空间编码复用散斑多信息融合关联成像(特邀)

提出空间编码复用散斑技术来实现单个单像素探测器对多个物体信息的同时探测获取。使用空间编码复用散斑对多个物体信息进行照明,使用单像素探测器对回波信号进行探测,利用关联算法获取混叠多物体信息,然后用空间编码信息对随机采样的多个物体信息进行解码,最后采用压缩感知技术对完整的多个物体信息进行复原。使用该技术分别实现了对多空间、多光谱和多偏振信息的同时探测获取,实验结果证实了该技术的有效性,该技术可有效降低系统数据量,提高关联成像系统的成像效能。     

基于相位调制的运动目标多光谱关联成像研究

为克服扫描方式多光谱成像无法捕获动态场景下的多光谱数据,提出了一种基于相位调制实现运动目标单次曝光多光谱成像方法。该方法将关联成像技术、压缩感知技术与光谱成像相结合,在成像光路中引入空间随机相位调制器,对运动目标物体三维图谱信息数据进行调制和压缩,然后利用探测器获取二维混叠信号,实现单次曝光获取运动目标的三维图谱信息重构,具有光能利用率高、成像时间短、系统结构简单等优点。实验结果表明:单帧CCD探测信号的电子数均值从200 e?按100 e?的间隔增加到1300 e?时,随着电子数均值增加,重构图像相对均方根误差rRMSE值对应减小,重构图像质量提高;当步进电机以30 Hz速度带动目标物体连续运动时,可获得较好质量运动物体的多光谱重构图像;采用光谱仪对目标物体中不同谱段的光谱分布曲线进行测试,所得结果与重构图像的光谱分布曲线相吻合,证明了该方法的有效性。研究结果对多光谱关联成像技术在无人机平台、动态监测等领域的应用提供了有益借鉴。     

基于量子关联成像的图像重构算法采样数研究

量子关联成像技术采用单点强度探测,存贮信息量大,成像速度慢,需研究快速图像重构成像算法。对量子关联成像技术图像重构算法中的统计迭代法和压缩感知算法的采样次数进行了仿真分析,压缩感知算法采用二维离散余弦变换（DCT）将图像稀疏化,高斯随机矩阵作为测量矩阵,正交匹配追踪（OMP）算法对图像进行重构。结果表明：图像越大,重构图像需要的采样次数和采样时间越长,采用压缩感知算法能有效减少采样次数,从而提高系统成像速度。因此,研究量子关联成像的图像重构算法,减少图像的采样次数,对提高成像速度具有重要意义。     

压缩光谱成像空间编码的调制效应

空间光调制过程是空间编码压缩光谱成像方法中影响光谱成像数据保真度的重要环节。为拓展现有压缩光谱成像空间光调制的编码种类,揭示其与成像数据保真度的关联规律,针对压缩光谱成像中的编码调制效应展开研究。基于成像系统物理模型,拓展现有二值化编码振幅调制方法,开展非二值化连续型编码振幅调制研究,进而验证相位型调制方法的施用方法,以全波段图像均方根差作为评价成像数据保真度的参数,量化各类编码调制方法与成像数据保真度的关联。构建具有特定空间特征和谱线特征的仿真场景,实施压缩光谱成像仿真实验,比对六类空间编码调制效应下的成像效果,验证非二值化振幅编码调制的施用可行性及相位型空间光调制对提高此类成像方法数据保真度的有效性。     

全Stokes偏振关联成像技术研究

近年来,随着关联成像技术的高速发展,已被广泛应用于诸多领域内,并引起了高度关注。偏振探测技术能够区分不同材质物体,可以增强系统的探测识别能力。文中结合偏振探测和关联成像技术的优点,利用Walsh-Hadamard散斑对场景进行照明,并对场景反射光进行分时偏振探测,实现了对场景的全Stokes偏振关联成像。搭建相应的实验系统对多材质物体进行了成像实验,利用不同偏振探测信号与照明散斑计算并获得了物体的Stokes参数图像,实现了对同一场景中的不同材质物体和相同材质不同结构物体的区分。通过演化压缩采样复原技术,在不同采样率下对物体图像进行了复原,结果表明:演化压缩采样复原技术能在较低的采样率下,复原出清晰的场景全偏振信息。     

参考臂差分压缩关联成像方案研究

关联成像可以在不包含物体的参考光路中获得物体的像,提供了一种运用常规手段难以获得清晰图像的方法,现已成为量子光学领域的前沿和热点。然而,高分辨率成像和短成像时间一直是关联成像研究的热门。本文提出一种基于压缩感知的参考臂差分关联成像方案(简称,参考臂差分压缩关联成像),只对参考臂测量值做差分运算,而不对物体做差分运算。在方案中,参考臂多次测量的赝热光源强度的随机分布差分被选为压缩感知的测量矩阵,物臂多次测量的关联信息被选为测量值,利用压缩感知重建方法,高质量地恢复出物体信息。理论研究和数值仿真结果表明,该方案可获得文献[19]差分压缩关联成像方案一样的结果,即无论在成像分辨率还是在成像时间等关键性能上都明显优于常规关联成像方案。      

基于CCD图像传感器的压缩成像方法北大核心CSCD

压缩感知理论将信号采样和压缩同时进行,且采样频率远低于奈奎斯特频率,为低分辨率采样高分辨率成像提供了可能。为此,提出一种基于CCD图像传感器的压缩成像方法,利用CCD图像传感器模拟像素值串行输出不可重复使用的特点,对图像进行单次测量,构造半循环半随机测量矩阵对CCD图像传感器输出的模拟值进行压缩测量,基于增广拉格朗日法和交替方向法的最小全变分算法(TVAL3)算法解压缩重构图像。该成像方法测量矩阵的稀疏性较强,能较好地恢复原始图像,同时模拟/数字负担及量化编码的复杂度大大降低,成像系统结构简单,实用性强。仿真结果表明,所提成像算法重构的图像主客观质量较好。     

基于图稀疏正则化多测量向量模型的高光谱压缩感知重建

压缩感知重建是解决高光谱现有成像模式数据量大冗余度高问题的一个有效机制。针对高光谱图像的多通道特性,该文建立了高光谱压缩感知的多测量向量模型,编码端使用随机卷积算子对各通道进行快速采样,生成测量向量矩阵。解码端构建图稀疏正则化的联合重建模型,在稀疏变换域将高光谱图像分解为谱间的关联成分和差异成分,通过图结构化稀疏度量表征关联成分的空谱相关性,并约束谱间差异成分的稀疏性。进一步提出模型求解的交替方向乘子迭代算法,通过引入辅助变量与线性化技巧,使得每一子问题均存在解析解,降低了模型求解的复杂度。对多个实测数据集进行了对比实验,实验结果验证了该文模型与算法的有效性。     

前向调制散斑偏振关联成像技术研究

近年来,关联成像成为光学成像领域的前沿和热点研究之一,它是一种新型的成像技术,具有广泛的应用价值和前景。偏振探测技术可以提升系统探测识别能力,且具有对不同材质物体的分类能力。将关联成像技术与偏振探测技术相结合,固定探测端偏振配置,使用Hadamard模式照明散斑,对照明散斑进行分时偏振调制,搭建了前向调制偏振关联成像系统。利用该系统对含有多材质物体的场景进行了偏振探测成像实验,利用探测信号与照明散斑计算出了场景的强度和偏振信息。使用演化压缩采样复原技术,在不同采样率下对场景信息进行了复原,在12.5%的采样率下获取了场景清晰的强度和偏振信息。     

基于哈达玛矩阵编码测量的自适应压缩成像

为了消除采样过程中的噪声干扰,进一步提高重构图像质量,针对数字微镜阵列(DMD)与桶探测器在测量过程中点对点采样产生的起伏噪声导致图像信噪比降低的问题,提出基于哈达玛矩阵编码测量的压缩采样成像方法。首先采用DMD分区控制方法,利用哈达玛编码测量,计算获得低分辨率的粗糙图像,接着在预测的重要小波系数所在区域,对同一尺度上的重要区域利用哈达玛矩阵进行投影,同时计算出这些区域的小波系数,最后通过小波逆变换获得重构图像。实验表明,在测量噪声为0.2倍的热噪声下,只需要10%的采样率,通过哈达玛编码测量,图像峰值信噪比从13.98dB最高提高到34.56dB,提高了20.58dB,成像质量明显改善,清晰度高。当存在较大的测量噪声时,该方法可以大幅提高图像的信噪比,尤其适用于微弱光信号条件下的高灵敏压缩采样成像。     

基于滤波器组的遥感图像融合方法及其性能分析研究

提出了一种基于滤波器组的图像融合方法，用以融合高空间分辨率全色图像和低空间分辨率的多光谱图像．在高空间分辨率全色图像经过多通道滤波器组分解的基础上，用多光谱图像直接替换全色图像低频子图像的方式进行融合处理；最后对替代后的子图像进行滤波器组重构得到融合后的图像．实验结果表明，通过调整滤波器组的通道个数，该方法能够使融合图像中空间信息和多光谱信息获得更好地折衷．     

Generalized IHS‐Based Satellite Imagery Fusion Using Spectral Response Functions

Image fusion is a technical method to integrate the spatial details of the high‐resolution panchromatic (HRP) image and the spectral information of low‐resolution multispectral (LRM) images to produce high‐resolution multispectral images. The most important point in image fusion is enhancing the spatial details of the HRP image and simultaneously maintaining the spectral information of the LRM images. This implies that the physical characteristics of a satellite sensor should be considered in the fusion process. Also, to fuse massive satellite images, the fusion method should have low computation costs. In this paper, we propose a fast and efficient satellite image fusion method. The proposed method uses the spectral response functions of a satellite sensor; thus, it rationally reflects the physical characteristics of the satellite sensor to the fused image. As a result, the proposed method provides high‐quality fused images in terms of spectral and spatial evaluations. The experimental results of IKONOS images indicate that the proposed method outperforms the intensity‐hue‐saturation and wavelet‐based methods.     

基于变分的多尺度遥感图像融合算法

全色图像与多光谱图像融合时,忽略了上采样的重要性和通道间细节的差异性.针对前者,利用不同尺度下自相似块,估计出低分辨率图像丢失信息,从而修改了图像上采样的策略,并以此构造目标函数的保真项;针对后者,利用全色图像和光谱图像梯度域结构相似性,提出局部加权动态稀疏约束,构造目标函数的正则项.本文基于变分法理论,构造了新的目标函数,并提出了多尺度迭代融合框架,通过多次迭代逐步提高融合图像的分辨率,每一层的融合结果更加准确,从而提高最终的融合精度.本文算法与Brovey等成分替代算法、P+XS等变分算法、MTF_GLP等多分辨分析算法进行比较.实验结果表明,本算法的融合结果具有良好的视觉效果,且在客观评价指标上比所有对比算法的最优值平均值均有提高.     

一种基于对称性边缘的多光谱图像配准方法

多光谱成像技术是遥感领域的一项重要技术。多光谱图像配准技术可以提高遥感图像的应用效率和能力。基于边缘结构在多光谱图像中较为稳定这一特性,提出了一种基于对称性边缘的多光谱图像配准方法,该方法主要包含“图像比例调整”、“对称性边缘提取”和“互信息配准”等三个步骤。基于天宫二号宽波段成像仪的遥感数据设计了一种多子图配准方案,验证了所提方法在可见光、短波红外和长波红外三个谱段之间图像配准的有效性。设置对比实验,将所提配准方法与其他多光谱图像配准方法进行比较,结果表明该方法在天宫二号宽波段遥感图像的配准中具有较高的精度。     

采用NSCT与FCM相结合的SAR和多光谱图像融合算法

合成孔径雷达（SAR）和多光谱（MS）图像的融合,有助于得到对观察对象的更好地视觉感知。但是,由于其内在成像机制上的差异,许多经典的方法已被证明不适合这一研究,因此本文提出了采用非下采样contourlet变换（NSCT）和模糊C均值聚类（FCM）相结合的图像融合算法。采用FCM对SAR图像进行分割,得到目标区域和背景区域;采用NSCT对SAR图像和多光谱图像进行分解,得到低频子带和高频方向子带;对于低频部分,不同分割区域采用不同的自适应融合准则进行融合;对于高频部分,采用区域块能量准则进行融合;最后,通过NSCT逆变换得到融合后图像。实验结果表明,该算法的融合图像能很好的保留SAR图像的目标信息和多光谱图像的光谱信息,融合效果优于大部分传统的融合算法。      

Image Fusion Processing for IKONOS 1-m Color Imagery

Many image fusion techniques have been developed. However, most existing fusion processes produce color distortion in 1-m fused IKONOS images due to nonsymmetrical spectral responses of IKONOS imagery. Here, we proposed a fusion process to minimize this spectral distortion in IKONOS 1-m color images. The 1-m fused image is produced from a 4-m multispectral (MS) and 1-m panchromatic (PAN) image, maintaining the relations of spectral responses between PAN and each band of the MS images. To obtain this relation, four spectral weighting parameters are added with the pixel value of each band of the original MS image. Then, each pixel value is updated using a steepest descent method to reflect the maximum spectral response on the fused image. Comparison among the proposed technique and existing processes [intensity hue saturation (IHS) image fusion, Brovey transform, principal component analysis, fast IHS image fusion] has been done. Our proposed technique has succeeded to generate 1-m fused images where spectral distortion has been reduced significantly, although some block distortions appeared at the edge of the fused images. To remove this block distortion, we also proposed a sharpening process using a wavelet transform, which removed block distortion without significant change in the color of the entire image.     

一种基于非采样Contourlet变换的遥感图像融合算法

为使融合后的多光谱图像尽可能保持原多光谱图像光谱特性的同时提高空间质量,提出了一种基于非采样Contourlet变换（NSCT）和多尺度边缘检测的融合算法。介绍了非采样Contourlet变换和多尺度边缘检测;设计了基于多尺度边缘检测、直接替代的高频、低频子带融合规则;用QuickBird卫星高分辨率遥感图像进行仿真实验。实验结果表明该算法能够在保持光谱信息的同时注入更丰富的空间细节信息,优于传统的Wavelet变换法和Contourlet变换法。     

联合多流融合和多尺度学习的卷积神经网络遥感图像融合方法

为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法.首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼...     

改进的PCNN模型在多光谱与全色图像融合中的应用研究

介绍了PCNN模型原理,提出了基于双通道自适应的PCNN多光谱与全色图像融合算法。该算法首先将RGB空间的多光谱图像转换为HSV彩色空间,然后将HSV彩色空间中的非彩色通道(V通道)的灰度像素值和全色图像的像素灰度值分别作为PCNN-1及PCNN-2的神经元输入,利用方向性信息作为自适应链接强度系数,对非彩色通道图像和全色图像进行自适应分解,再将点火时间序列送入判决因子得到新的非彩色通道图像,最后将原多光谱图像的H通道分量、S通道分量及新的V通道分量经HSV空间逆变换获得最终的融合图像。实验结果表明,该算法不仅解决了链接强度系数自动设置的问题,而且充分考虑到图像边缘和方向特征的影响,无论在主观视觉效果,还是客观评价标准上均优于IHS、PCA、小波融合等其他图像融合算法,同时降低了计算复杂度。     

Feature predictive vector quantization of multispectral images

A compression method for multispectral data sets is proposed where a small subset of image bands is initially vector quantized. The remaining bands are predicted from the quantized images. Two different types of predictors are examined, an affine predictor and a new nonlinear predictor. The residual (error) images are encoded at a second stage based on the magnitude of the errors. This scheme simultaneously exploits both spatial and spectral correlation inherent in multispectral images. Simulation results on an image set from the Thematic Mapper with seven spectral bands provide a comparison of the affine predictor with the nonlinear predictor. It is shown that the nonlinear predictor provides significantly improved performance compared to the affine predictor. Image compression ratios between 15 and 25 are achieved with remarkably good image quality