基于空-谱编码的压缩感知高光谱计算成像

压缩感知高光谱计算成像技术是当前高光谱计算成像领域的研究热点之一,其能够在保持系统元器件物理特性不变的前提下,有效地提升成像质量。本文概述了高光谱计算成像的研究背景和基本概念,详细介绍了压缩感知高光谱计算成像系统的发展现状,重点阐述了本团队提出的基于空-谱编码的压缩感知高光谱计算成像技术,并对其系统组成、数理模型以及最新进展进行了说明。通过总结压缩感知高光谱计算成像的背景知识以及空-谱编码压缩感知高光谱计算成像的研究工作,力求为科研人员探索压缩感知高光谱计算成像新体制带来新的思路,促进高光谱计算成像技术的发展。     

基于压缩感知的反射光谱重构算法研究

光谱反射率描述物体的表面颜色特征,为了能够获取物体自身更加精确的颜色信息,在图像处理领域光谱反射率重构成为了关注的话题。反射光谱重构算法是对实验物体表面在可见光范围内每一波长处的光谱反射率进行重构,以达到提高物体自身颜色准确复制的精度,最后建立相应的反射光谱。尝试将压缩感知(CS)理论应用到光谱实验中,对光谱反射率进行重构。首先是介绍了压缩感知理论知识,然后把压缩感知理论与光谱反射率原理相结合,根据基于压缩感知的光谱反射率重构的理论框架,选取合适的采样值,压缩感知的采样值即压缩值,小波基作为正交矩阵,高斯随机矩阵作为测量矩阵,正交矩阵与测量矩阵需要保证具有不相关性,将原始光谱反射率从高维到低维进行线性投影,得到低维的观测信号,运行简单的正交匹配追踪算法(OMP)对低维的观测信号进行由低维到高维的高精度重构,重构得到的光谱反射率与原始光谱反射率具有相同的维度,最后将压缩感知重构算法与传统的光谱反射率重构算法伪逆法与多项式回归法进行比较。经过压缩感知重构算法得到的色差值与均方根误差值都小于伪逆法和多项式回归法重构的结果,经压缩感知的重构精度明显提高;经压缩感知重构的光谱曲线可以达到或者更接近原始光谱曲线的峰值,整体效果更接近原始光谱曲线;经多项式回归法和伪逆法重构的光谱曲线达不到原始峰值,整体上存在偏差。可以认为压缩感知用低采样的数据达到了全采样的效果,提高了光谱反射率重构的精度。基于压缩感知的光谱反射率重构算法效果明显优于传统的多项式回归法和伪逆法,可以将压缩感知理论应用到实际的多光谱成像系统中。     

高分辨光学压缩光谱成像方法与实验研究

光学压缩光谱成像是融合了压缩感知原理的新型光谱成像技术,具有降低数据采集量、能对景物实施凝视拍摄、提高信噪比等优点。考虑到采样质量对最终成像质量的影响,在现有成像系统中均采用采样间隔与调制间隔匹配的方法,但此方法降低了系统的采样率,损耗了原始光谱分辨率。针对上述成像方法缺陷,克服采样间隔和调制间隔匹配的成像系统设计要求,所设计实验装置使其光谱分辨率理论值提高至原先方法的3倍以上,并对最优化方法进行改进,在正则化函数中增加表征数据光谱维连续性的变差项,增强数据重建可控性及可靠性。实验结果表明,新方法下实验装置的光谱维通道数提升,各波段图像和特定位置光谱曲线能精确反映目标物的空间特性和光谱特性。     

氢气拉曼光谱压缩感知方法分析研究

气体监测与我们的生活息息相关,氢气作为一种理想的研究模型更是受到广泛关注.拉曼光谱作为一种气体分析手段,具有无损非接触等优点.气体拉曼光谱测量存在的一个主要问题是拉曼散射信号弱.在一些特定场景下,需要信号采集时间较短,因此获得的拉曼光谱信噪比低.压缩感知方法作为一种新发展起来的信号处理手段,不仅可以压缩采样,缩短采样时...     

压缩光谱成像系统中物理实现架构研究综述

不同于传统点对点映射成像方式,计算光学成像通过将前端光学信号的物理调控与后端数字信号的计算处理联合起来,使图像信息获取更加高效。这种新型成像体制有望缓解传统成像技术框架下低制造成本与高性能指标间的矛盾,尤其在高维图像信息获取中呈现更显著优势。而物理器件支撑下的系统架构一直是计算光学成像发展的基石,本文针对压缩光谱成像这一子技术领域,介绍了现有可实现空间或光谱调制的光学器件,并以此为基础对多型压缩光谱成像系统架构进行了梳理、归纳,依据信息调制过程的差异,将其规整为单像素光谱成像、编码孔径光谱成像、空间-光谱双重编码光谱成像、微阵列型光谱成像与散射介质光谱成像等几类。重点阐述了多种系统架构的信息调制与采集原理,以及对光谱图像数据立方体的调制效应,并讨论了其中的共性问题。最后给出了面临的技术挑战,探讨了未来发展趋势。     

基于FP微阵列的压缩感知光谱重建研究

针对现有星载扫描光谱成像中无法同时实现高通量、高光谱分辨率的问题,提出采用法布里珀罗( FP)微阵列与压缩感知光谱成像方法.该方法通过在成像探测器前加FP微阵列, FP微阵列调制器每一单元对应不同高度,进而对输入光信号进行调制得到不同的光谱响应.结合扫描和压缩感知复原算法,最终获得高光谱图像数据立方体.该系统光谱范围为...     

压缩感知光谱成像技术的编码孔径与探测器匹配优化

编码孔径光谱成像仪在实际应用中存在着编码模板与探测器分辨率不匹配从而降低系统分辨率的问题。针对该问题进行了两种情况分析,并通过数学理论建模给出了相应的解决方案。对于编码模板分辨率高于探测器分辨率这一情况,提出引入邻域嵌入超分辨技术的方法,实现了基于压缩感知的超分辨光谱成像。对于编码模板分辨率低于探测器分辨率这一情况,提出区块阈值划分的编码孔径,将编码微元按照区块阈值重新划分并进行灰度分级,从而实现低分辨率编码模板的高分辨率编码孔径。利用梯度投影稀疏重构(GPSR)算法进行数据立方体重建,实验结果表明:运用基于超分辨理论的编码孔径快照光谱成像系统所测得的光谱图像更精准,内容更丰富;采用基于区块阈值划分的编码孔径的编码孔径快照光谱成像系统具有更高的空间分辨率和光谱分辨率。结果证实优化后的编码孔径快照光谱成像系统,其分辨率和成像质量大幅度提升,并实现了高分辨率元件的100%利用。     

彩色漫射物体的压缩全息层析成像

漫射物体的压缩全息利用其非相干散射密度函数在统计意义上满足稀疏先验这一假设,可以从多幅散斑图案实现漫射物体的层析重建,避免了散斑和不同平面的散焦图像之间的串扰。将单波长照明条件拓展到红、绿、蓝三色波长,提出一种新的适用于彩色漫射物体的压缩全息层析成像方法,搭建多波长照明条件下漫射物体的层析成像模型,并通过解压缩推理方法有效地分离不同平面的三维非相干密度函数。数值模拟实验表明,所提方法可以在多幅二维彩色散斑图案中成功进行彩色层析漫射物体的压缩重建,有效地抑制了散斑效应以及不同平面的散焦图像之间的相互串扰。     

一种结合并行成像和压缩感知的快速磁共振成像新方法

压缩感知（CS）技术和并行成像技术（主要是SENSE技术、GRAPPA技术等）都能通过减少k空间数据的采集量来加快磁共振成像速度,目前已有一些将两种方法相结合进一步加速磁共振成像速度的方法（例如CS-GRAPPA）.本文针对数据采集和重建这两方面对现有CS-GRAPPA方法进行了改进,采集方式上采用了局部等间隔采集模板以满足GRAPPA重建的要求,并对采集模板进行随机放置以满足CS重建的要求;数据重建时,根据自动校正数据估算GRAPPA算法中欠采行的重建误差,并利用误差的大小确定在CS算法中保真的程度.不同磁共振图像重建实验的结果表明：与现有方法相比,本文方法能够更好地保留原有图像细节并有效减少伪影.     

静态计算光谱成像仪图谱反演的关键数据处理技术

静态计算光谱成像技术中图谱反演环节是实现其理论优势极为关键的一步, 是决定最终获得图谱质量优劣的数据处理技术. 本文为此专注于计算光谱的图谱反演环节,对图像压缩感知理论算法、图像重构算法、 以及针对图谱三维数据的反演算法都开展了深入的研究和比较, 并结合所研制系统的图谱数据传输全链路和工程研制过程中误差等因素进行全面详尽的仿真验证, 给出各种图谱反演算法验证、分析结果. 指出静态计算光谱成像系统研制中图谱反演环节的关键数据处理问题,适合采用的算法及其优化路线. 为顺利研制静态计算光谱成像仪,保证其理论优势的实现,提供了详实的分析、参考依据. 关键词： 计算光谱 编码孔径 压缩感知 图谱反演     

图-谱结合的压缩感知高光谱视频图像复原

针对液晶可调滤波片高光谱成像系统记录动态场景的成像特点,提出一种图-谱结合的压缩感知高光谱视频图像复原方法。首先,通过前景目标检测获得运动前景目标的高光谱图像,实现运动前景目标与背景区域分离,并根据前景目标检测结果将背景区域划分为运动区域(被前景目标遮挡区域)与静止区域(未被前景目标遮挡区域)。然后,基于高光谱图像空间维、光谱维相关性,对静止区域进行字典学习获得稀疏先验信息,结合压缩感知理论用于运动区域恢复,得到完整的背景区域高光谱图像。最后,将运动前景目标高光谱图像与背景区域高光谱图像相结合,得到高光谱视频图像。实验结果表明:本文提出的高光谱视频图像复原方法在峰值信噪比和视觉效果上都要优于现有算法,峰值信噪比平均提高5 d B以上。     

基于压缩感知算法的光栅光谱重构及其应用特性研究

针对现有光栅光谱解调方式所需数据量较大不利于数据传输及处理的现状,应用压缩感知算法通过少量光谱数据采集实现高精度光栅光谱的重构。选取可调谐法布里-珀罗(F-P)滤波器解调方式(TFPDA)作为参照并以布拉格光栅(FBG)及线性啁啾布拉格光栅(LCFBG)作为研究对象,构建实验平台验证压缩感知算法光谱重构的可行性。通过TFPDA采集及压缩感知算法重构不同温度下的光纤光栅光谱并通过高斯非线性算法拟合得FBG中心波长。实验数据表明通过压缩感知采集得FBG温度敏感系数为20.3pm/℃,与TFPDA的相对误差为0.5%。对比此两种方法所得LCFBG光谱,其3dB带宽内的最大相对误差为1.03%,中心波长处为0.69%。上述实验结果证实压缩感知算法在光栅光谱采集重构方面具有一定的应用价值。     

压缩感知计算随机表面的微波散射

选择谐波函数作为散射源的表征基函数,利用随机矩阵进行观测,实现了对散射源的稀疏表征,最后通过正交匹配追踪算法解算出表面散射源.利用压缩感知—正交匹配追踪算法与直接求解矩阵方程所得到的散射远场分布一致.     

压缩感知的远场亚波长声成像仿真

压缩感知算法可以利用信号的稀疏性较好地分辨出两个相距较远的目标,但是当两个目标相距较近时仅利用压缩感知算法,分辨性能较差;另外,当分辨目标为硬散射体时,由于偶极散射的影响,分辨性能也会变得较差。考虑到上述两个问题,该文提出了以下解决方案：针对第一个问题,该文将声学超透镜和压缩感知算法进行结合;针对第二个问题,该文提出在压缩感知算法中考虑偶极散射分量的影响。根据上述方案进行仿真,仿真结果证明了在加入声超透镜并考虑偶极散射以后,硬散射体目标在相距较近时实现了较好的分辨率。     

动态测量的高光谱图像压缩感知

针对高光谱图像相邻波段之间具有强光谱相关性的特点,为了提高高光谱图像压缩感知的重构效果,本文提出一种利用边缘信息设计动态测量率的压缩感知算法。首先,通过随机投影的分块压缩感知方法对每个图像块以固定测量率采样,重构出单波段图像作为其他波段的先验信息,并对其提取出图像边缘区域;然后,根据每个图像块边缘信息的丰富程度来自适应分配测量值。在固定总测量数的前提下,对不同图像块分配不同的测量次数。最后,利用分配好的测量次数对其余波段进行采集和重构。仿真结果表明,在相同总测量数情况下,本文提出的动态测量算法重构出的高光谱图像质量（PSNR）与传统固定测量压缩感知策略相比提高了1~4 dB,相比较下的重构时间也减少,在成功重构高光谱图像的基础上更增强了细节处的图像质量。     

压缩感知重建数字同轴全息

数字重建是数字全息技术的关键步骤.传统的重建算法存在共轭像、聚焦物体与背景离焦物体相互干扰等问题.应用新兴的压缩感知技术,研究了全息图像的稀疏重建.基于衍射的线性运算,导出了利用压缩感知重建数字同轴全息三维空间的算法.利用该算法对颗粒的模拟全息图和数字显微全息实验全息图进行了重建,并将重建结果与传统的卷积重建结果进行了...     

计算层析成像光谱技术研究进展

从技术特点和研究热点的角度,综述了近些年来计算层析成像光谱技术的国内外进展,主要包括计算层析成像光谱仪的系统结构改进及与其他技术联用的新集成设计,新器件新设备的研发和应用,仪器定标技术和目标重建算法的优化与改进等;并按照应用范围的特点进行了分类,对在探测波段扩展和应用领域拓展等方面的应用现状进行了总结.介绍了光栅型和旋转棱镜型计算层析成像光谱技术的原理,并展望了计算层析成像光谱技术的发展趋势.     

基于压缩感知与扩展小波树的自适应压缩成像

为了在现有的采样条件下,通过新的压缩采样方式获得计算量小且质量更好的图像,提出了基于压缩感知与扩展小波树的自适应压缩成像方法。首先将图像投影到分区控制的DMD上,获得图像在低分辨率下的测量值,并通过压缩感知重构算法重构出低分辨图像,接着利用扩展小波树预测重要小波位置,通过DMD在小波域采样获取图像的细节信息,最后由小波逆变换恢复高分辨率图像。将该方法与最小化全变分算法（TVAL3）和近来提出的基于扩展小波树的自适应成像算法（EWT-ACS）效果进行对比,实验结果表明,以boat图像为例,在压缩感知采样率为0.75,整体采样率为10%的无噪声条件下,该方法相较于TVAL3、EWT-ACS算法信噪比提高了4.63 dB和2.87 dB,在附加噪声条件下成像效果也较好。该方法能极大地降低压缩感知重建算法的运行时间,同时减少采样次数,具有较好的抗噪性。     

非高斯分布光谱光源OCT系统的轴向分辨率计算

提出一种基于维纳-辛钦定理计算光学相干层析成像(OCT)系统轴向分辨率δz的通用方法:对光源的功率谱密度分布进行傅里叶逆变换,得到其自相干函数,由其半峰全宽值来获得δz.利用该方法计算了高斯和非高斯分布光谱光源OCT系统的δz,通过与厂商给出的产品标称值相比较,验证了本方法对于高斯和非高斯分布光谱光源的正确性.以超宽带...     

基于压缩感知的动态散射成像

利用基于压缩感知的成像系统可以透过静态的散射介质获得高质量的重建图像. 但是当散射介质动态变化时, 因为采样所得的测量值受到散射介质衰减系数非线性变化的影响, 重建图像质量会大大下降. 针对上述情况, 本文提出基于压缩感知成像系统的测量值线性拉伸算法, 该算法能够对所得到的非线性测量值进行分析, 根据测量值大小的不同将测量值划分成数个区域并计算补偿系数, 从而根据补偿系数进行测量值线性拉伸变换, 使测量值线性化. 最后再对变换后的测量值进行压缩感知重建计算. 通过理论分析、计算机仿真和实验证明了所提算法能够有效地应对动态的散射介质, 提高基于压缩感知成像系统在透过动态散射介质时的图像重建质量.