余弦编码复用高空间分辨率关联成像研究

发展了一种余弦编码复用高空间分辨率关联成像技术。首先通过构造多个低空间分辨率的余弦编码散斑复用为高空间分辨率调制散斑对目标进行调制照明,单像素探测器收集调制光与目标相互作用后产生的散射光强,由迭代算法复原出目标的混叠图像。进而鉴于余弦编码所特有的确定性频谱结构,利用数字图像处理方法高效解码重构出多个低空间分辨率物体图像,最终拼接为高空间分辨率目标图像。理论分析了余弦编码复用高空间分辨率关联成像技术实现方法,并仿真验证了该方法的有效性。本方法大幅降低了传统高空间分辨率关联成像所需的调制散斑,减少了在线采样时间与离线图像重构时间,提高了高空间分辨率关联成像的成像效率。     

高空间分辨率关联成像技术研究

关联成像受限于成像机制,其空间分辨率与时间分辨率相互制约。成像空间分辨率越高,所需的调制散斑越多,对应的采集时间越长。针对此瓶颈,提出采用多个低空间分辨率散斑同时对高空间分辨率物体调制的关联成像方法,利用单像素探测器接收被调制物体信号,并基于迭代算法与压缩感知算法重构高空间分辨率成像物体图像。利用数值仿真验证了所提方法的有效性。研究结果表明,所实现的高空间分辨率关联成像技术大幅降低了调制散斑数量,减少了在线采样时间,在生物医学等要求高空间分辨率且对采样时间苛刻的领域具有重要的应用价值。     

光谱编码计算关联成像技术研究

现有的多光谱成像技术通常采用光学分光的方式，使用多个探测器对成像场景的光谱图像进行采集，导致现有成像系统复杂，数据量大、效率低。针对现有技术的不足，提出基于正交调制模式的光谱编码计算关联成像技术。通过正交光谱编码矩阵融合Hadamard基图案构造投影散斑对宽带光源进行调制，单像素探测器收集成像物体与调制光源相互作用后的反射信号；应用演化压缩技术复原成像物体的混叠光谱图像；利用编码矩阵的正交性质解码出欠采样的光谱分量图像，对分离出的图像应用组稀疏压缩感知算法重构全采样的光谱分量图像，最后融合出成像物体的多光谱图像。通过数值模拟与实验两方面验证了所提方法的高效性。所提的技术简化了多光谱关联成像系统，降低了数据量。光谱编码方法可以扩展到更多的光谱通道，也可以应用在偏振关联成像、信息加密等领域。     

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。     

单像素复振幅成像（特邀）

传统光学成像系统主要依靠阵列探测器对目标的空间分布进行探测来达到成像的目的。而单像素成像不需要阵列探测器,在探测端只需要使用一个单点探测器来记录光场的信号,然后利用关联算法来重构目标物体的图像信息。由于单点探测器的技术较为成熟,且成本较为低廉,因此这种成像方式在近些年得到了研究人员的广泛关注,期望单像素成像技术能够应用在X射线、红外、太赫兹等波段。另外,单像素成像技术在生物荧光成像、多光谱成像、三维成像、光场复振幅成像等应用领域也得到了深入的研究。其中光场波前的相位探测在天文观测、医学诊断、光学测量等领域至关重要,研究人员针对这一问题提出了多种基于单像素成像技术进行复振幅成像的方法,这些研究有效地拓展了单像素成像技术的实际应用场景。文中主要介绍了单像素成像技术的历史发展及其基本工作原理,并着重介绍了单像素成像技术在复振幅成像应用中的工作。     

单像素几何矩探测运动物体定位技术（特邀）

针对快速实时定位运动物体的需求,提出了一种使用几何矩探测的单像素快速定位运动物体的方法。该方法的核心是通过探测运动物体的质心实现快速定位运动物体。根据几何矩性质构造3个几何矩照明光,并照射运动物体,利用单像素探测器收集运动物体与调制光相互作用后的反射或透射光的强度值。根据单像素成像理论,探测强度值与物体的零阶和一阶几何矩值相对应。标识物体位置的质心参数可由物体的零阶和一阶几何矩值获取。结合数字微镜调制器(DMD)和时间抖动的方法产生几何矩照明光,利用所提方法在不成像的前提下分别实现了帧频约为500 fps和1 000 fps运动物体定位。所提方法获取质心的误差在1.63个像素以内,均方误差为0.118 3个像素。文中所提方法为使用单像素探测器实现快速追踪运动物体提供了一种新思路。     

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。     

单像素成像在特殊波段及三维成像的应用发展

与传统的面阵成像技术不同,单像素成像技术作为一种新型的计算成像技术,使用不具备空间分辨能力的桶探测器,结合空间光场调制技术,通过关联算法重构待成像物体的空间强度信息,在研究界得到了广泛的关注。近年来,单像素成像技术被广泛应用于各种波段的成像领域,尤其是在某些面阵探测器价格昂贵甚至无法制备的特殊波段,单像素成像技术逐步发展为一项低成本高成像质量的替代技术。并且,在三维成像技术中,大量基于单像素成像的相关研究工作也被相继提出。文中主要介绍了单像素成像技术的基本原理及应用发展历程,并着重介绍了其在条纹结构投影三维成像技术中的应用工作。     

随机散斑图正交优化计算鬼成像

为克服随机散斑图照射下统计噪声对计算鬼成像成像质量的影响,提出了随机散斑图正交优化计算鬼成像方法。首先在计算鬼成像的基础上分析随机散斑图对目标物体重构质量的影响;然后结合实对称矩阵性质,通过空间映射矩阵,将原有随机散斑图正交化;再利用重构的正交散斑图对未知物体进行照射并由桶探测器测量,测得的一系列桶探测器值与计算机存储的重构散斑图通过二阶关联运算对目标物体进行重构;最后参考重构散斑图的协方差矩阵特征,对重构结果进行补偿,进一步提升物体重构质量。该方法不仅能有效提升随机散斑图计算鬼成像的成像质量,同时还具有算法结构简单的特点。仿真实验结果表明:相比于传统的随机散斑图照射下的计算鬼成像,该方法能有效地对目标物体进行重建,并表现出良好的性能。     

单像素成像及其在三维重建中的应用

不同于数码相机使用光电探测器阵列来获取图像,单像素成像通过使用一系列掩膜图案对场景进行采样,并将这些掩膜图案中的信息与单像素探测器测量得到的相应光强做关联计算以重建图像。虽然在传统可见光成像领域,单像素成像性能远不如数码相机,但许多研究成果表明,其在复合波长、太赫兹、X射线以及三维成像等一些非常规应用中具有一定优势。介绍了单像素成像技术的发展历程,用数学模型对其成像原理进行了解释,并分析了影响其性能的要点。此外,文中还对三维单像素成像技术的研究工作及其潜在的应用前景进行了总结和展望。     

基于光电混合神经网络的单像素快速运动物体分类（特邀）

对快速运动物体进行持续分类具有重要的应用前景。受限于有限的数据传输带宽和存储空间,目前基于场景图像的物体分类技术难以实现对运动物体的持续分类。受到单像素成像在时间上累积获取信息这一方式的启发,结合深度学习,提出了一种基于光电混合神经网络的单像素快速运动物体分类方法。该方法不需要获取目标物体的图像,利用对光场的空间调制和单像素测量,直接获取用于分类的特征信息,从而避免了在持续分类过程中基于图像分类方法产生的海量图像数据。单像素测量过程作为神经网络的一部分,将光计算与电子计算无缝衔接起来,构建了一个光电混合神经网络用于对物体的分类。通过对快速旋转圆盘上的手写数字进行持续分类实验测试,证明了提出的方法在分类快速运动的手写数字方面的能力,超过了人眼视觉。     

傅里叶单像素成像技术与应用

非可见光成像是光学成像领域中的难题之一。单像素成像作为一种新型的计算成像技术,利用空间光调制技术,可实现只使用一个无空间分辨能力的单像素探测器获取物体的空间信息。因此单像素成像是解决传统成像在非可见光波段成像难题的潜在解决方案之一。近年,傅里叶单像素成像技术被证明是一种可以兼得高成像质量和高成像效率的单像素成像技术。自2015年被提出至今,傅里叶单像素成像已经从二维成像推广到三维成像、从灰度成像推广到彩色成像、从静态成像推广到动态成像、从单模态成像推广到多模态成像、从宏观成像推广到显微成像,发展出一系列的成像技术。对傅里叶单像素成像技术的基本原理、与之相关的成像技术和应用进行了综述,并讨论了现存的一些关键问题以及今后可能的研究方向。     

单像素成像理论与方法（特邀）

单像素成像技术是一种可通过无空间分辨能力的单像元探测器来获取目标图像信息的新型成像技术,与传统“所见即所得”的光学成像技术相比具有高灵敏、抗干扰和高分辨等一系列优点,在遥感探测、国防军事和生物医学等领域有着广阔的应用前景。近年来,随着计算能力的提升和光电器件的发展,单像素成像受到越来越多学者们的关注。简要回顾了单像素成像的发展历程,详细介绍了单像素成像的基本原理、调制矩阵设计、图像恢复算法等方面的研究进展,并对其应用场景和未来发展趋势进行了总结和展望。     

Wavelet-Based Detection and Its Application to Tracking in an IR Sequence

We propose an effective technique using a wavelet-based temporal decomposition algorithm to detect single-pixel targets with motion from frame to frame. We next integrate the proposed detection algorithm with an interacting multiple-model method and multiple filter bank approach to provide an effective solution for tracking multiple single-pixel nonmaneuvering and maneuvering targets. Through Monte Carlo simulations, we establish the efficiency and robustness of the proposed approach. Based on exhaustive empirical study, we demonstrate the effectiveness of our proposed approach in tracking multiple single-pixel targets in a sequence of infrared images with clutter and occlusion due to moving clouds in airborne applications.     

Segmentation of Tracking Sequences Using Dynamically Updated Adaptive Learning

The problem of segmentation of tracking sequences is of central importance in a multitude of applications. In the current paper, a different approach to the problem is discussed. Specifically, the proposed segmentation algorithm is implemented in conjunction with estimation of the dynamic parameters of moving objects represented by the tracking sequence. While the information on objects' motion allows one to transfer some valuable segmentation priors along the tracking sequence, the segmentation allows substantially reducing the complexity of motion estimation, thereby facilitating the computation. Thus, in the proposed methodology, the processes of segmentation and motion estimation work simultaneously, in a sort of “collaborative” manner. The Bayesian estimation framework is used here to perform the segmentation, while Kalman filtering is used to estimate the motion and to convey useful segmentation information along the image sequence. The proposed method is demonstrated on a number of both computed-simulated and real-life examples, and the obtained results indicate its advantages over some alternative approaches.      

单像素成像中的光信息编码与解码

单像素成像旨在通过单个感光元件记录目标场景信息。由于其高灵敏度、宽谱段响应等良好的特性,单像素成像是近年来的研究热点。通过对高维光信号的编码采集与解码重构,单像素成像能够满足丰富的成像需求。介绍了单像素成像的研究背景,简述了其成像原理及重构算法,从光信息编码与解码角度系统回顾了单像素成像的研究现状和前沿技术。此外,还讨论了单像素成像技术中存在的问题,以及未来可能的研究方向与应用。     

Efficient Spatially-Variant Single-Pixel Imaging Using Block-Based Compressed Sensing

Single-pixel imaging is an important alternative to conventional camera. Only a single-pixel detector is needed to capture image data by measuring the correlation of the target scene and a series of sensing patterns. Conventionally, Nyquist-Shannon theorem requires measurements not less than the image pixels for an error-free reconstruction. Compressed sensing (CS) enables image reconstructions with fewer measurements but the image quality and computational cost remain the primary concerns. This paper presents an efficient single-pixel imaging technique based on blocked-based CS in which the sensing matrices are designed based on spatially-variant resolution (SVR). The proposed method decreases the number of measurements as well as the image reconstruction time using the SVR sensing patterns. Furthermore, it takes advantage of block-based CS to reduce the expenses of computational resources. The proposed method is evaluated and compared to conventional uniform resolution (UR) image reconstruction in terms of image quality and reconstruction time. The results show that the proposed method consistently reduces the reconstruction time and able to give better image quality at lower sampling ratio (SR). This provides an efficient reconstruction for single-pixel imaging which is desirable in practical application and situations where low sampling rate is required.