光谱成像系统关键技术研究》文中指出随着生物医学领域中荧光蛋白、量子点、有机荧光团等外源生物传感器标记物的不断开发,通过标记物引入的光谱信息为活体细胞时序生化反应增加更多观测维度,在分子遗传学、免疫学、分子生物学等方向的研究中起到不可或缺的作用。为了实现活体细胞非单点观测,将光学成像与光谱分析相融合的高光谱成像技术应用于显微领域,通过空间扫描或波长扫描的方式获取包含观测目标图像信息和光谱信息的数据立方体。然而以扫描的方式实现对目标全视场光谱信息采集,无法满足较高时效性的运动细胞光谱时序采集的需求。快照式高光谱成像仪通过探测器一次成像即可获得目标的所有空间光谱信息,积分视场型高光谱成像仪作为快照式高光谱成像仪中的一种,通过引入“积分视场单元”,将二维图像信息分割并重新排列后被高光谱成像仪色散,可同时获取观测目标的二维图像信息与一维光谱信息,实现非扫描式的高光谱成像数据获取。积分视场型快照式高光谱成像仪具有谱图重构效率高、工作波长宽、光谱分辨率高等优点,目前已广泛地应用于天文学与遥感领域,并不断向其他领域扩展应用,是实现运动细胞光谱时序采集的有效技术手段。鉴于此,本文对以器件成熟、结构简单的微透镜阵列作为积分视场单元的快照式显微高光谱系统开展了深入地研究,目标是研制可实现运动细胞光谱时序观测的快照式微透镜阵列显微高光谱成像系统,针对该系统的设计、加工、装调、谱图重构以及定标过程中的一系列科学问题开展研究,突破了快照式微透镜阵列显微高光谱成像系统研制过程中的关键技术。本文主要研究内容有:1.光学结构设计。本文提出了一种近似直视光路结构的快照式微透镜阵列显微高光谱成像系统结构,首先通过几何光学原理分析了光谱条带间干扰产生的机理,并基于此对系统显微成像单元与面色散型高光谱成像单元进行了光学结构设计。设计完成后,对系统进行了公差分析,制定了各元件的加工误差和系统的装调误差,保证光学系统的工程可行性;2.三维谱图重构算法研究。针对光谱条带阵列在探测器表面彼此交错、数据提取难度较大的问题,提出了一种基于光学追迹的精准谱图重构模型,推导了棱镜与光栅的空间色散方程,建立了微透镜阵列的面色散光谱分布与其成像位置的对应关系算法模型,解决了光谱条带阵列在探测器表面彼此交错、数据提取难度较大的问题,通过与光学设计软件仿真结果进行对比误差优于1/3像元,证明了本文所提出的三维谱图重构算法的准确性与可靠性;3.系统装调技术研究。为实现快照式微透镜阵列显微高光谱成像系统工程可实现性的需求,在整个系统设计过程中,采用模块化设计思想。其中,独立模块包括显微成像单元中套筒透镜、面色散型高光谱成像单元中准直镜组与成像镜组、棱镜-光栅组合分光元件,各组件可独立装调和检测;同时通过波罗板辅助CCD探测器调焦的方法,保证了面色散型高光谱成像单元CCD探测器焦面的装调准确度。在各部分完成独立装调后,对系统整机进行联调,保证仪器性能达到预期的设计效果;4.系统定标及测试技术研究。提出了一种通过自适应阈值选取与多光斑阵列位置精确计算的自动化在线定标算法,研究快照式微透镜阵列显微高光谱成像系统在线光谱定标算法及定标软件,设计并搭建了系统所需的在线光谱定标与辐射定标系统,通过将汞灯在线定标结果带入三维光谱图像重构算法模型,实现系统三维光谱定标,并对已定标仪器的光谱分辨率进行了测试,最终完成了仪器全工作波段的三维光谱定标与辐射定标,定标精度优于0.2nm。此外,本文还针对仪器开发了三维光谱数据播放软件,对快照式微透镜阵列显微高光谱成像系统的性能指标与功能进行了测试,验证了仪器获取快照式显微高光谱数据的能力。
王哲理[4]（2021）在《基于高光谱成像技术的玉米种子品质检测研究》文中研究指明种子是农业的核心,也是农业科技进步的重要载体。种子质量是决定农作物收成的关键,也是一个企业和国家的核心竞争力,与一般商品质量相比,其影响更长久,更深远,更广泛。玉米主要分布在我国东北、华北以及西南地区,与传统的小麦、水稻等粮食作物相比,玉米的抗逆性能较佳,是保证粮食产量的高产作物,也是重要的饲料来源和化工原料。提高单粒玉米种子质量不仅有利于农民的增收,提高乡村经济的发展,也有利于保障种子储藏和运输安全,降低经济损失。随着单粒播种技术的成熟与应用,对种子品质也提出了更高的要求。但是,目前的检测方法在检测单粒玉米种子品质时,会对种子造成损伤且抽检效率较低,而市场上常见的检测设备又无法进行单粒检测并且精度较低。因此,研究单粒玉米种子品质无损检测技术有利于农业、商业和种植业的发展。本研究以单粒玉米种子为研究对象,采用高光谱成像技术,研究单粒玉米种子含水率检测和成熟度识别的方法。主要研究内容如下:研究了光谱范围为930-2548 nm的高光谱成像技术对单粒玉米种子含水率的检测方法。提取胚芽侧（S1）与胚乳侧（S2）全表面光谱,再根据所提取的单侧全表面平均光谱求得玉米种子两侧融合光谱（S3）。通过蒙特卡洛交叉验证法对奇异样本进行剔除。分别对三类光谱进行不同预处理分析,结果表明,SG-1Der、SG-SNV和SG-MSC预处理方法分别适S1、S2以及S3。为了降低模型的复杂性,提高模型的准确性,利用UVE结合SPA筛选特征波长,再利用PLSR和LS-SVM算法建立回归模型。结果表明,基于S3构建的光谱模型性能要优于其余两类光谱模型,最优的预测模型为UVE-SPA-PLS和UVE-SPA-LS-SVM,其预测集的Rp分别为0.92和0.94,RMSEP分别为1.22%和1.20%,RPD分别为2.61和2.65。基于S1光谱建立的UVE-SPA-LSSVM模型具有最强的适用性,该模型既可以利用S1光谱也可以利用S2光谱进行含水率预测,其预测集的Rp分别为0.91和0.76,RMSEP分别为1.38%和2.98%。研究了光谱范围为1000-2300 nm的高光谱成像技术对单粒玉米种子成熟度的快速无损检测方法。为了探究不同成像位置的平均光谱对成熟度检测的影响,分别采集胚乳侧（T1）和胚芽侧（T2）高光谱图像,运用1098 nm的波段图像对高光谱图像进行掩膜处理,并提取全表面平均光谱,然后计算其两侧融合光谱（T3）。对三类光谱进行不同预处理,利用PCA筛选其特征波段,再基于PLS-DA和DT建立分类模型。为了降低校正集与预测集划分对分类精度的影响,分别进行50次独立试验,其平均分类准确率用于衡量模型的性能。结果表明,基于SG-1Der预处理的T2光谱提取的12个特征波段所建立的PLS-DA分类模型（T2-SG-1Der-PLS-DA）的分类效果最好,具有最强的鲁棒性和适用性,该模型既可以用于T1光谱也可以用于T2光谱,其平均分类精度分别为98.7%和100%,误差分别为1.40%和0%。综上所述,本文利用高光谱成像技术对单粒玉米种子品质进行无损检测研究,为我国研发快速、无损种子质量分级设备奠定了基础。
丁国绅[5]（2021）在《基于高光谱图像的多视图三维重构研究》文中进行了进一步梳理构建地物目标三维模型是地物目标特性表征及遥感成像仿真研究的基础,在这些研究中不仅要求构建高精度的三维几何模型,还要求所构建的三维模型具有高精度的光学特性。现有的方法是:分别利用三维几何建模设备与光谱测量设备获取目标的三维几何模型与目标材质的光谱特性,然后通过目标材质分类将测量的材质光谱与三维几何模型关联,实现目标三维几何与光谱特性的高精度建模。本文立足高光谱成像技术与三维成像技术的交叉领域,提出了一种基于成像光谱测量的目标三维模型重构方法,实现了目标三维模型的几何、光谱精细建模。论文主要研究工作可分为以下几点:提出了基于最优波段组合的单目视觉多角度重构的方式作为基准技术路线。为了减少数据冗余提高算法效率,摒弃了逐波段重建的方式而是利用FMFOA算法从所有波段中选出最优波段组合作为图像尺度空间的输入,并在后续研究中将影响模型精度的三维点云配准操作降为二维空间中的图像匹配操作。提出二分波动果蝇优化算法选择高光谱图像最优波段组合。虽然高光谱图像谱段众多包含丰富的光谱信息,能够表征地物目标的理化性质,但在三维建模阶段波段数多反而会造成数据冗余影响建模效率,因此采用最优波段组合重构图像尺度空间。传统FOA算法在解决复杂优化问题时会出现早熟现象,故对传统FOA算法的收敛方式进行了改进,提出了二分波动模型的改进果蝇优化算法并在基准函数数据集和基准高光谱图像数据集上进行了性能验证,并完成了自建高光谱图像数据的波段选择工作。提出了基于光谱空间的F-SIFT特征提取算法。传统SIFT算法的图像尺度空间是由初始图像经过不断地高斯模糊和降采样操作得到的,虽然获得了图像空间但多数数据都不是完全真实的因此算法提取到的特征点数量较少。本文利用高光谱各波段图像在尺度、位置、目标对象等参量都一致的特性重新建造图像金字塔,将最优波段组合的图像作为金字塔的底层输入通过不断降采样搭建图像金字塔,由于在金字塔的构造过程中摒弃了高斯模糊的操作,所得的每一层图像都表征了该尺度下图像的真实信息,因而使得图像特征点的数量大幅增加。经过实验发现虽然重构图像金字塔增加了特征点数量,但增加的规模较大降低了算法的执行效率,因此提出了 FAST八邻域准则对金字塔中每层图像的每个象元都进行了判定,如果该象元成为特征点的概率低于阈值则将该象元剔除候选特征点集合。提出了双重位置约束准则。在完成图像的特征点提取之后,常用的特征点匹配方法是最近邻与次近邻之比,但通过实验发现这种方法的匹配结果受比值的影响非常大,且在比值较大时误匹率随之增加。为此将整个匹配过程分为两步:第一步采用最近邻与次近邻之比进行特征点的粗匹配,为了使最终结果能够尽可能多地包含正确匹配对将比值阈值设置为1.0以上,并在匹配过程中记录每对匹配对的相似性程度;第二步是通过双重位置约束完成误匹配的剔除,对上一步中得到的匹配结果按照相似性程度进行排序,由于匹配过程中会因阈值的设定而存在误差,因此从相似性程度最高的20组匹配对中随机选择4组匹配对作为基准匹配对,根据待选匹配对的特征点与基准匹配对的相对位置关系对该匹配对进行判定,如果实际计算位置与理论位置之差在阈值范围内则认为该匹配对是正确匹配对,否则将该匹配对从候选匹配对中剔除。在获取三维模型进行光谱映射的阶段,根据所选择的特征点是属于原始特征点集合还是衍生特征点集合选用不同的映射方式,设计了两类光谱映射模型:对于原始特征点,首先通过回溯的方式找到该特征点对应的出射图像上的坐标,然后按照迭代位置优化准则的方式计算出该特征点在下一帧图像上的位置;衍生特征点的光谱映射过程分为三步,点云属性分类、最优平面估计和降维坐标计算,在空间投影几何与进化算法优化理论的辅助下完成了光谱映射模型的构建。
孟子艺[6]（2021）在《快照压缩成像系统与深度学习重构方法研究》文中认为多维成像是一种能够感知和测量超越空间二维空间图像的多维度信息的图像采集技术。三维空间、一维时间以及光谱、相位和偏振等光波物理量维度蕴含着人眼无法完全感知的海量信息,这些信息不仅在遥感、医疗和食品安全等领域有着广泛应用,还在计算机视觉和模式识别领域中扮演重要角色,这使得多维成像技术成为实现未来万物互联的智能化社会的关键技术。受到传统成像原理与传感器硬件限制,多维成像系统通常采用多相机或机械扫描的采集方式,存在速度慢、系统复杂度与成本高等问题。得益于计算成像与压缩感知理论的发展,基于硬件编码软件解码的快照压缩成像（Snapshot Compressive Imaging,SCI）技术被提出,仅采集二维观测获取场景多维信息,极大地提高了采集速度,降低了系统复杂度。然而,对于作为SCI系统关键部分的图像重构任务,传统优化算法存在重构速度慢和重构质量差的问题,严重限制了 SCI技术的应用。为克服以上问题与挑战,本论文以压缩感知与深度学习为基础,在SCI系统应用与高速、高质量图像重构方法两个方面进行了深入研究,具体研究内容与创新成果如下:1.提出了快照压缩多光谱显微内窥成像系统,将光纤束成像、SCI系统和深度学习算法相结合,实现以视频帧率采集和重构具有细胞级分辨率、包含24个光谱频带的多光谱内窥图像,有利于形成可实用化的快速、低成本医疗内窥诊断工具。此外,搭建了基于单色散的快照压缩光谱成像和基于数字微镜的压缩时间成像系统,前者可采集450-650 nm范围内28个光谱频带图像,后者可实现使用低成本相机以10-30倍帧率采集动态场景,为算法研究提供可靠数据集。2.围绕深度学习图像重构,论文在网络设计、可解释性、灵活性和泛化性等方面进行了创新性研究,提出了多种基于深度学习的SCI图像重构方法,相比于现有的重构方法,在重构质量和速度上分别可达到国际先进水平。1)为解决传统优化算法在SCI系统图像重构上速度慢、效果差的问题,提出了三种端到端神经网络结构。在光谱成像重构上,首先提出了多维自注意力机制,在二维空间和一维光谱上分别建立注意力映射学习光谱图像特有的空间和光谱的相关性,解决了原始基于像素的自注意力机制计算冗余度高的问题。其次,运用循环瓶颈层和多尺度残差卷积增强特征提取和特征通道关系模拟能力。在时间成像上,提出了基于残差网络的深度神经网络结构,提高网络收敛能力。所提出的端到端的神经网络对实验数据可实现百毫秒量级的重构,从而可构建端到端实时采集和重构的闭环系统,促进SCI系统的产业化应用。2)为解决端到端神经网络可解释性差、灵活度低的问题,通过结合优化算法与深度学习,提出了深度展开式神经网络架构,将多个卷积神经网络集成到一个展开的优化迭代过程中,形成级联网络,并进行端到端训练。该方法可通用于在快照压缩光谱和时间成像系统中,并对调制码型不敏感,灵活性高,在图像重构质量与速度上均达到国际先进水平。3)为解决监督学习因数据集短缺造成的泛化性差的问题,针对光谱成像,提出了一种自监督神经网络框架,通过非训练神经网络直接从压缩观测中学习光谱图像的先验特征,并与即插即用式算法框架相结合,实现无需训练数据的高质量光谱图像重构。该方法在缺少多维图像数据集的SCI应用中具有潜在优势。
理喜盼[7]（2021）在《光声断层成像的多约束迭代重建方法研究》文中研究指明光声断层成像（Photoacoustic Tomography,PAT）是一种新型的混合成像模式,它结合了光学成像和声学成像的优点,同时具有超声的高分辨率和光的高对比度,被用于活体无创结构、功能和分子成像。造成PAT图像质量低的主要原因是,一方面,光在经过组织的前向传播过程中发生非线性衰减,导致组织深部信号减弱;另一方面,在声学反演过程中,由于对声波传播和检测的理想描述,使得模型预测的声信号和真实值之间存在误差,导致重建图像受条形伪影干扰,因此,为了提高待重建PAT图像的质量,通常需要在重建过程中引入适当的约束或先验知识,本论文围绕PAT图像质量提升方法,多光谱PAT成像新方法以及对新方法的改进开展了以下三个方面的工作:（1）基于稀疏编码与非局部均值联合先验的光声断层成像方法。基于模型的光声断层图像重建是一种病态逆问题,重建图像的质量受有限的探测角度、不完善的成像模型、噪声等因素的影响。为了解决该病态逆问题,本文提出一种新的双先验约束PAT成像模型,该模型结合了非局部均值和稀疏编码的优势,前者通过自相似性保持图像细节,后者通过稀疏性来增强图像。针对该成像模型,本文还提出了两步优化算法和迭代参数调试方法以确保得到精确解。通过与现有的正则化方法相比,本文提出的方法明显提高了待重建图像的信噪比和对比度。（2）基于交错稀疏采样的多光谱光声断层成像方法。为了解决多光谱PAT成像数据量很大而传统稀疏采样重建图像质量较差这一问题,本文提出一种新的基于扫描的交错稀疏采样多光谱PAT成像方法,该方法主要涉及两个方面:1)在波长切换期间旋转稀疏的探测器阵列,使得不同波长对应不同角度的光声信号采集,从而仅通过少量的探测器实现密集角度的信号覆盖;2)设计了相应的图像重建算法,以充分利用交错稀疏采样产生的先验图像来引导各单波长下的图像重建。实验结果表明,本文提出的方法在重建图像质量和光谱分离精度上可与传统密集采样方法的结果相媲美。（3）方向全变分约束的多光谱交错稀疏采样光声断层成像方法。现有的关于多光谱交错稀疏采集PAT的研究,采用基于非局部均值（Non-Local Mean,NLM）的方法引入先验图像的信息,该方法虽然可以得到高质量的重建图像,但是重建时需要在整个图像中寻找相似的块,因而计算量很大。为了提高重建效率,本文采用一种新的提取先验图像结构信息的方法——方向全变分（directional Total Variation,dTV）,并使用乘子交替法求解最优化问题。实验结果表明,使用dTV方法重建一幅图像的速度比使用NLM方法快至少一个数量级,并且图像的质量与NLM方法的结果相当。
胡传真[8]（2021）在《快速和高分辨拉曼成像技术及高通量光谱分析方法研究》文中研究指明拉曼光谱是一种无损、无标记、高灵敏的物质化学信息表征手段,而拉曼成像则是探知化学信息在物理空间分布状态的功能性成像技术。超光谱拉曼显微成像在细胞代谢、组织病理分析（例如肿瘤组织鉴定）等众多生命医学研究领域中扮演着重要的角色。本文通过对标准拉曼成像光学系统和成像方法进行改进,以实现更快、更高分辨率和更准确的拉曼光谱图像获取。本文围绕快速共聚焦点扫描拉曼成像、超分辨率超光谱拉曼成像以及大批量光谱数据快速分析方法等拉曼成像技术与光谱分析方法展开研究。本文的主要研究内容和成果如下:1.针对广泛使用的共聚焦激光扫描拉曼成像系统成像速度慢的问题,本文首次提出一种基于样品明场先验空间分布的快速先验拉曼压缩成像方法,用以提高超光谱拉曼成像速度。该快速拉曼成像方法的具体实现是:利用明场成像通道提供的样品空间分布先验信息,将有样品区域和无样品的空白玻片区域分别分割出来,然后对有样品区域进行压缩感知拉曼成像,并使用优化的压缩感知图像重建算法重建出超光谱拉曼图像,从而实现共聚焦激光扫描拉曼成像系统成像速度的提高。本文使用所提的快速先验拉曼压缩成像方法分别对一微米标准微球样品和裂殖酵母细胞生物样品进行拉曼成像,成像结果表明:与经典的共聚焦点扫描拉曼成像相比,这种快速先验拉曼压缩成像方式可以实现五倍到十倍成像速度的提升,并且成像质量高度接近点扫描成像结果。2.针对实现全二维物理空间超分辨超光谱拉曼成像的问题,本文首次提出一种扫描振镜调制虚拟结构光照明的共聚焦线扫描超分辨拉曼成像方法。该超分辨成像方案的具体实施是:首先是使用二维扫描振镜利用时间累积效应于单次采集曝光时间内,在样品面上生成任意照明角度的正弦强度分布虚拟结构线照明光;经过二维扫描振镜“去扫描”的拉曼散射光被一个独立的一维同步扫描振镜进行“重扫描”处理,进而将叠加任意照明方向结构光的“线”样品像耦合进狭缝拉曼光谱仪,从而实现对二维样品进行结构线照明拉曼光谱图像采集;最后,使用相应的结构光照明超分辨成像重建算法重建出分辨率显着提升的超分辨拉曼图像,例如Wiener-SIM或者TV-SIM方法。本文使用均一的标准聚苯乙烯材质塑料板测试结构照明光的质量,并且使用标准物理尺寸的纳米微球测试所设计超分辨拉曼成像方法的可靠性,初步取得一些成果:使用扫描振镜基于时间累计效应实际生成的虚拟结构照明光与理论模拟仿真结果保持高度一致;本文提出的结合振镜调制虚拟结构光照明的二维空间超分辨拉曼成像方案能够突破成像系统的光学衍射极限,实现分辨率理论1.6倍的提升。3.最后,本文研究了使用卷积神经网络来分析混合拉曼光谱独立组分含量的可行性,针对当前浓度预测卷积神经网络无法同时预测混合拉曼光谱中多个纯净组分含量的问题,本文首次提出一种优化设计的多输出混合光谱浓度预测卷积神经回归网络。该多组分含量预测卷积神经网络模型的实现过程是:根据已有的卷积神经网络浓度预测模型提出优化的多组分预测模型,首先使用预先测得的纯净物质拉曼光谱人工模拟生成混合拉曼光谱数据,并将其作为所提含量预测网络的训练集,设置合理的网络训练超参数,训练出高灵敏和高效的混合拉曼光谱亚组分含量预测模型。本文使用实验测得的混合物质的拉曼光谱来验证训练好的多输出混合光谱浓度预测卷积神经回归网络的预测精度和高效性,初步验证结果表明,基于卷积神经网络含量预测方法的预测结果与当前标准分析方法（非对称最小二乘拟合）的分析结果保持良好的一致性,同时在相同的测试条件下,所提方法比标准的非对称最小二乘拟合分析法快约45倍。因此,这种基于卷积神经网络的组分分析方法极其适用于大型拉曼数据集的量化分析,例如可用于批量分析在本文中生成的用于训练所提卷积神经网络的,包含一百万个独立混合拉曼光谱的模拟光谱数据集。
宋洪亚[9]（2021）在《图像的光谱编码获取与色彩重现若干问题研究》文中研究指明传统的成像和显示方法基于图像的颜色编码,将光谱维度的信息压缩至红、绿、蓝三个通道。这一方法简单实用,但却丢失了光谱中携带的大量信息。对于成像设备来说,由于传统的彩色成像方法获取的光谱信息量受限,不能实现精准的光谱和颜色探测;对于显示设备来说,传统的三基色颜色重现方式输出的光谱信息量同样受限,不能满足人眼对显示器色彩更丰富、更准确的追求。事实上,光谱不仅反映了物质的特性,更是颜色的“指纹”。若要实现光谱和颜色的精准获取和重现,必须提高成像与显示设备的光谱表现力,增加图像获取-处理-重现链路中光谱维度的信息量。近年来,计算机技术与先进加工技术不断发展,研究者们大力推进光谱成像技术与多基色显示技术,使得成像与显示设备的光谱表现力显着提高。然而现有的设备和方法仍然存在着一些不足,本文即针对这些问题展开研究。在图像的光谱编码获取方面,本文针对现有的光谱成像设备体积大、像质差、速度慢等问题,分别以压缩感知和深度学习两个理论模型为指导,设计搭建了基于宽光谱编码滤光片的紧凑型光谱成像系统,实现了厘米级的系统尺寸以及十万级的像素数。并通过硬件与软件的协同设计,实现了光谱图像质量和重建速度的提升,光谱重建均方误差（MSE）达到了 10-3量级。在光谱图像的色彩重现方面,本文针对现有的显示器仅能重现光谱反射率图像中的一小部分颜色这一问题,研究并提出了基于反射光谱色覆盖率的大色域显示器色域评价指标。给出了接近极限色域且具有高光效率的多基色激光显示设计方案。本论文的主要创新点包括:提出并实现了基于压缩感知的小型化光谱编码成像方法及系统。将经典的压缩感知重建算法简化改进,使其光谱重建精度提高了 7.5倍,速度提高了 12倍。提出并实现了基于深度学习的小型化光谱编码成像方法及系统。将滤光片的光谱编码过程对应为神经网络的全连接层,使用深度学习方法解决了随机滤光片的反向设计难题。其光谱重建精度是压缩感知算法的6倍,重建速度提高了 4 000至11 000倍。提出了基于均匀色空间（UCS）中反射光谱色覆盖率的显示器色域优化设计方法,并且以激光显示为例分析了显示器色域与光效率之间的制约关系,给出的设计方案达到了接近反射光谱色极限的色域,同时实现了色域与光效率之间较好的平衡。
李天骄[10]（2021）在《基于重聚焦光场图像的三维发光火焰温度场层析重建》文中进行了进一步梳理航空航天和能源动力等领域广泛存在着高温燃烧现象,其发生在如航空航天发动机、内燃机、电站锅炉、燃气轮机等高温设备中。对高温燃烧现象中的火焰燃烧状态进行理论和实验研究,将有助于优化燃烧系统的设计和高温设备运行状态监测。火焰温度是火焰燃烧状态参数中十分重要的一项,实时准确的获得火焰温度分布情况对燃烧过程的理解和燃烧理论的分析具有重要意义。但火焰燃烧过程不稳定,已有的火焰测量方法较难探测到火焰的瞬时内部温度场,因此火焰温度场在线监测的实时准确性仍需要探讨。为了实现这一目的,可以采用基于辐射成像法的非接触式火焰温度测量方法,从而实现对发光火焰的温度场大尺寸空间连续在线测量。光场相机作为一种基于辐射成像法的非接触式光学探测设备,具有仅通过单次拍摄即可记录待测对象的多角度光场信息的特点,从而简化测量系统的设计与调试工作。将光场相机这一特点应用于火焰测量是一种十分有发展和应用前景的温度场在线检测手段。本文根据蒙特卡洛方法,搭建分层及非均匀辐射物性分布火焰光场成像模型;针对火焰分层特点采用不同重建方法处理光场重聚焦图像,获取相应火焰分层位置的重建图像;预设均匀分布辐射物性,对温度场进行重建,与温度场输入值对比得到其相对误差,从而分析算法准确性;在辐射物性未知情况下,通过预估辐射物性分布的方法,分析重建温度的精度范围。主要完成工作如下:搭建光场相机成像模型,建立针对火焰光场图像的质量评价体系,对比不同辐射物性条件下的火焰光场图像;经过分层模拟不同衰减系数条件下的火焰光场图像,分析火焰发射光线能量的衰减对其光场成像的影响;针对复杂火焰结构,发展非均匀温度场和辐射物性场分布下的轴对称火焰光场成像模型,从而实现发光火焰光场辐射传输成像的完整模拟过程。将给定火焰温度场、辐射物性场等参数输入到上述火焰光场成像模型中,获取火焰光场原始图像和相应子孔径、重聚焦图像,为火焰温度场重建提供模型及数据基础。基于建立的火焰光场成像模型,搭建火焰温度场重建平台,设计火焰三维温度场重建流程。对重建平台进行模拟标定,构建利用不同发射温度黑体平面的图像灰度标定过程和光场相机点扩散函数参数标定方法。采用维纳滤波方法对不同火焰分层的重聚焦图像进行重建获得重建图像,利用灰度与实际光谱辐射力的对应关系式重建温度,进而计算得到相对误差的分布。应用搭建的基于光场成像的火焰温度场重建平台,进一步针对温度重建算法进行讨论,通过合理利用光场重聚焦图像所含光谱辐射信息,针对火焰分层特点采用不同温度层析重建方法重建温度场。引入最近邻域法、小波图像处理方法和解卷积算法,考察最近邻域法和解卷积算法在不同火焰分层的温度重建效果,结合二者在特定火焰分层温度重建效果的优势,提出最近邻域和解卷积联合算法。运用基于光场成像的火焰分层温度重建流程以及解卷积和最近邻域联合算法,分析火焰辐射物性的均匀、非均匀分布对温度重建精度的影响,以及火焰成像位置对温度重建精度的影响。均匀衰减系数分布被用于估计不同衰减系数情况下的火焰温度,从而考察温度重建误差范围;通过对介质的区域性划分,讨论非均匀分布的衰减系数对温度重建效果的影响;在火焰尺寸和光场相机有效像素区域不匹配的前提下,考察并评价光场相机针对不同火焰尺寸的适应能力。将计算流体力学仿真结果输入到火焰光场成像模型中,用于对乙烯层流扩散火焰的数值模拟和光场成像,并通过实验拍摄和热电偶测量不同工况下该火焰的光场图像,用于验证温度层析重建方法。实验并模拟烟黑颗粒浓度比乙烯火焰低一个数量级的二甲醚层流扩散火焰,对其进行光场图像和温度层析重建,考察燃烧区域内烟黑颗粒含量较少情况下的火焰光场成像结果和温度重建效果。从而实现为在线获取火焰温度场分布提供理论模型、求解思路和技术支撑。基于上述研究,本文构建了考虑非均匀温度场和辐射物性场的火焰光场成像仿真模型,实现了高温发光火焰的光场重聚焦成像过程的数值仿真,获得了火焰不同景深位置的成像特性差异;针对处理火焰边缘与中心温度时最近邻域和解卷积算法各自的局限性,提出了分层火焰特性的温度重建联合算法,实现了高效的三维发光火焰温度场在线重建;提出了辐射物性未知时发光火焰的光场层析温度重建策略,从实验和仿真两方面验证了重建策略的正确性,并将该策略应用于不同类型的同轴层流扩散火焰温度场重建。为火焰温度场的光场在线测量提供了仿真模型及数据基础,为发光火焰温度场的三维层析重建提供了求解思路和技术支撑。
二、处理算法提高了光谱成像质量（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、处理算法提高了光谱成像质量（论文提纲范文）
（1）基于压缩感知的光谱成像系统和重构算法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 光谱成像技术概述 |
| 1.1.1 光谱成像技术的分类 |
| 1.1.2 光谱成像技术的应用 |
| 1.2 压缩光谱成像技术概述 |
| 1.2.1 压缩光谱成像 |
| 1.2.2 编码孔径压缩光谱成像 |
| 1.2.3 单像素压缩光谱成像 |
| 1.3 本文主要研究工作 |
| 2 压缩感知理论及压缩光谱成像原理 |
| 2.1 压缩感知理论 |
| 2.1.1 传统的采样方法 |
| 2.1.2 压缩感知采样 |
| 2.1.3 信号的稀疏表示 |
| 2.1.4 压缩感知系统矩阵特性 |
| 2.1.5 压缩感知信号重构算法 |
| 2.2 编码孔径压缩光谱成像原理 |
| 2.2.1 单色散型编码孔径快照式光谱仪 |
| 2.2.2 双色散型编码孔径快照式光谱仪 |
| 2.3 单像素压缩光谱成像原理 |
| 2.4 压缩光谱成像中的关键元件 |
| 2.4.1 编码孔径 |
| 2.4.2 色散元件 |
| 2.5 本章小结 |
| 3 基于图像融合的编码孔径压缩光谱成像 |
| 3.1 引言 |
| 3.2 系统结构 |
| 3.3 重构算法 |
| 3.3.1 Pre-fusion算法 |
| 3.3.2 Post-fusion算法 |
| 3.4 光谱成像结果分析与讨论 |
| 3.4.1 数据集的准备及评价函数的选取 |
| 3.4.2 光谱成像结果 |
| 3.4.3 算法的参数设置对光谱成像质量的影响 |
| 3.4.4 噪声对光谱成像质量的影响 |
| 3.5 本章小结 |
| 4 基于相干性优化的编码孔径压缩光谱成像 |
| 4.1 引言 |
| 4.2 编码孔径快照式光谱仪的相干性分析 |
| 4.3 基于相干性最小化的优化算法 |
| 4.4 光谱成像结果分析与讨论 |
| 4.4.1 数据集的准备及优化算法参数的设置 |
| 4.4.2 光谱成像结果 |
| 4.4.3 算法的参数设置对光谱成像质量的影响 |
| 4.4.4 噪声对光谱成像质量的影响 |
| 4.5 本章小结 |
| 5 基于颜色传感器的单像素压缩光谱成像 |
| 5.1 引言 |
| 5.2 系统结构 |
| 5.3 基于梯度下降的相干性最小化算法 |
| 5.4 仿真 |
| 5.4.1 数据集的准备及优化算法参数的设置 |
| 5.4.2 仿真结果分析 |
| 5.5 实验 |
| 5.5.1 实验系统设计 |
| 5.5.2 实验结果分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 作者简历 |
| 攻读博士期间所取得的科研成果 |
（2）基于探测光场时空调制的超分辨显微方法与技术的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 光学显微领域的探索 |
| 1.2 远场光学超分辨显微成像技术 |
| 1.2.1 基于点扩散函数工程原理 |
| 1.2.2 基于频域扩展原理 |
| 1.2.3 基于荧光随机定位原理 |
| 1.2.4 其他远场光学超分辨显微成像技术 |
| 1.3 基于光场调制的点扫描超分辨显微成像技术 |
| 1.3.1 基于空间调制的点扫描超分辨显微成像技术 |
| 1.3.2 基于时间调制的点扫描超分辨显微成像技术 |
| 1.4 现有显微成像技术的缺陷与不足 |
| 1.5 本论文的研究内容及创新点 |
| 1.5.1 本论文的研究内容 |
| 1.5.2 本论文的组织结构 |
| 1.5.3 本论文的创新点 |
| 1.6 本章小结 |
| 2 基于并行探测光场空间调制的成像扫描显微成像 |
| 2.1 引言 |
| 2.2 成像扫描显微成像的原理 |
| 2.2.1 矢量衍射理论 |
| 2.2.2 像素重组 |
| 2.2.3 成像扫描显微成像中的噪声模型 |
| 2.2.4 探测器阵列对成像扫描显微成像的影响 |
| 2.3 基于并行探测的饱和虚拟荧光差分显微成像技术 |
| 2.3.1 荧光差分显微成像原理 |
| 2.3.2 饱和虚拟荧光差分显微成像原理 |
| 2.3.3 饱和系数与平移系数对饱和虚拟荧光差分成像的影响 |
| 2.4 饱和虚拟荧光差分显微成像的成像系统与结果分析 |
| 2.4.1 成像仿真结果与分析 |
| 2.4.2 成像系统与控制 |
| 2.4.3 成像实验结果与分析 |
| 2.5 本章小结 |
| 3 基于并行探测光场时间调制的超分辨荧光寿命显微成像 |
| 3.1 引言 |
| 3.2 基于TCSPC的时域荧光寿命成像 |
| 3.2.1 基于TCSPC的寿命测量原理 |
| 3.2.2 基于TCSPC寿命成像的发展 |
| 3.3 基于并行探测的寿命获取 |
| 3.3.1 光子探测的堆积效应 |
| 3.3.2 并行探测对堆积效应的抑制 |
| 3.4 成像系统结构与控制 |
| 3.4.1 成像系统结构 |
| 3.4.2 重要的光学部件 |
| 3.4.3 成像系统的控制 |
| 3.5 成像结果与分析 |
| 3.5.1 荧光寿命的成像分辨率 |
| 3.5.2 荧光寿命的成像速度和精度 |
| 3.6 基于分光谱技术的并行探测荧光寿命成像技术 |
| 3.6.1 荧光分光谱寿命成像 |
| 3.6.2 成像原理 |
| 3.6.3 荧光寿命测量结果与分析 |
| 3.7 本章小结 |
| 4 基于探测光场空间调制的受激辐射损耗超分辨显微成像 |
| 4.1 引言 |
| 4.2 基于自适应像差矫正的受激辐射损耗超分辨成像系统 |
| 4.2.1 成像系统整体结构和控制 |
| 4.2.2 激发光路的描述 |
| 4.2.3 损耗光路的描述 |
| 4.2.4 合束光路的描述 |
| 4.2.5 探测光路的描述 |
| 4.3 系统重要光学部件 |
| 4.3.1 声光调制器和电光调制器 |
| 4.3.2 空间光调制器 |
| 4.3.3 可变形镜 |
| 4.3.4 振镜系统 |
| 4.4 像差自适应矫正 |
| 4.4.1 像差与Zernike系数 |
| 4.4.2 可变形镜的标定 |
| 4.4.3 像差自动矫正 |
| 4.5 成像系统校准与成像结果 |
| 4.5.1 系统光路粗对准 |
| 4.5.2 基于金颗粒成像的对准与像差矫正 |
| 4.5.3 基于荧光颗粒成像的像差矫正 |
| 4.5.4 成像结果与分析 |
| 4.6 本章小结 |
| 5 基于探测光场时间调制的受激辐射损耗超分辨显微成像 |
| 5.1 引言 |
| 5.2 基于时间调制的受激辐射损耗超分辨显微成像 |
| 5.2.1 受激辐射损耗对寿命的影响 |
| 5.2.2 基于时间调制的受激辐射损耗超分辨显微成像 |
| 5.3 基于时间门探测的寿命信息获取 |
| 5.3.1 延时&门电路 |
| 5.3.2 基于延时&门电路的寿命曲线获取 |
| 5.3.3 基于扇出缓存器的快速寿命测定 |
| 5.3.4 基于快速寿命测定的时间门控受激辐射损耗超分辨显微成像 |
| 5.4 基于门探测的寿命光子重组受激辐射损耗超分辨显微成像 |
| 5.4.1 研究背景 |
| 5.4.2 成像原理 |
| 5.4.3 成像系统与控制 |
| 5.4.4 成像结果与分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 参考文献 |
| 作者简介 |
| 攻读博士期间取得的科研成果 |
（3）快照式微透镜阵列显微高光谱成像系统关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 快照式高光谱成像仪在显微领域的研究进展 |
| 1.3 论文的主要研究内容及结构安排 |
| 1.3.1 论文的主要研究内容 |
| 1.3.2 论文结构安排 |
| 第2章 快照式微透镜阵列显微高光谱成像系统理论基础与分析 |
| 2.1 引言 |
| 2.2 快照高光谱系统的原理 |
| 2.2.1 传统高光谱系统的工作原理 |
| 2.2.2 快照式高光谱系统的基本工作原理 |
| 2.2.3 快照显微高光谱系统的性能参数 |
| 2.3 积分视场快照显微高光谱系统 |
| 2.4 快照式微透镜阵列显微高光谱成像系统关键技术分析 |
| 2.5 本章小结 |
| 第3章 快照式微透镜阵列显微高光谱成像系统分析与设计 |
| 3.1 引言 |
| 3.2 微透镜阵列单元之间光谱干扰产生的机理 |
| 3.3 显微成像单元分析与设计 |
| 3.3.1 显微成像单元分析 |
| 3.3.2 显微成像单元设计 |
| 3.4 面色散型高光谱成像单元光学系统分析与设计 |
| 3.4.1 面色散型高光谱成像单元光学系统分析 |
| 3.4.2 面色散型高光谱成像单元光学系统设计 |
| 3.4.3 光学系统的公差分配 |
| 3.5 本章小结 |
| 第4章 快照式微透镜阵列显微高光谱成像系统三维谱图重构算法 |
| 4.1 引言 |
| 4.2 通用型三维谱图还原模型的分析与建立 |
| 4.2.1 微孔阵列单元的棱镜色散分析 |
| 4.2.2 微孔阵列单元的光栅色散分析 |
| 4.2.3 三维谱图重构算法的建立 |
| 4.3 三维光谱图像重构算法验证与讨论 |
| 4.4 本章小结 |
| 第5章 快照式微透镜阵列显微高光谱成像系统装调技术研究 |
| 5.1 引言 |
| 5.2 快照式微透镜阵列显微高光谱成像系统装调基本原理 |
| 5.2.1 快照式微透镜阵列显微高光谱成像系统的装调难点分析 |
| 5.2.2 装调的基本原则 |
| 5.3 套筒透镜、准直镜组及成像镜组的装调 |
| 5.4 棱镜-光栅组合分光元件的装调 |
| 5.5 面色散型高光谱成像仪CCD探测器的装调 |
| 5.5.1 波罗板辅助CCD探测器的调焦 |
| 5.5.2 CCD探测器的滚转调节 |
| 5.6 快照式微透镜阵列显微高光谱成像系统整机联调 |
| 5.7 本章小结 |
| 第6章 快照式微透镜阵列显微高光谱成像系统定标技术研究 |
| 6.1 引言 |
| 6.2 光谱定标技术研究 |
| 6.2.1 自适应阈值算法的有效光斑精确位置计算 |
| 6.2.2 全视场有效光斑阵列批量计算方法 |
| 6.2.3 全自动在线光谱定标算法 |
| 6.3 辐射定标技术研究 |
| 6.4 定标结果验证 |
| 6.5 本章小结 |
| 第7章 快照式微透镜阵列显微高光谱成像系统软件设计与仪器测试 |
| 7.1 引言 |
| 7.2 快照式微透镜阵列显微高光谱成像系统软件设计 |
| 7.2.1 软件功能 |
| 7.2.2 软件设计流程 |
| 7.2.3 软件操作界面 |
| 7.3 快照式微透镜阵列显微高光谱成像系统仪器测试 |
| 7.3.1 性能指标测试 |
| 7.3.2 应用测试 |
| 7.4 本章小结 |
| 第8章 总结与展望 |
| 8.1 论文工作总结 |
| 8.2 创新之处 |
| 8.3 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）基于高光谱成像技术的玉米种子品质检测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1.课题研究背景及意义 |
| 1.1.1.研究背景 |
| 1.1.2.研究意义 |
| 1.2.国内外研究现状 |
| 1.2.1.近红外光谱用于农作物种子品质检测 |
| 1.2.2.高光谱成像技术用于农作物种子品质检测 |
| 1.2.3.国内外研究现状总结及借鉴 |
| 1.3.研究目标、内容和技术路线 |
| 1.3.1.研究目标 |
| 1.3.2.研究内容 |
| 1.3.3.技术路线 |
| 1.4.本章小结 |
| 第二章 试验材料、系统搭建与研究方法 |
| 2.1.试验材料 |
| 2.2.高光谱图像采集系统 |
| 2.2.1.近红外高光谱成像系统 |
| 2.2.2.高光谱图像采集条件 |
| 2.2.3.高光谱图像采集与校正 |
| 2.3.种子样本含水率测定方法及成熟度分类方法 |
| 2.3.1.种子水分测定方法 |
| 2.3.2.种子成熟度分类方法 |
| 2.4.光谱预处理方法 |
| 2.4.1.平滑 |
| 2.4.2.标准正态变量变换 |
| 2.4.3.多元散射校正 |
| 2.4.4.光谱导数 |
| 2.5.特征波段筛选方法 |
| 2.5.1.连续投影算法 |
| 2.5.2.无信息变量消除法 |
| 2.5.3.主成分分析法 |
| 2.6.建模方法 |
| 2.6.1.偏最小二乘法 |
| 2.6.2.最小二乘支持向量机 |
| 2.6.3.决策树 |
| 2.7.模型评估标准 |
| 2.8.实现软件 |
| 2.9.本章小结 |
| 第三章 玉米种子含水率检测方法研究 |
| 3.1.引言 |
| 3.2.材料与方法 |
| 3.2.1.玉米种子含水率预处理 |
| 3.2.2.玉米种子光谱提取与预处理 |
| 3.2.3.特征波段筛选算法与回归模型 |
| 3.3.结果与讨论 |
| 3.3.1.光谱分析 |
| 3.3.2.奇异样本剔除和样本划分 |
| 3.3.3.含水率测量结果分析 |
| 3.3.4.基于不同预处理方法的模型比较 |
| 3.3.5.特征波段筛选过程及结果 |
| 3.3.6.基于不同特征波段的模型比较 |
| 3.3.7.模型适用性探讨 |
| 3.4.本章小结 |
| 第四章 玉米种子成熟度检测方法研究 |
| 4.1.引言 |
| 4.2.材料与方法 |
| 4.2.1.玉米种子样本划分 |
| 4.2.2.玉米种子光谱提取与预处理 |
| 4.2.3.特征波段筛选算法与分类模型 |
| 4.2.4.标准发芽试验 |
| 4.3.结果与讨论 |
| 4.3.1.标准发芽试验结果分析 |
| 4.3.2.光谱分析 |
| 4.3.3.基于不同预处理方法的模型比较 |
| 4.3.4.特征波段筛选过程及结果 |
| 4.3.5.基于特征波段光谱的模型比较 |
| 4.4.本章小结 |
| 第五章 结论与展望 |
| 5.1.结论 |
| 5.2.展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 石河子大学硕士研究生学位论文导师评阅表 |
（5）基于高光谱图像的多视图三维重构研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 高光谱图像波段选择 |
| 1.2.2 高光谱图像三维重构及光谱映射 |
| 1.3 研究内容及创新点 |
| 1.4 论文结构安排 |
| 第二章 高光谱成像光谱仪几何标定 |
| 2.1 相机标定的原理 |
| 2.2 相机成像畸变类型 |
| 2.2.1 径向畸变 |
| 2.2.2 离心畸变 |
| 2.2.3 薄棱镜畸变 |
| 2.3 面阵相机几何标定技术 |
| 2.3.1 传统的面阵相机标定技术 |
| 2.3.2 面阵相机的自标定技术 |
| 2.3.3 面阵相机的视觉标定技术 |
| 2.4 高光谱成像光谱仪几何标定 |
| 2.4.1 张氏标定法的理论分析 |
| 2.4.2 高光谱成像光谱仪几何标定实验 |
| 2.5 本章小结 |
| 第三章 基于果蝇优化算法的高光谱图像波段选择方法 |
| 3.1 传统果蝇优化算法 |
| 3.2 二分波动模型的改进果蝇优化算法 |
| 3.2.1 传统FOA算法分析 |
| 3.2.2 二分波动模型的改进FOA算法 |
| 3.2.3 FMFOA算法性能评估 |
| 3.3 基于FMFOA算法的高光谱图像波段选择方法 |
| 3.3.1 实验设置 |
| 3.3.2 FMFOA算法在基准数据集上的实验结果 |
| 3.3.3 FMFOA算法在高光谱成像光谱仪数据集上的实验结果 |
| 3.4 本章小结 |
| 第四章 高光谱图像特征提取与匹配 |
| 4.1 图像特征提取技术概述 |
| 4.1.1 基于点特征的图像特征提取技术 |
| 4.1.2 基于线特征的图像特征提取技术 |
| 4.1.3 基于区域特征的图像特征提取技术 |
| 4.2 基于光谱空间的F-SIFT特征处理技术 |
| 4.2.1 传统SIFT方法 |
| 4.2.2 基于光谱图像空间的F-SIFT |
| 4.2.3 基于双重定位约束的特征点匹配方法 |
| 4.3 实验结果与分析 |
| 4.3.1 实验设置 |
| 4.3.2 结果与分析 |
| 4.4 本章小结 |
| 第五章 基于高光谱图像序列的三维点云构建 |
| 5.1 三维重建技术概述 |
| 5.2 三维点云构建方法 |
| 5.2.1 激光扫描的点云构建 |
| 5.2.2 深度图像的点云构建 |
| 5.2.3 图像序列的点云构建 |
| 5.3 基于高光谱图像序列的三维点云模型构建关键技术 |
| 5.3.1 对极几何约束 |
| 5.3.2 八点法求解基础矩阵 |
| 5.3.3 光束平差优化点云模型 |
| 5.4 实验与分析 |
| 5.5 本章小结 |
| 第六章 基于高光谱图像序列的图-谱-3D映射研究 |
| 6.1 三维模型光谱映射的理论依据 |
| 6.2 传统的基于RGB图像三维模型渲染 |
| 6.3 图-谱-3D映射构建中的图-谱处理 |
| 6.3.1 高光谱图像配准 |
| 6.3.2 多角度图像象元反射率提取 |
| 6.4 基于高光谱图像的图-谱-3D映射实现 |
| 6.4.1 基于特征点的光谱映射的数学建模 |
| 6.4.2 基于非特征点的光谱映射的数学建模 |
| 6.4.3 基于高光谱图像序列的图-谱-3D映射平台构建 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 博士期间的科研成果 |
| 致谢 |
（6）快照压缩成像系统与深度学习重构方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 快照压缩成像背景与研究现状 |
| 1.3 深度学习图像重构方法研究现状 |
| 1.4 论文研究意义与选题依据 |
| 1.5 论文主要内容及章节安排 |
| 第二章 编码孔径快照压缩成像 |
| 2.1 引言 |
| 2.2 压缩感知 |
| 2.2.1 信号的稀疏表示 |
| 2.2.2 信号的感知 |
| 2.2.3 信号的重构 |
| 2.3 编码孔径压缩光谱成像 |
| 2.3.1 系统原理与硬件实现 |
| 2.3.2 系统数学模型 |
| 2.4 编码孔径压缩时间成像 |
| 2.4.1 系统原理和硬件实现 |
| 2.4.2 系统数学模型 |
| 2.5 快照压缩成像图像重构 |
| 2.6 小结 |
| 第三章 基于端到端深度神经网络的快照压缩成像图像恢复 |
| 3.1 引言 |
| 3.2 基于多维自注意力机制的压缩光谱成像图像恢复 |
| 3.2.1 自注意力机制 |
| 3.2.2 多维自注意力机制用于三维光谱图像重构 |
| 3.2.3 添加散粒噪声训练策略 |
| 3.2.4 实验系统硬件实现 |
| 3.2.5 实验结果与分析 |
| 3.3 基于残差网络的快照压缩时间成像图像重构 |
| 3.3.1 基于残差结构的神经网络 |
| 3.3.2 实验系统硬件实现 |
| 3.3.3 实验结果与分析 |
| 3.4 快照压缩多光谱内窥显微成像 |
| 3.4.1 系统设计与硬件实现 |
| 3.4.2 端到端深度神经网络图像重构 |
| 3.4.3 实验结果与分析 |
| 3.5 小结 |
| 第四章 基于深度展开式神经网络的快照压缩成像图像重构 |
| 4.1 引言 |
| 4.2 基于正则化的优化迭代算法 |
| 4.2.1 广义交替投影算法 |
| 4.2.2 交替方向乘子法 |
| 4.3 基于GAP和ADMM的深度展开式神经网络 |
| 4.3.1 网络结构 |
| 4.3.2 网络收敛性分析 |
| 4.4 仿真与实验结果 |
| 4.4.1 压缩时间成像结果与分析 |
| 4.4.2 压缩光谱成像结果与分析 |
| 4.5 小结 |
| 第五章 基于自监督神经网络的快照压缩光谱成像图像重构 |
| 5.1 引言 |
| 5.2 相关工作介绍 |
| 5.2.1 即插即用式算法框架 |
| 5.2.2 深度卷积图像先验 |
| 5.3 基于自监督神经网络的压缩光谱成像图像重构 |
| 5.3.1 算法与网络框架 |
| 5.3.2 仿真结果与分析 |
| 5.3.3 消融实验 |
| 5.3.4 实验数据结果 |
| 5.4 小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者攻读博士学位期间的学术论文目录 |
（7）光声断层成像的多约束迭代重建方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 光声成像简介 |
| 1.2 光声断层成像(PAT)技术原理 |
| 1.3 本论文研究内容及组织结构 |
| 第二章 PAT基本原理及研究现状 |
| 2.1 引言 |
| 2.2 PAT的物理原理 |
| 2.2.1 光在组织中的物理现象 |
| 2.2.2 声在组织中的物理现象 |
| 2.2.3 光和声的结合—光声效应 |
| 2.3 PAT图像重建与光谱分离 |
| 2.3.1 解析重建算法 |
| 2.3.2 迭代重建算法 |
| 2.3.3 光谱分离技术 |
| 2.4 PAT成像研究现状 |
| 2.4.1 PAT成像重建方法研究现状 |
| 2.4.2 多光谱PAT成像研究现状 |
| 2.5 本章小结 |
| 第三章 基于稀疏编码与非局部均值联合先验的光声断层成像方法 |
| 3.1 引言 |
| 3.2 联合先验PAT成像方案 |
| 3.2.1 非局部均值正则化 |
| 3.2.2 基于稀疏性的正则化 |
| 3.2.3 联合先验正则化 |
| 3.2.4 两步迭代算法 |
| 3.3 参数设置 |
| 3.3.1 选择正则化参数的试错法 |
| 3.3.2 选择NLM参数 |
| 3.4 实验设置与方法 |
| 3.4.1 多光谱光声断层成像系统 |
| 3.4.2 仿真设置 |
| 3.4.3 实验设置 |
| 3.4.4 评价指标 |
| 3.5 实验结果与分析 |
| 3.5.1 仿真结果与分析 |
| 3.5.2 实验结果与分析 |
| 3.6 本章讨论 |
| 3.7 本章结论 |
| 第四章 基于交错稀疏采样的多光谱光声断层成像方法 |
| 4.1 引言 |
| 4.2 多光谱交错稀疏采样PAT成像方法的实现 |
| 4.2.1 多光谱交错稀疏光声信号采样方案 |
| 4.2.2 交错稀疏采样模式下PAT成像模型 |
| 4.2.3 自适应梯度下降方法 |
| 4.2.4 线性光谱分离方法 |
| 4.3 实验设计与实现 |
| 4.3.1 数据的采集及处理 |
| 4.3.2 仿真实验 |
| 4.3.3 体模实验 |
| 4.3.4 动物实验 |
| 4.3.5 量化指标 |
| 4.4 实验结果与分析 |
| 4.4.1 仿真实验结果 |
| 4.4.2 体模实验结果 |
| 4.4.3 动物实验结果 |
| 4.5 本章讨论 |
| 4.6 本章结论 |
| 第五章 方向全变分约束的多光谱交错稀疏采集光声断层成像方法 |
| 5.1 引言 |
| 5.2 方向全变分约束的ISS-PAT成像方法的实现 |
| 5.2.1 ISS-PAT成像模型 |
| 5.2.2 方向全变分正则化 |
| 5.2.3 ADMM算法最优化求解 |
| 5.3 实验设置 |
| 5.3.1 实验数据 |
| 5.3.2 评价方法 |
| 5.4 实验结果与分析 |
| 5.4.1 仿真实验结果 |
| 5.4.2 体模实验结果 |
| 5.4.3 动物实验结果 |
| 5.5 本章讨论 |
| 5.6 本章结论 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 攻读学位期间成果 |
| 致谢 |
（8）快速和高分辨拉曼成像技术及高通量光谱分析方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 拉曼散射及拉曼光谱简介 |
| 1.1.1 非弹性拉曼散射原理概述 |
| 1.1.2 拉曼光谱及其在生物医学研究中的应用 |
| 1.2 拉曼成像及光谱处理与分析研究现状 |
| 1.2.1 拉曼光谱成像概述 |
| 1.2.2 拉曼光谱处理与分析概述 |
| 1.3 拉曼成像方法的瓶颈与突破讨论 |
| 1.4 论文研究内容与章节安排 |
| 1.4.1 论文研究内容 |
| 1.4.2 论文章节安排 |
| 第2章 拉曼成像光学系统设计基础 |
| 2.1 引言 |
| 2.2 共聚焦拉曼成像系统设计及功能验证 |
| 2.2.1 共聚焦拉曼成像系统的光学设计 |
| 2.2.2 控制程序设计及关键参数标定 |
| 2.2.3 标准微球样品的共聚焦拉曼成像 |
| 2.3 线扫描拉曼成像系统设计及功能验证 |
| 2.3.1 线扫描拉曼成像系统的光学设计 |
| 2.3.2 控制程序设计及关键参数标定 |
| 2.3.3 标准微球样品的线扫描拉曼成像 |
| 2.4 本章小结 |
| 第3章 基于先验信息的快速拉曼压缩成像研究 |
| 3.1 引言 |
| 3.2 压缩感知理论基础及应用 |
| 3.3 新型共聚焦先验拉曼压缩成像研究 |
| 3.3.1 点扫描拉曼成像稀疏采样设计与实现 |
| 3.3.2 压缩感知成像重建算法设计及仿真验证 |
| 3.3.3 实验设计与结果分析 |
| 3.4 本章小结 |
| 第4章 结合结构光照明的超分辨拉曼成像研究 |
| 4.1 引言 |
| 4.2 结构光照明超分辨显微技术基础 |
| 4.3 结构光照明超分辨拉曼成像技术研究 |
| 4.3.1 线扫描拉曼成像系统时空调制结构光照明验证 |
| 4.3.2 超分辨拉曼成像重建算法优化及仿真验证 |
| 4.3.3 实验设计与结果分析 |
| 4.4 本章小结 |
| 第5章 基于卷积神经网络的光谱成分分析研究 |
| 5.1 引言 |
| 5.2 卷积神经网络简介 |
| 5.3 混合拉曼光谱成分量化研究 |
| 5.3.1 训练与验证数据集设计 |
| 5.3.2 卷积神经网络模型构建与训练 |
| 5.3.3 光谱成分预测与结果分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录A 标准化拉曼光谱处理与分析常用算法的数学描述 |
| A.1 Whittaker Smoother去噪算法 |
| A.2 非对称最小二乘回归去基线算法 |
| A.3 无监督的顶点成分分析算法 |
| 附录B 用于拉曼光谱测量和拉曼成像的样品制备 |
| B.1 标准尺寸小球样品的制备 |
| B.2 生物细胞样品制备 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（9）图像的光谱编码获取与色彩重现若干问题研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 缩写及术语表 |
| 1 绪论 |
| 1.1 光谱成像技术的发展现状 |
| 1.1.1 传统光谱仪与光谱成像技术 |
| 1.1.2 计算型光谱仪与光谱成像技术 |
| 1.2 色彩重现技术发展现状 |
| 1.3 现有成像与显示技术的不足 |
| 1.4 本文的研究内容及创新点 |
| 2 成像系统及人眼的光谱感知原理 |
| 2.1 基于压缩感知的光谱编码 |
| 2.1.1 压缩感知基本理论 |
| 2.1.2 基于压缩感知的光谱成像原理 |
| 2.2 基于深度学习的光谱编码 |
| 2.2.1 深度学习基本理论 |
| 2.2.2 基于深度学习的光谱成像原理 |
| 2.3 人眼对光谱信息的感知 |
| 2.3.1 人眼的色视觉 |
| 2.3.2 颜色的定量描述 |
| 2.4 本章小结 |
| 3 基于压缩感知的光谱编码成像 |
| 3.1 紧凑型光谱成像系统搭建 |
| 3.1.1 系统整体方案 |
| 3.1.2 压缩感知光谱重建算法设计 |
| 3.1.3 随机滤光片的设计与加工 |
| 3.1.4 电路及机械结构设计 |
| 3.2 实验与结果分析 |
| 3.2.1 基矩阵及重建算法对重建效果的影响 |
| 3.2.2 环境光对重建光谱及色彩的影响 |
| 3.3 本章小结 |
| 4 基于深度学习的光谱编码成像 |
| 4.1 基于深度学习的宽光谱编码滤光片设计方法 |
| 4.1.1 光谱编码与解码器 |
| 4.1.2 参数约束的光谱编码与解码器 |
| 4.1.3 仿真与结果分析 |
| 4.2 基于深度学习的光谱成像系统搭建 |
| 4.3 实验与结果分析 |
| 4.3.1 光谱成像及色彩还原效果 |
| 4.3.2 计算速度对比 |
| 4.4 本章小结 |
| 5 光谱图像的大色域色彩重现 |
| 5.1 传统的显示色域评价方法 |
| 5.2 面向光谱反射率图像的显示色域评价方法 |
| 5.3 多基色大色域显示的基色光谱优化方法 |
| 5.4 激光显示的色域优化与结果分析 |
| 5.4.1 优化结果的最优性分析 |
| 5.4.2 激光显示的基色设计 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 本文的工作总结 |
| 6.2 未来的工作展望 |
| 参考文献 |
| 作者简历 |
| 攻读博士学位期间取得的科研成果 |
（10）基于重聚焦光场图像的三维发光火焰温度场层析重建（论文提纲范文）
| 摘要 |
| Abstract |
| 符号表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 火焰温度场光学测量的研究现状 |
| 1.2.1 光/热辐射测量方法的研究现状 |
| 1.2.2 应用光/热辐射测量的火焰测温方法研究现状 |
| 1.2.3 基于光/热辐射测量的火焰温度场重建研究现状 |
| 1.3 火焰光场成像的研究现状 |
| 1.3.1 光场成像的研究现状 |
| 1.3.2 火焰光场成像的研究现状 |
| 1.3.3 基于光场成像的火焰温度场重建研究现状 |
| 1.4 本文的主要研究内容 |
| 第2章 发光火焰光场辐射传输及成像仿真 |
| 2.1 引言 |
| 2.2 基于蒙特卡洛法的光场相机物理结构仿真 |
| 2.2.1 微透镜阵列结构仿真 |
| 2.2.2 光场相机仿真成像结果 |
| 2.2.3 Raytrix相机参数验证 |
| 2.3 发光火焰光场成像辐射传输模型 |
| 2.3.1 火焰的光场成像及火焰温度分布 |
| 2.3.2 介质内的粒子发射与衰减 |
| 2.3.3 不同辐射物性条件情况下的成像对比 |
| 2.4 火焰的光学分层成像 |
| 2.4.1 发光火焰辐射传输卷积成像模型 |
| 2.4.2 分层火焰光场成像 |
| 2.4.3 非均匀发光火焰辐射模型 |
| 2.4.4 非均匀辐射物性光场成像结果 |
| 2.5 本章小结 |
| 第3章 基于光场图像的火焰温度场层析重建方法 |
| 3.1 引言 |
| 3.2 火焰三维温度场重建方法 |
| 3.2.1 火焰三维温度场重建流程 |
| 3.2.2 分层火焰光场成像模型 |
| 3.3 黑体炉温度光场成像仿真标定 |
| 3.3.1 实验标定与模拟标定的对比 |
| 3.3.2 对标定的拟合曲线的验证 |
| 3.4 维纳滤波法重建温度精度分析 |
| 3.5 本章小结 |
| 第4章 基于联合算法的火焰温度场层析重建方法改进 |
| 4.1 引言 |
| 4.2 最近邻域法火焰温度层析重建 |
| 4.2.1 最近邻域法 |
| 4.2.2 标定过程 |
| 4.3 小波降噪图像处理方法 |
| 4.3.1 多像素子孔径重构方法 |
| 4.3.2 小波阈值法图像去噪原理 |
| 4.3.3 小波变换方法对重聚焦成像效果的影响 |
| 4.4 解卷积法火焰温度层析重建 |
| 4.4.1 L-R图像复原方法 |
| 4.4.2 解卷积图像与分层图像的相似度对比 |
| 4.4.3 衰减性介质内温度重建结果 |
| 4.5 联合重建算法 |
| 4.5.1 不同分层的层析重建算法选择 |
| 4.5.2 九层火焰分层的温度层析重建算法 |
| 4.5.3 分层数量对温度重建精度的影响 |
| 4.5.4 火焰横截面温度重建效果 |
| 4.6 本章小结 |
| 第5章 火焰辐射物性及成像位置对温度重建的影响 |
| 5.1 引言 |
| 5.2 火焰辐射物性对温度重建影响分析 |
| 5.3 非均匀火焰辐射物性对温度重建精度影响分析 |
| 5.3.1 辐射物性分层模型 |
| 5.3.2 介质辐射物性对温度重建精度影响分析 |
| 5.4 火焰成像位置对温度重建精度影响分析 |
| 5.4.1 火焰的温度重建精度分析 |
| 5.4.2 图像边界畸变对火焰温度重建精度的影响分析 |
| 5.4.3 火焰径向尺寸对温度重建精度的影响分析 |
| 5.5 本章小结 |
| 第6章 典型火焰实例及温度重建方法验证 |
| 6.1 引言 |
| 6.2 乙烯层流扩散火焰的温度层析重建 |
| 6.2.1 温度和辐射物性参数 |
| 6.2.2 乙烯火焰光场成像结果 |
| 6.2.3 温度层析重建结果 |
| 6.3 乙烯同轴层流扩散火焰光场试验 |
| 6.3.1 实验设备及工作原理 |
| 6.3.2 实验标定预处理 |
| 6.3.3 温度层析重建结果 |
| 6.4 二甲醚同轴层流扩散火焰的温度重建 |
| 6.4.1 温度计算 |
| 6.4.2 二甲醚火焰的光场成像和温度层析重建 |
| 6.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
四、处理算法提高了光谱成像质量（论文参考文献）
- [1]基于压缩感知的光谱成像系统和重构算法研究[D]. 陶陈凝. 浙江大学, 2021(01)
- [2]基于探测光场时空调制的超分辨显微方法与技术的研究[D]. 刘少聪. 浙江大学, 2021(01)
- [3]快照式微透镜阵列显微高光谱成像系统关键技术研究[D]. 于昌本. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2021(08)
- [4]基于高光谱成像技术的玉米种子品质检测研究[D]. 王哲理. 石河子大学, 2021(02)
- [5]基于高光谱图像的多视图三维重构研究[D]. 丁国绅. 中国科学技术大学, 2021(09)
- [6]快照压缩成像系统与深度学习重构方法研究[D]. 孟子艺. 北京邮电大学, 2021(01)
- [7]光声断层成像的多约束迭代重建方法研究[D]. 理喜盼. 南方医科大学, 2021
- [8]快速和高分辨拉曼成像技术及高通量光谱分析方法研究[D]. 胡传真. 中国科学技术大学, 2021(09)
- [9]图像的光谱编码获取与色彩重现若干问题研究[D]. 宋洪亚. 浙江大学, 2021(01)
- [10]基于重聚焦光场图像的三维发光火焰温度场层析重建[D]. 李天骄. 哈尔滨工业大学, 2021