哈达玛变换光谱成像仪光谱响应非均匀性修正

哈达玛变换光学是近些年发展起来的一门新技术,已经被广泛应用于目标设别、微弱信号检测等领域。基于DMD的哈达玛变换光谱成像仪是一种新型的色散型光谱成像仪。介绍了哈达玛变换成像原理,在自行研制的哈达玛变换光谱成像仪基础上,从光谱定标的角度,研究了哈达玛变换光谱成像仪获得的编码图像的光谱响应非均匀性。针对哈达玛变换光谱成像仪获得的光谱图像中叠加非均匀性噪声及光谱混叠影响光谱复原精度的问题,首次在该光谱成像仪上利用辐射度相对光谱修正和绝对光谱修正算法,对光谱响应非均匀性进行修正。仿真计算和实验结果表明,对于哈达玛变换光谱仪采集的七个波段的光谱图像,修正后的光谱曲线与辐射度计获得的谱线精度非常接近,使复原光谱的误差在2.4%～4.2%的范围,满足实验室和工程应用的技术要求。     

确定性矩阵可分离压缩成像

针对可分离压缩传感使用的可分离随机正交矩阵在处理大尺度图像等高维信号感知时难度太大或成本过高的问题,引入确定性测量矩阵,提出确定性矩阵可分离压缩传感,可将如托普利兹矩阵及循环矩阵等具有确定性结构的矩阵作为可分离压缩传感的左、右可分离矩阵.该方案可以降低独立元素的数目,从而显著降低前端物理实现的难度与成本.数值模拟实验分别评估了该方法在不同采样率及不同图像尺寸下的压缩重建性能,结果表明该方法在独立元素非常少的情形下得到与原随机正交矩阵相近的重建质量,证明了其可行性.     

基于残差编解码网络的单光子压缩成像

在进行高分辨率成像时,由于需要大量的测量和图像重建计算,单光子压缩成像需要较长的时间。提出了一种采样和重建集成的残差编解码网络SRIED-Net用于单光子压缩成像。将二值化的全连接层作为网络的第一层,并将其训练成二进制的测量矩阵,直接加载到数字微镜阵列上以实现高效压缩采样。除第一层外的其余网络都用于快速重建压缩感知图像。通过一系列的仿真和系统实验比较了压缩采样率、测量矩阵和重建算法对成像性能的影响。实验结果表明,SRIED-Net在低测量率下优于目前比较先进的迭代算法TVAL3,在高测量率下与TVAL3的效果很接近,在所有测量率下都优于目前常见的几种基于深度学习的方法。     

相控阵超声缺陷检测数据压缩感知

为了解决超声相控阵信号采集、存储和传输中数据量大的问题,研究了压缩感知在相控阵无损检测信号和图像压缩重构中应用的可行性。首先使用5种贪婪算法对相控阵仿真信号进行压缩重构,根据百分比均方误差选取最优算法并考虑了噪声对精度的影响,结果表明压缩感知可以用低于奈奎斯特极限的测量点数准确重构原始图像;其次用人工缺陷回波信号进行实验验证,通过稀疏度计算选择适用相控阵信号的最优稀疏基,并通过5种传感矩阵的优化选择进一步提高了重构精度。实验结果尽管达不到仿真中的理想效果,但是能以少量测量值准确恢复图像,并能保证缺陷的识别,说明压缩感知算法可以有效提高相控阵缺陷检测效率。此外,在保持测量点数相同的情况下,仿真和实验都研究了不同采样率对重构精度的影响,当测量点数超过一定值时,证实了压缩感知实际与采样率无关。     

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。     

基于纯相位调制的散射介质传输矩阵测量与光波聚焦

提出了基于纯相位调制的传输矩阵通用测量方法,搭建了传输矩阵测量的实验装置。分别利用单位矩阵调制和哈达玛矩阵调制方式进行了传输矩阵测量,并实现了穿透散射介质的光波聚焦。实验结果表明,基于单位矩阵测得的传输矩阵,其聚焦点光强为背景光强的19倍;而基于哈达玛矩阵测得的传输矩阵,其聚焦点光强为背景光强的16倍。     

哈达玛变换光谱仪混合像元解混方法研究

哈达玛变换光谱成像仪是一种采用多通道探测的数字变换光谱技术,介绍了基于数字微镜阵列器件(DMD)的哈达玛变换光谱仪工作原理与仪器结构,对成像传感器所获得的混合像元进行了分析研究,理论推导出了混叠像元的解混合方法,仿真实验结果表明该方法简单有效,对提高混合像元复原光谱精度超过10%。     

超声全矩阵数据联合稀疏重构的多测量向量模型应用

针对单测量向量模型(Single Measurement Vector,SMV)等传统压缩感知方法处理超声全矩阵数据时,存在重构精度低和重构耗时长等问题,本文研究了多测量向量模型(Multiple Measurement Vectors,MMV)应用的可行性。针对铝合金试块中不同深度的φ2 mm横通孔,分别使用MMV模型中的多测量稀疏贝叶斯(Multiple Sparse Bayesian Learning,MSBL)算法和SMV模型中的稀疏贝叶斯(Sparse Bayesian Learning,SBL)算法进行超声全矩阵数据重构,并实施全聚焦成像。随后,引入归一化均方误差和阵列性能因子评价图像和信号的重构效果。实验结果表明,SBL算法在25%采样率时的归一化均方误差为1.9%,而MSBL算法仅需15%采样率即可达到相似效果且耗时更少。     

基于对称三对角矩阵的宽带滤波调制光谱观测编码设计

基于压缩感知及深度学习理论的光谱观测编码方案存在滤光器件设计与光谱重建过程复杂、设计光谱透过率难以硬件实现等问题,因此从简化光谱观测系统的思路出发,考虑常见干涉滤光器件的制造难度,提出基于对称三对角Toeplitz矩阵的光谱透过率观测编码方案;采用矩阵理论讨论光谱观测矩阵的适定性,并采用数值仿真方法研究其容差能力。理论分析结果表明,随着光谱观测矩阵规模的增大,对称三对角矩阵的条件数增长较慢,上限可控。数值仿真结果表明,采用非负最小二乘算法进行光谱重建,并在保证特定约束的情况下,增加观测矩阵的规模对对称三对角矩阵光谱观测编码方案适定性的影响较小,仍然可以保证很高的光谱测量重建准确度。     

并行压缩感知计算层析成像光谱

计算层析成像光谱既有传统成像光谱仪获取目标二维空间和一维光谱“图谱合一”的能力,还具有高通量测量和免扫描特性,在光谱成像领域拥有广泛应用场景并得到大量研究。根据中心切片定理,计算层析成像光谱仪性能主要受焦平面阵列探测器(FPA)和二维色散元件的性能制约,以往研究主要在改进二维色散元件设计以增加衍射级次和投影角度以提高精确重建光谱所需的采样量。从FPA二维色散投影测量入手,提出并行压缩感知理论和计算层析成像光谱结合的方法,构建并行压缩感知计算层析成像光谱模型,利用低分辨FPA实现更高分辨率的色散投影测量,最终实现高于传统计算层析直接测量的性能水平。该研究为验证该成像光谱模型的正确性与可行性,先选用高光谱数据集对色散投影直接测量模型进行了三光谱立方体到二维色散投影和并行压缩感知测量模型重建的仿真实验,在仿真结果正确的前提下使用连续谱激光器和反射式数字微镜进行了相应的光学系统实验,完成了投影矩阵的逐点精确标定,并提出提高标定效率的并行标定方法,将标定时间降低到单点标定的四分之一。结果显示并行压缩感知计算层析成像光谱可以获得更高的光谱重建质量,能获得高于FPA自身性能的高分辨光谱投影并大幅提高...