透过散射薄膜成像方案整理

 

总的来说：问题比较复杂，不是工程层面的，还是科研层面的，需要摸索尝试解决问题。感觉而不是现有的成熟方案直接可以解决的。

这个问题关键是研究这个介质膜，这个介质膜是一个小块阵列，每个阵列分布和散射情况假设一致。完全类似毛玻璃，因为不同毛玻璃的散射程度不同。他们实际上都有一个最小的完全随机散射单元。

我觉得搞清楚这个膜的作用是什么，有没有可能换成一些替代品，这样可能更方便的恢复图像。

 

考虑可能方案：

方案一：利用不同角度照明下散射的光强分布差异

步骤如下：

1. 利用激光束从不同角度投射到漫射屏同一位置，检测该位置物体，反射再散射返回的光强分布。
2. 传感器记录下不同角度激光照射下所激发的光强度，看似随机的模式好像与检测物无相似之处。
3. 得到多张不同角度散射的光强分布图，计算机搜索检测模式的相似处，计算出检测物真实形状。
4. 恢复算法参考：Nature,2012,Non-invasive imaging through opaque scattering layers

 

方案二：类似曹辉光谱仪和吴多模实验（考虑局部随机散射，小区域内成像）

1. 先在介质膜后放置一个均匀纯色背景图案。
2. 压缩照明结构光，使得结构光大小约等于介质膜上一个随机散射单元。
3. 不同结构光分别照射介质膜，得到反射之后的光强分布。
4. 根据光强分布求单元散射介质的传出矩阵（隐含散射规律）。
5. 添加物体后，通过传输矩阵可以计算恢复图像。

（这个咱们都比较熟悉，就不放参考文献了）

 

方案三：全局不完全随机散射

1. 先在介质膜后放置一个均匀纯色背景图案。
2. 大结构光照射介质膜大片区域反射回成像。
3. 不同结构光分别照射介质膜，得到反射之后的光强图像分布。
4. 因为是不完全随机散射，通过多次入射不同结构光和得到相应的图像分布。可拟合出经过介质膜对图像的传播的影响传递函数。建立映射关系的算法，可参考传统逆滤波算法和主流机器学习算法。
5. 得到传递函数之后，就可以再放置物体后，还原物体图案。

 

方案四：利用时间反转原理随机介质成像

该方案我了解的很少，目前只是皮毛。对我来说可能还需要好好研究研究才行。

但是该方案确实可以解决类似问题。

参考文献：

1. Hiding scattering layers for noninvasive imaging of hidden objects
2. Deep tissue fluorescence imaging using time-reversed light
3. 随机介质场景下的时间反转成像效果分析

 

方案五：单像素透过介质成像

下图是别人paper中的图，我认为有非常大的参考价值。

1. 改成反射式。
2. 结构光打到物体之前经过一次介质。这里是问题的关键，能把这次经过介质后的结构光的样子仍然提前记录下来，或者通过传递函数求出来。就实现了我们已知的结构光打到物体上。
3. 再反射回来，再经过介质膜，这次经过介质膜对系统没有任何影响，反而更好，因为后面是单像素了，只需要获得一个强度和即可。
4. 重复结构光照明，单像素算法即可恢复。

参考文献：Compressive imaging in scattering media