量子關(guān)聯(lián)成像技術(shù),又稱(chēng)為“鬼成像”,是一種起源于量子理論、利用量子的糾纏特性或光場(chǎng)的強(qiáng)度漲落特性進(jìn)行成像的全新方式。與傳統(tǒng)的成像方式不同的是鬼成像可以在不包含物體的光路上恢復(fù)出物體圖像,這一特性稱(chēng)為非定域性。因此,近些年來(lái)成為量子光學(xué)領(lǐng)域的前沿和熱點(diǎn)之一。論文研究了鬼成像在光學(xué)加密和物體分類(lèi)中的應(yīng)用方法,具體內(nèi)容如下:(1)論文在基于計(jì)算鬼成像、光學(xué)加密理論的基礎(chǔ)上,考慮到分?jǐn)?shù)階傅立葉變換具有獨(dú)特的變換階數(shù)這一特性,提出一種基于分?jǐn)?shù)階傅立葉變換的鬼成像光學(xué)加密方法。在此方法中,將分?jǐn)?shù)階傅里葉變換引入鬼成像,使得設(shè)計(jì)的散斑具有分?jǐn)?shù)階階數(shù)的性質(zhì)。用接收到的桶探測(cè)值恢復(fù)物體的像的時(shí)候,若不能準(zhǔn)確地知道預(yù)先設(shè)定的分?jǐn)?shù)階階數(shù),那么就無(wú)法恢復(fù)正確的圖像,因此分?jǐn)?shù)階傅里葉變換具有加密的作用。在此基礎(chǔ)上,進(jìn)行了相關(guān)的仿真和實(shí)驗(yàn),仿真和實(shí)驗(yàn)結(jié)果證明了基于分?jǐn)?shù)階傅立葉變換的鬼成像光學(xué)加密方法的可行性,并且具有很高的成像安全性。(2)物體分類(lèi)一直是機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的核心問(wèn)題,論文將鬼成像技術(shù)應(yīng)用于物體的分類(lèi)中,提出一種基于線性判別分析的鬼成像物體分類(lèi)方法。與傳統(tǒng)的物體分類(lèi)方法不同的是,本方法首先需要設(shè)計(jì)出用于特定任務(wù)的散斑,然后可以在不需要事先得到未知物體的圖片便可對(duì)未知物體進(jìn)行分類(lèi);同時(shí)通過(guò)理論分析可知用該方法進(jìn)行鬼成像時(shí),照射的散斑次數(shù)較少,即只需物體的類(lèi)別數(shù)減一個(gè)散斑。論文對(duì)本文提出的方法進(jìn)行了手寫(xiě)體數(shù)字識(shí)別的仿真,根據(jù)美國(guó)國(guó)家標(biāo)準(zhǔn)技術(shù)研究所混合數(shù)據(jù)庫(kù)(Mixed National Institute of Standards and Technology data base,MNIST)設(shè)計(jì)出用于鬼成像物體分類(lèi)的散斑。仿真結(jié)果表明,對(duì)于十類(lèi)手寫(xiě)體數(shù)字的分類(lèi)識(shí)別,本文所提出的方法僅僅使用9個(gè)散斑就能以96.91%的準(zhǔn)確率對(duì)未知數(shù)字圖像進(jìn)行分類(lèi)。
【學(xué)位單位】：南京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：TP391.41;O431.2
【部分圖文】：

便于更快地將該技術(shù)投入實(shí)際的運(yùn)用，因此熱光鬼成像的研學(xué)信息處理高速且多維度隱藏信息的特點(diǎn)使其在信息加密領(lǐng)域也方法的數(shù)據(jù)加密技術(shù)[13-20]近年來(lái)成為研究熱點(diǎn)，尤其是以雙隨機(jī)方法以其良好的性能正得到越來(lái)越廣泛的運(yùn)用。此外，物體分類(lèi)個(gè)經(jīng)典的問(wèn)題。將一個(gè)未知物體的圖像輸入到某種物體分類(lèi)的機(jī)器對(duì)應(yīng)的物體分類(lèi)結(jié)果，即得到物體的類(lèi)別信息。鬼成像基本理論上的光學(xué)成像是通過(guò)探測(cè)器直接記錄物體的反射或者透射光強(qiáng)，者相位信息進(jìn)行關(guān)聯(lián)就能得到物體的像。而鬼成像與傳統(tǒng)成像不階關(guān)聯(lián)，通過(guò)對(duì)多個(gè)探測(cè)器的探測(cè)結(jié)果進(jìn)行一個(gè)符合計(jì)數(shù)的關(guān)聯(lián)典熱光鬼成像的原理如圖 2.1 所示。

源包含大量彼此獨(dú)立發(fā)光的子光源，而且這些子光源（原子、分子）隨機(jī)出熱光。熱光源的各個(gè)發(fā)光子光源的位隨機(jī)差是隨機(jī)變化的且光場(chǎng)強(qiáng)度服此人們發(fā)現(xiàn)，常見(jiàn)的熱光源的漲落速度太快，實(shí)驗(yàn)測(cè)量設(shè)備并不能滿(mǎn)足鬼要求；并且，自然界中的熱光源光強(qiáng)相對(duì)較低，這導(dǎo)致儀器設(shè)備很難捕捉。解決上述問(wèn)題，研究人員提出了一個(gè)猜想：假若可以通過(guò)人為的調(diào)制制備擬熱光源，是否就能解決熱光源漲落速度太快和光強(qiáng)弱的問(wèn)題從而用于鬼rtienssen 等人在 1964 年制備出了一種可以模擬熱光的人造光源，由于這種擁有相似的統(tǒng)計(jì)特性，因此被稱(chēng)作為贗熱光。這種光源制備過(guò)程很簡(jiǎn)單，射一塊旋轉(zhuǎn)且轉(zhuǎn)速可調(diào)的毛玻璃就可以獲得，這種人為可控的贗熱光源的動(dòng)了熱光鬼成像的實(shí)現(xiàn)。 年，Scarcelli 等人便通過(guò)采用人為控制的贗熱光源實(shí)現(xiàn)了熱光源鬼像的實(shí)圖 2.2 所示：

圖 2.3 空間光調(diào)制器鬼成像實(shí)驗(yàn)方案當(dāng) / 1（D=2M+1）時(shí)，即此時(shí)處于遠(yuǎn)場(chǎng)情況，由于光場(chǎng) ( , )在 SLM 中的作可以通過(guò)計(jì)算得到物體平面處的光場(chǎng)分布 ( , )和掃描探測(cè)器坐標(biāo)點(diǎn)所在平面的 ( , )的相干函數(shù)表達(dá)式，可表示為下式所示： ( ) = | |/式(2.17)中，其中 ≈ 和 ≈ 必須都滿(mǎn)足聯(lián)合高斯分布條件。因此我們可以在2 20 2 122( )/21 200 1 0 20 1 0 2,0 1 20 1 2,'( , ) ( )2sin( / 2 ) sin( / 2 )/ 2 / 2sin[ ( ) / 2 ]sin[ ( ) / 2 ]ik Lu x yu x yP dK eD Lk du L k du Lk du L k du Lk D u u Lk d u u L-=== ′ ÷ ÷è -′ ÷ -÷è r rr rl
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張起榮;陳善雄;余廷忠;王燕;;二維合并雙向可調(diào)拉普拉斯逆線性判別分析算法[J];貴州工程應(yīng)用技術(shù)學(xué)院學(xué)報(bào);2017年03期

2 馬家軍;;針對(duì)人臉個(gè)體差異性的核線性判別分析[J];商洛學(xué)院學(xué)報(bào);2016年02期

3 馬馮艷;;主分量分析和線性判別分析在分類(lèi)問(wèn)題中的應(yīng)用[J];科技視界;2015年13期

4 王金甲;胡備;;腦機(jī)接口的廣義核線性判別分析方法研究[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2012年01期

5 高建強(qiáng);范麗亞;;模糊線性判別分析中距離對(duì)面部識(shí)別的影響[J];井岡山大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

6 鄭秋梅;呂興會(huì);時(shí)公喜;;基于雙向二維直接線性判別分析的人臉表情識(shí)別[J];中國(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年05期

7 楊昔陽(yáng);;基于模糊線性判別分析的控制規(guī)則約簡(jiǎn)[J];泉州師范學(xué)院學(xué)報(bào);2010年06期

8 劉笑嶂;馮國(guó)燦;;多重核線性判別分析及其權(quán)值優(yōu)化[J];計(jì)算機(jī)應(yīng)用;2009年09期

9 胡煜;;線性判別分析和主分量分析法應(yīng)用于基因芯片數(shù)據(jù)分析[J];海南廣播電視大學(xué)學(xué)報(bào);2007年04期

10 姚棣榮;;逐步非線性判別分析[J];科技通報(bào);1988年03期

相關(guān)博士學(xué)位論文 前10條

1 劉笑嶂;核方法的若干關(guān)鍵問(wèn)題研究及其在人臉圖像分析中的應(yīng)用[D];中山大學(xué);2010年

2 潘志斌;半監(jiān)督排序的若干關(guān)鍵問(wèn)題研究[D];華中科技大學(xué);2014年

3 袁大林;代謝組學(xué)與中藥研究中復(fù)雜體系的解析方法及應(yīng)用研究[D];中南大學(xué);2010年

4 劉忠寶;基于核的降維和分類(lèi)方法及其應(yīng)用研究[D];江南大學(xué);2012年

5 劉俊;人臉圖像的子空間表示研究[D];南京航空航天大學(xué);2007年

6 張明錦;基于特征選擇的多變量數(shù)據(jù)分析方法及其在譜學(xué)研究中的應(yīng)用[D];華東理工大學(xué);2011年

7 文穎;數(shù)字、字符識(shí)別及其應(yīng)用研究[D];上海交通大學(xué);2009年

8 尹學(xué)松;半監(jiān)督聚類(lèi)分析策略設(shè)計(jì)及其拓展性研究[D];南京航空航天大學(xué);2009年

9 沈道義;基于最小化訓(xùn)練誤差的子空間分類(lèi)算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年

10 趙松;人臉識(shí)別中的姿態(tài)估計(jì)、識(shí)別算法和融合算法的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 車(chē)志勇;基于線性判別分析（FDA）的遷移學(xué)習(xí)方法[D];廣東工業(yè)大學(xué);2019年

2 陳莎;基于鬼成像的光學(xué)加密及物體分類(lèi)方法研究[D];南京郵電大學(xué);2019年

3 滕君;基于度量學(xué)習(xí)的行人再識(shí)別技術(shù)研究[D];重慶郵電大學(xué);2018年

4 王馨彤;函數(shù)型線性判別分析[D];新疆大學(xué);2019年

5 董良;基于線性判別分析與特征加權(quán)支持向量機(jī)的選股模型研究[D];河北工業(yè)大學(xué);2016年

6 郭月;基于正交線性判別分析的高光譜空譜聯(lián)合分類(lèi)方法[D];遼寧工程技術(shù)大學(xué);2018年

7 雷振風(fēng);基于噪聲比LDA和類(lèi)內(nèi)隸屬度KNN的蛋白質(zhì)亞細(xì)胞定位的研究[D];云南大學(xué);2017年

8 陳倩倩;基于線性判別分析與小波分析的支持向量機(jī)股票交易擇時(shí)策略[D];上海外國(guó)語(yǔ)大學(xué);2018年

9 王東;改進(jìn)的二維直接線性判別分析方法及在人臉識(shí)別中的應(yīng)用[D];云南大學(xué);2015年

10 劉超;非迭代三維線性判別分析及其在人臉識(shí)別中的應(yīng)用[D];云南財(cái)經(jīng)大學(xué);2016年

本文編號(hào)：2875778