双臂对称性对关联成像算法的影响

为了分析在实际成像过程中双臂误差对不同关联成像算法的影响。理论上推导了双臂横向误差和轴向误差对传统关联成像算法(Ghost Imaging,GI),差分关联成像(Differential Ghost Imaging,DGI)和基于压缩感知的关联成像算法(Compressive Sensing Ghost Imaging,CSGI)的影响;在不同的双臂横向误差和轴向误差下利用三种算法分别对灰度图像Lena和二值图像Stripes进行了重构仿真实验,并将重构结果的峰值信噪比(peak signal to noise ratio,PSNR)进行对比。当双臂横向行列均错位4个像素点时,Lena的GI重构结果PSNR最多下降0.766dB,DGI下降2.928dB,CSGI下降5.858dB;Stripes的GI重构结果PSNR最多降低0.644 2dB,DGI降低0.943dB,CSGI降低5.975dB;随着双臂轴向误差的增大,Lena的GI重构最多降低了0.895dB,DGI降低4.751dB,CSGI降低7.005dB;Stripes的GI重构PSNR最多降低1.126dB,DGI降低2.913dB,CSGI降低6.43dB。实验结果表明,三种算法在抗双臂误差能力方面,GI表现最好,DGI其次,CSGI最弱。