关联成像仿真与数据处理系统

资 源 简 介

本系统是一个专门针对光学关联成像研究开发的MATLAB仿真及数据处理平台，致力于解决鬼成像（Ghost Imaging, GI）中的算法实现与大规模数据管理难题。系统实现了经典关联算法（Normal GI）、差分关联算法（DGI）以及压缩感知关联成像（CSGI）等多种重构方案，能够通过对桶探测器采集的一系列光强总和与对应的散斑场分布进行二阶关联运算，从而实现对非直接观察目标的图像重建。针对数据读取与存储，系统内置了对大尺寸矩阵的优化读取机制，支持对二进制数据流、.mat文件以及实验采集到的散斑序列进行高效存取，解决了在长时间、高采样率实验中面临的内存占用过高及数据IO瓶颈。该系统还包含了完整的散斑场质量评价模块，可对生成的随机矩阵进行统计特性分析，如均一化检验、自相关性计算等。通过该系统，用户可以方便地模拟不同光源相干性、物体透过率函数以及各种环境噪声对成像质量的影响，为物理实验提供理论验证与参数优化依据，广泛应用于量子成像、非视域成像及散斑照明等前沿光学领域。

详 情 说 明

基于MATLAB的关联成像（鬼成像GI）仿真与数据处理系统

项目介绍

本系统是一个专门针对光学关联成像研究开发的MATLAB仿真及数据处理平台，旨在模拟鬼成像（Ghost Imaging, GI）的物理过程并提供高效的数据重构方案。系统通过数值模拟生成随机散斑场，与目标物体相互作用后通过“桶探测器”收集无空间分辨率的光强总和，最后利用二阶关联算法从背景噪声中提取并恢复物体的图像信息。该系统涵盖了从散斑生成、前向物理探测模拟、数据高效存储到多种先进重构算法实现及质量评价的全流程。

功能特性

1. 多目标算例构建：内置复杂目标模板生成器，能够创建包含几何方块、线性结构、圆形以及背景微扰的探测目标。
2. 散斑场统计特性分析：生成高斯分布的随机散斑，并计算空间自相关函数，用于量化散斑的统计特性。
3. 真实物理探测模拟：模拟探测过程中的加性噪声干扰以及8位探测器量化过程，提高仿真的实验贴合度。
4. 大规模数据IO优化：实现了基于二进制流的散斑与信号存取机制，模拟解决长序列采样中的内存占用和读写瓶颈问题。
5. 多元重构算法库：集成了经典二阶关联（GI）、差分关联（DGI）以及基于正交匹配追踪的压缩感知关联（CSGI-OMP）。
6. 全维度质量评价：系统自动计算峰值信噪比（PSNR）与结构相似性（SSIM），并动态绘制采样率提高对成像质量影响的趋势图。
7. 综合结果可视化：提供集成化的图谱展示，同屏对比原始图像、散斑场、各算法重构效果及探测器信号波形。

使用方法

1. 启动MATLAB环境，并确保安装了基本运算模块及图像处理相关底层支持。
2. 运行主函数，系统将自动按照预设的分辨率（默认64x64）和采样数（默认4096次）开始仿真。
3. 观察命令行输出，查看算法执行进度及计算得到的PSNR和SSIM数值。
4. 在生成的“鬼成像仿真系统结果图谱”窗口中，对比不同重构方案的视觉效果，并分析采样率与PSNR的关联规律。

系统要求

• 软件环境：MATLAB R2016b 及以上版本。
• 硬件建议：建议内存8GB以上，以支持大尺寸散斑矩阵的快速运算。

实现逻辑与算法细节

1. 目标构建逻辑 系统首先定义一个N×N的矩阵，通过逻辑掩模和坐标网格生成方块、横线和圆形，并叠加高斯随机噪声模拟目标的背景微扰，确保所有灰度值归一化在0至1之间。

2. 前向物理过程模拟

• 散斑生成：产生M×N^2的随机矩阵，模拟随时间变化的随机照明光场。
• 桶探测器信号：将散斑矩阵与目标向量进行矩阵乘法。为模拟真实硬件，系统引入了比例加性高斯噪声，并执行8位量化处理。

3. 数据存储优化 针对大量散斑场占用内存的问题，系统演示了文件流操作。将双精度浮点格式的散斑矩阵和桶信号写入本地二进制文件，随后再重新读取，这种机制在实际处理数万帧实验数据时能有效保护系统运行内存。

4. 关联重构算法实现

• 经典关联 (GI)：基于光强波动的统计平均。通过计算观测信号与散斑场投影之间的协方差来恢复像素空间分布。
• 差分关联 (DGI)：在计算过程中引入参考路径的补偿。利用单次采样散斑的总光强对桶信号进行加权修正，极大地提高了重构图像的信噪比。
• 压缩感知关联 (CSGI-OMP)：采用了正交匹配追踪（OMP）算法。在欠采样的情况下，通过贪婪迭代寻找感知矩阵中最相关的原子来稀疏表示目标图像，实现在远低于尼奎斯特采样率下的高保真重构。

5. 质量评价与趋势分析 系统内置了质量评价函数，能够自动化地对重构图像进行归一化处理，并计算其与原始目标的PSNR和SSIM指标。此外，系统通过循环改变参与计算的采样点数，动态描绘出采样率从10%提升至100%过程中DGI算法性能的改善轨迹。

6. 关键函数功能

• omp_solver：核心重构算法函数，通过残差更新与最小二乘投影，在已知散斑和桶信号的前提下求解欠定线性方程组。
• calculate_metrics：自动化图像指标计算函数，实现了对重构精度和结构完整性的定量评估。