使用MATLAB编写图像信噪比的代码，名为Deep_Inverse_Correlography，参考论文“Deep-InverseCorrel...”

简介：
matlab程序用于构建图像的逆相关图，并与论文“深度逆相关成像：实现实时高分辨率非视距成像”（Optical, 2020）相关的代码进行关联。 实际应用中，由于强度随着距离的四次衰减，导致光学系统在进行低信噪比(SNR)测量时面临主要的挑战，尤其是在实现实时、高分辨率、非视距(NLoS)远距离成像时。为了更精确地模拟、描述和利用这些低信噪比的测量数据，我们借鉴了频谱估计理论，从而推导出了NLoS相关图的噪声模型。基于此模型，我们进一步开发了一种基于散斑相关的技术，旨在从间接反射中恢复被遮挡的对象。随后，我们利用仅从所提出的噪声模型中生成的合成数据进行训练，构建了一个深度卷积神经网络，用于解决与相关性相关的噪声相位检索问题。实验结果表明，由此产生的深度逆相关方法在抗噪声异常方面表现出卓越的稳健性，并且在实现的空间分辨率和总捕获时间方面都显著超越了现有的NLoS成像系统。通过运用所提出的技术，我们仅使用来自标准互补金属氧化物半导体探测器的两个1/8秒曝光长度图像，成功地实现了1米间距下具有300µm分辨率的NLoS成像演示。该依赖关系训练和测试网络的代码采用Pytorch框架编写，并假设可以访问NvidiaGPU。