《光学信息技术原理及应用汇编》由会员分享,可在线阅读,更多相关《光学信息技术原理及应用汇编(30页珍藏版)》请在金锄头文库上搜索。
1、光学信息技术原理及应用,白光信息处理,(二十),白光信息处理- 调制,对图像的不同区域分别用取向不同(角不同)的光栅进行调制,用白光照射,并在谱面上加以适当的滤波器,可在输出面上得到所需的彩色图像。光学系统采用4f系统 如下图若要使花、叶、背底三个区域呈现三种不同的颜色,可在同一张胶片上曝三次光,每次只曝其中一个区域,并在其上覆盖某一取向的朗奇光栅,三次分别取三个不同的取向,如图中线条所示。将这样的调制片输入4f系统,用白色平行光照明, 调制的滤波与成像,物被不同取向的光栅所调制,在频谱面上得到的将是取向不同的带状谱 用白光照明,所以各级频谱呈现出的是色散的彩带,由中心向外按波长从小到大的顺序
2、排列 带通滤波器实际上是一个被打了孔的光屏。在代表花、叶、背底信息的谱带上分别在红色、绿色、黄色位置打孔 为避免因色区形状与孔的形状不匹配而引起“混频”现象,可在孔上放置相应的滤色片,以提高色纯度 在像平面上可得到彩色图像:红花、绿叶、黄背景。若改变滤波器上孔的位置,可变换出各种不同的颜色搭配, 调制实验的彩照,用黑白胶片保存彩色像,彩色胶片使用的化学染料不能耐久而存在褪色问题,人们只能不厌其烦地连年复制,这对于大量彩色图片的长期保存造成极大的困难 在远距离彩色摄影中,色彩鲜艳程度会随目标距离的增大而降低,呈现“褪色”现象 对于超过15公里以上的目标,即使在晴朗天气,也无法拍摄出色保真度很高的
3、照片,这对于卫星运载的信息采集、军事目标的远距离跟踪以及其它目的的远距离摄影都造成了困难 黑白胶片具有长期保存的能力,将彩色的图像信息用黑白胶片保存,使用时通过光学手段将彩色信息加以恢复,不仅有科学意义,还会带来可观的经济和社会效益 早在20世纪70年代末,就提出了黑白胶片保存彩色胶片的 调制方法,彩色图像的编码和存储,利用计算机技术在同一块材料上制作“三色光栅” ,等价于将三套取向不同且颜色分别为三原色的一维朗奇光栅重合在一起制成的复合光栅。将这种“三色光栅”直接复盖在黑白胶片上无需另加滤色片和编码光栅,只需曝光一次,就可完成彩色编码和存储操作,彩色图像的恢复解码,解码操作白光处理系统是一个
4、白光照明的4f 系统。图中S为白光光源,经L1准直照明置于物面上的黑白胶片,空间滤波器置于频谱面上,在像平面得到彩色图像输出 由于黑白胶片被三套取向不同的光栅所调制,因而,谱面上三个不同取向的频谱分别载有红、绿、蓝三种颜色的信息,黑白胶片保存彩色像的应用前景,1)彩色胶片的存储: 大量的彩色电影胶片、彩色图片资料利用这种编码方法,可翻制成黑白编码片长期保存,信息不会丢失 2)褪色图像的恢复: 目标图像由于距离太远而会呈现“褪色”现象,使用这种白光信息处理技术可以使呈现“褪色”色彩的恢复。 如可以不再用黑白胶片作为载体,在许多领域将获得更实时更灵活的应用,黑白图像的白光密度假彩色编码,人眼对黑白
5、图像的灰度只能分辨出1520个等级,人眼对颜色的分辨能力却大得惊人,将灰度等级转换为颜色等级,可大大提高人们对图像的识别能力 所谓“白光密度”指与“灰度”相应,所谓“假彩色编码”是指输出片的色彩仅由输入片的“白光密度”确定,并非真实色彩 假彩色编码的方法有很多,这里仅举一例。具体编码方法如下图,假彩色显示,将编码片输入白光处理系统,频谱面上放置滤波器,只允许+1级通过(滤波器的选取不是唯一的,也可以仅允许零级通过) 编码片是位相型的,光波位相被输入片的乳胶厚度所调制 输出面的空间光强分布一方面与位相调制的程度有关,另一方面与照明光波波长有关。当用白光照明时,透过编码片的光束经位相调制后的振幅分
6、布是波长的函数 不同波长到达输出面具有各自不同的强度分布,对应各波长的暗区都不会重叠在空间同一位置,因此,输出面便呈现一幅彩色图像 输出图像上的色彩便直接反应了黑白底片的白光密度,而位相每改变一个微小量,输出图像就会在颜色上呈现一个较明显的变化。因 而,用这一方法得到的假彩色显示对灰度等级是十分灵敏的。,假彩色编码应用举例,假彩色编码技术在医学上可用于对人体器官病变的早期诊断,例如用于早期肺癌诊断,用假彩色编码技术对肺部X光透视片(黑白)进行处理,把医生用眼睛无法辨别的灰度差别变换成明显的颜色差别显现出来 假彩色编码用于卫星遥感图像分析: 用于对广大牧区草场情况的监测,可敏感地发现牧区草场退化
7、的灾情和发生的位置 地形地貌卫片的分析,可以敏感地监测洪水灾害、森林火灾的情况,或大陆架的变迁,多重像的产生,用相干光信息处理产生多重像由于相干噪声的干扰存在噪声而影响了它的应用 用白光处理系统可以有效地消除这类噪声,获得比较“干净”的多重像,处理手段成本低廉 采用白光照明的4f系统,在输入面上放置物透明片f(x,y),其上覆盖一维正弦光栅g0(x,y),用于调制物函数。到达频谱面时是两者频谱的卷积 u2 = F(fx,fy)* G0(fx,fy) 由于白光的作用,谱面上除零级谱为白色外。其余均呈现为彩虹色带 滤波器选取一组频率不同的一维正弦光栅gi(i = r、g、b)用于对正一级频谱彩带中
8、不同波长的频谱进行调制,产生三组衍射像的零级像重合在坐标中央,形成白色像,而三组的正、负一级像以不同的间隔分布在两侧,白光信息处理输出多重像示意图,光计算,光计算以光子代替电子作为载体进行信息采集、传输、存储和处理。光子比电子传输速度快,而且抗干扰能力强 最突出的一点是它的巨大的并行处理能力 一般情况下,不同波长、不同偏振态、不同波型的光即使相遇、交叉、同路都各自独立、互不干扰,因而它具有高度的并行能力 光子可在自由空间传播,甚至可在真空中传播,不象电子那样只能被束缚在导线中,况且光子在传播中能量损耗很小 由于光子不带电荷,因而它不受电磁场的干扰,传播速度与光速等量级,光学矩阵运算,光学矩阵运
9、算是指用光学方法直接进行数学矩阵运算。计算机求解线性方程组、线性微分方程,以及解卷积运算和线性变换等,最终都可化为矩阵运算,因而矩阵运算可看作计算问题中最有用也是最基本的运算问题之一 对于两个N N的矩阵相乘问题,共需进行n3次乘法和n3次加法,用电子计算机进行计算,2n3次计算操作才能完成 利用具有高度并行能力的光计算去完成,只需n次计算操作甚至只需一次操作即可完成, 速度上极具优势 光学矩阵运算可分为内乘法和外乘法两类;从输入输出方式及使用的调制器件的不同,又可分为许多类,如掩模调制系统、声光调制系统和电光调制系统等,一维矩阵和二维矩阵的乘法,一维和二维矩阵相乘运算由下式确 C = A B
10、 a11 a12 a1N 其中: A =a21 a22 a2N aM1 aM2 aMN B = b1 b2 bN T T为转置符号 积矩阵C的元素由下式确定: Ci = a i1 b 1+ a i2 b 2+ + a iN b N,矩阵运算的掩模光学系统,LED是有N 个发光管组成的阵列,每一个元素发射的光束bj 经竖直均匀扩散,到达掩模M上(其上有MN个子单元)与之对应的列元素aij,掩模后得到对应元素的乘积aijbj,经光学元件在水平方向上会聚到接收器阵列D的相应单元上,实现了水平方向上所有乘积的相加运算,声光调制矩阵运算系统,利用声光调制器依次输入单个矩阵元素,用于调制由LED或另一声光
11、调制器以特定脉动模式输入的另一矩阵光脉冲,达到各元素依次相乘的目的,再利用可移动CCD实现相应项的相加,达到矩阵与矩阵相乘的运算结果。这种方法的弱点是并行性较差,优点是实时可变性好,光学互连,互连是指计算机内部芯片上逻辑门之间、芯片和芯片之间、处理器和处理器之间的相互连接,也称互连通信 电子计算机芯片的尺寸越做越小,每个芯片上的逻辑门数量越做越多,计算机性能的限制已不再来源于晶体管和逻辑门器件的速度,而主要在于互连 对于这种大得惊人的互连数的要求,电子学手段已显得力不从心 光具有高度并行性,具有极强的抗电磁干扰能力,传播速度极快,它的功耗极低,带宽很宽,还能实现动态互连 光学互连技术的研究和发
12、展主要应解决两方面问题,一是光学互连模式,二是光学互连器件,光学互连的分类,光学互连分类的方法一般分为纯光型和光电混合型两类 光电混合型互连同时把光学元件和光电子学元件连接在互连系统中共同完成互连通信的任务。 纯光型光学互连全部利用光学元件构成互连系统,又可分为自由空间互连、光纤互连和集成光波导互连三类,光学神经网络,现代电子计算机的高速度和高精度已远远超出人的生理极限,但是传统的电子计算机由于只能按规定的算法和固定的程序进行运算,因而在完成诸如学习、推理、识别、联想等智能化运算问题时便遇到了很大障碍 生物神经网络系统是一部极理想的“计算机”,其存储信息的容量之大、综合信息的速度之快、处理信息
13、的精度之高、修正误差的能力之强是电子计算机所无法相比的 二十世纪40年代,人们开始了对神经网络模型的研究,提出了神经网络算法,直至70年代末相继提出了50多种神经网络模型,80年代中期,随着光计算研究的兴起,光学神经网络也被提上了研究日程,光学因其高速度和高度并行的特性而倍受人工神经网络研究领域的青睐,神经元,生物学研究指出,人体拥有的神经细胞总数估计达1010 1012量级,每个神经元的表面有数千甚至上万个称为“突触”的小突起,由它们完成神经细胞间传递信息的任务,形成“互连”关系,亿万个这样的互连便构成了“神经网络” 神经细胞也称神经元,其本身的结构和功能并不复杂,但它表面的突触可不受干扰而
14、独立工作,因而实现了神经元之间高密度并行的、三维空间形式的互连 每个神经元均具有兴奋和抑制两种状态,且它总是受到周围神经元的作用,当这种作用的“强度总和”超过其本身的“激励阈值”时,它处于兴奋态,低于该阈值时则处于抑制态 每个神经元总是在不断地施加影响于其它神经元,同时又不断受其它神经元的作用而修正自身的状态,神经网络原理,神经网络系统是以一种群体的力量发挥作用的,大脑的记忆存储在整个网络中,与单个神经元无关,即使由于新陈代谢而每天有大量的神经细胞死亡,也不会削弱已经存储的记忆,也不会由于某些神经元的功能性故障而影响计算结果的正确性 在神经网络里每个神经元不断相互作用,直到整个网络达到稳定为止 当网络系统受到外部激励时,稳定被打破,新的稳定重新建立。网络内部的这种运动特征形成了它具有记忆、识别等特殊功能 每个神经元的响应速度很慢,神经元间信息传递的速度也十分有限,约为10-2秒量级, 比计算机的开关速度(10-6秒量级)慢得多 然而神经网络以其三维空间密集型的高水平的并行连接弥补了低水平的响应速度的不足,使其处理大量信息的能力和速度均达到惊人的水平,