编码孔径成像光谱仪中编码元形变的分析校正 下载: 1014次
1 引言
成像光谱技术可同时获得目标场景二维图像信息和一维光谱信息组成的三维数据立方体,真正实现图谱合一,在航空航天遥感、农业应用、矿产资源探测、减灾等诸多领域都有着广阔的应用前景[1-5]。传统的时间调制干涉型成像光谱仪利用动镜扫描产生光程差,可实现很高的光谱分辨率,然而系统内含可动部件,系统精度控制和稳定性仍然是一个很大的问题[6-10];色散型成像光谱仪由于光谱分辨率和光通量之间存在相互制约的矛盾关系,系统的光通量受限,且在推扫时存在伪影问题[11-12]。2007年,受压缩感知理论的启发,美国杜克大学设计了一种压缩编码孔径成像技术(CASSI)[13-14],系统利用编码孔径取代了传统色散型成像光谱仪中的扫描狭缝,在保证系统高光谱分辨率的同时又能获得高通量,具有干涉型光谱成像技术多通道的优点,并且具备凝视成像的能力。因此,编码孔径成像光谱仪成为了近年来国内外的研究热点。在编码孔径光谱成像仪发展过程中,数字微镜器件(DMD)以其灵活快捷的编码方式得到了普遍使用,并推动了压缩编码孔径光谱成像技术的发展。
2010年,中国科学院西安光学精密机械研究所研制了第一台天基可见光Hadamard变换光谱成像仪的地面原理样机,该仪器使用DMD作为编码孔径,进行了实验室光谱和辐射定标[15]。2013年,美国国家实验室Love等[16]搭建了一套基于DMD的编码孔径光谱成像仪实验室系统,从光学系统优化的角度对图谱混叠进行了深入研究和改进。2014年,中国科学院光电研究院马原等[17]针对光学系统放大倍率误差造成的DMD和探测器像元在大小上不匹配的问题,给出了图像质量与系统光学放大率之间的曲线关系。2015年,杜克大学[18-19]针对CASSI系统中编码因子和探测器像元之间不同方向上存在的配准误差问题,开展了基于压缩感知的超分辨编码算法的研究。2016年,娄静涛等[20]为解决折反射全向成像分辨率低的问题,设计了一种基于编码孔径的折反射全向压缩成像原型系统。
本文研究了采用DMD作为编码元件的对称色散型编码孔径成像光谱仪(SDCAIS),系统采用非空间多路技术,包含两个关于DMD对称的光栅,分别完成光谱的分光和合光功能。系统中DMD处于倾斜的反射光路中,导致每个正方形的微镜经后置光路在探测器上的成像产生非对称形变,所有镜元形变叠加后,将会使编码因子和探测器像元无法精确配准,由此产生的采样误差会导致图谱重构的精度降低,甚至无法实现图谱重构。
对此问题,目前常用的解决方法是将探测器倾斜放置[21-23],与DMD关于合光光栅对称,这一方法通过简单的机械调节即可实现,但是探测器倾斜会引起系统离焦,且离焦量随着视场的增大而增大,而成像系统的焦深范围非常有限(通常为微米量级),因此,使用探测器倾斜补偿方法会导致清晰视场范围大幅降低,在实际应用中会受到很大的限制。本文研究了一种“非对称形变的规则条纹校正(UDRSC)”方法,该方法首先在DMD上加载规则的“回字形”条纹;其次对比探测器采集到的图像与DMD加载的规则图像,对采集到的图像进行初步去噪处理后建立探测器像元与DMD像元之间的对应关系;然后根据DMD上规则图像中像元的排列顺序,设计算法对探测器所捕获的图像进行校正;最后将校正后的图像与理论值进行相似度对比,观察其校正效果。
2 基本原理
2.1 编码孔径成像光谱仪原理
本研究中基于DMD的SDCAIS结构原理如
义目标场景的光谱密度函数为
式中
为将波长变化反映到空间位置坐标变化中,设
式中
2.2 DMD与探测器的配准模型
系统中使用的DMD由TI公司生产,其型号为0.7XGA,分辨率为1024 pixel×768 pixel,镜元尺寸为13.68 μm×13.68 μm,如
DMD与探测器经光学系统后的空间对应关系如
在本系统中,从DMD到探测器的成像镜B和后置成像镜均为双远心光学系统,组合后光学放大倍率为0.5,因此 DMD镜元和探测器像元的尺寸最佳配准关系为:
式中
2.3 编码元产生形变的原因
当系统理想成像时,DMD与探测器对应关系如
图 4. DMD与探测器的对应关系。(a)理想情况;(b)实际情况
Fig. 4. Correspondence of DMD and the detector. (a) In ideal condition; (b) in fact condition
实际搭建的实验光路如
若通过机械补偿方法旋转探测器使其与DMD关于逆色散光栅对称,会导致探测器焦平面产生随视场增加而变大的离焦量,仅能在很小的视场范围内获得清晰成像,如
3 实验数据及校正结果
由于“回”字形中包含大量规则的横竖条纹且易于分辨,因此本研究选择条纹宽度不同的“回字形”条纹进行校正。将校正条纹加载到DMD上,观察其在探测器上成像的形状和位置即可发现系统存在的问题并进行相应的调整。为便于观察,先在DMD上加载宽度为8的“回字形”条纹进行实验,如
图 7. DMD上加载的条纹宽度为8 pixel的“回字形”校正图案
Fig. 7. Hollow square calibration pattern with the fringe width of 8 pixel loaded on DMD
由于成像系统为双远心系统,因此对
图 8. 探测器与DMD在θ方向配准后的图像
Fig. 8. Image after matching for detector and DMD in the direction of θ
为了确定DMD中心在探测器上的精确位置,在DMD上加载一副仅中心4×4个镜元通光的模板,在探测器上采集到的图像如
为减小环境振动等外界干扰对实验的影响,对DMD加载的同一条纹模板采集10张图像,设采集的图像中每个像点的强度为
采集的图像如
图 10. 效果对比图。(a)取均值效果;(b)取均值细节;(c)取中值效果;(d)取中值细节
Fig. 10. Comparison diagram of the effect. (a) Effect of mean value; (b) detail of mean value; (c) effect of mid-value; (d) detail of mid-value
对取中值后的图像做二值化处理,由于加载的条纹宽度为8 pixel,而光学系统成像关系为4×4个DMD镜元对应5×5个探测器像元,因此,探测器采集到的条纹宽度应为10 pixel,利用大津法(OTSU)自适应阈值分割算法[24-25]得到的阈值为0.45,但此时白条纹宽度均值大于10 pixel,而黑条纹宽度均值小于10 pixel。由于阈值越小,白条纹越窄而宽条纹越宽,因此调低阈值至0.41,此时得到的黑白条纹平均宽度与理论值10 pixel最接近,处理后图像如
为了利于后续的计算处理,图中竖条纹与横条纹的交点需做到可清晰识别。利用不同算法进行边缘提取并进行比较分析[26],
图 12. 利用各边缘提取算子进行处理后的结果。(a) Prewitt算子:阈值0.04;(b) Log算子:阈值2;(c) Log算子:阈值3;(d) Canny算子:阈值0.2
Fig. 12. Results after processing with each edge extraction operator. (a) Prewitt operator: threshold is 0.04; (b) Log operator: threshold is 2; (c) Log operator: threshold is 3; (d) Canny operator: threshold is 0.2
选取每个竖条纹与横条纹相交的两个点(
取平均后得到斜率
图 14. 校正前后对比。(a)校正前;(b)校正后
Fig. 14. Comparison of before and after correction. (a) Before correction; (b) after correction
根据DMD镜元和探测器像元4×4对应5×5的大小关系,将DMD上加载的图片进行放大,并使其中心点位于(1083,1069)处,得到探测器理论上应获得的图像如
式中
由于UDRSC算法对图像的处理过程并不复杂,且计算过程相对简单,通过对探测器显控程序的编程,可将UDRSC算法直接加载到上位机显控程序中,不需要增加成本,且因其能够在成像输出过程中自动完成,可以大大地减小传输数据量,有利于提高系统整体的实时性能。
4 分析与讨论
首先通过对采集到的多幅图像取中值的方式减小环境振动等外界干扰的影响。然后加载“回字形”条纹,并通过先二值化、再边缘提取的方式获取横竖条纹交点坐标,根据坐标值计算得到图像偏移的斜率,并设计了图像校正的方式。分析结果显示,当在DMD上加载宽度为8的规则“回字形”条纹时取得的校正效果较好。
在同样的实验条件下,加载其他条纹宽度的“回字形”条纹进行实验,在DMD上加载宽度为4的“回字形”条纹,由UDRSC方法得到形变量并进行校正,校正前后的图像如
图 16. 条纹宽度为4 pixel的“回字形”图案校正前后对比。(a)校正前;(b)校正后
Fig. 16. Comparison of the hollow square pattern with the fringe width of 4 pixel (a) before and (b) after correction
图 17. (a)校正前和(b)校正后边长为8 pixel的网格条纹; (c)校正前和(d)校正后边长为16 pixel的网格条纹
Fig. 17. Grid stripes with the side length of 8 pixel (a) before and (b) after correction; grid stripes with the side length of 16 pixel (c) before and (d) after correction
同样保证实验条件不变,再加载规则的网格图案进行实验。分别加载网格边长为8、16的网格图样进行实验,利用由“回字形”校正得到的算法对网格图样进行校正,所得结果如
实验结果表明UDRSC方法校正结果不受加载的条纹宽度、条纹形状等因素的影响,通过任意规则条纹计算所得到的图像形变量相同,表明图像的形变量是由DMD和探测器的空间位置关系决定的,校正算法可定量地得到系统造成的编码元形变量,并进行校正。
利用UDRSC校正方法进行实物校正实验。在DMD上加载15阶编码模板,并接通前置光路,在实验系统的前端放置如
图 19. 彩色玩偶经过15阶编码所得图像校正前后对比。(a)校正前;(b)校正后
Fig. 19. Comparison of colorful dull image with 15 orders coding before and after correction. (a) Before correction; (b) after correction
为进一步对校正后的图像进行去噪并提高与理论值的相似度,采用二维中值滤波[27]的方法对图像进行处理,处理后的图像如
5 结论
利用所提出的UDRSC方法首先对探测器得到的图像进行去噪等处理以初步提高图像质量,再在DMD上加载规则的条纹图样作为校正模板,通过分析探测器所得规则条纹与DMD加载条纹的形变量,计算得出校正方式并进行校正,校正后编码元的非对称形变明显减小。探测器采集的原始图像与理论值的相关性为0.4069,处理后的图像与理论值的相关性为0.7856,相似度提高了37.87%,图像位置形状与DMD上加载的样图恢复一致,每个镜元编码时在编码模板DMD处选通或阻断,在探测器上能够得到很好的对应。解码时只需确定图像的中点位置,即可按照DMD上加载的模板进行解码模板的设计。所设计的UDRSC校正方法的校正时间极短且不需增加系统成本,解决了在获取全视场清晰成像的情况下,探测器所获图像扭曲而导致无法正确解码的问题,为基于DMD的SDCAIS的研究工作奠定了基础。
[6] 张淳民, 相里斌, 赵葆常, 等. 干涉成像光谱技术研究新进展[J]. 红外, 2000( 3): 1- 5.
Zhang CM, XiangliB, Zhao BC, et al. Research progress of interference image spectroscopy[J]. Infrared, 2000( 3): 1- 5.
[8] Jovanov V, Bunte E, Stiebig H, et al. Transparent Fourier transform spectrometer[J]. Optics Letters, 2011, 36(2): 274-276.
[12] 王宏博, 胡秀清, 张璐, 等. 光栅色散型成像光谱仪的偏振校正方法研究[J]. 光学学报, 2016, 36(8): 0812004.
[15] 孙鑫. 可见光多通道目标探测技术研究[D]. 北京: 中国科学院大学, 2010.
SunX. Study of optical multi-channel detection technology in visible spectrum[D]. Beijing: University of Chinese Academy of Sciences, 2010.
[16] Love SP, Graff DL. Full-frame programmable spectral filters based on micro-mirror arrays[C]. SPIE, 2013, 8618: 86180C.
[17] 马原, 吕群波, 刘扬阳, 等. 编码孔径成像光谱仪光学放大率误差影响分析[J]. 光谱学与光谱分析, 2014, 34(11): 3157-3161.
[19] Parada-MayorgaA, Arce GR. Spectral super-resolution in colored coded aperture spectral imaging[C]. Computational Optical Sensing and Imaging, 2015: CTh2E. 2.
[20] 娄静涛, 李永乐, 熊立夫. 基于编码孔径的折反射全向压缩成像技术[J]. 光学学报, 2016, 36(4): 0411004.
[21] 张昊. 基于DMD的编码孔径成像光谱仪关键技术研究[D]. 北京: 中国科学院大学, 2016.
ZhangH. Research on key technologies for coded aperture imaging spectrometer based on DMD[D]. Beijing: University of Chinese Academy of Sciences, 2016.
[22] 李芸. 编码孔径光谱成像技术研究[D]. 北京: 中国科学院大学, 2010.
LiY. Research on coding aperture spectral imaging technology[D]. Beijing: University of Chinese Academy of Sciences, 2010.
[23] 闫鹏. 哈达玛变换光谱仪光谱复原技术研究[D]. 北京: 中国科学院大学, 2010.
YanP. Research on spectral restoration technique in Hadamard transform imaging spectrometer[D]. Beijing: University of Chinese Academy of Sciences, 2010.
[24] 何志勇, 孙立宁, 陈立国. Otsu准则下分割阈值的快速计算[J]. 电子学报, 2013, 41(2): 267-272.
He Z Y, Sun L N, Chen L G. Fast computation of threshold based on Otsu criterion[J]. Acta Electronica Sinica, 2013, 41(2): 267-272.
[25] 聂方彦, 李建奇, 张平凤, 等. 一种基于Tsallis相对熵的图像分割阈值选取方法[J]. 激光与光电子学进展, 2017, 54(7): 071002.
[26] 任毅斌, 王子嫣, 于吉红, 等. 数字图像中边缘检测算法综合研究[J].计算机与信息技术, 2007( 8): 23- 26.
Ren YB, Wang ZY, Yu JH, et al. Comprehensive research on edge detection algorithms in digital image[J]. Computer & Information Technology, 2007( 8): 23- 26.
[27] 王香菊. 基于中值滤波和小波变换的图像去噪方法研究[D]. 西安: 西安科技大学, 2008.
Wang XJ. Research on image denoising method based on median filter and wavelet transform[D]. Xi'an: Xi'an University of Science andTechnology, 2008.
朱丹彤, 沈宏海, 杨名宇, 陈成, 南童凌. 编码孔径成像光谱仪中编码元形变的分析校正[J]. 激光与光电子学进展, 2018, 55(6): 061201. Dantong Zhu, Honghai Shen, Mingyu Yang, Cheng Chen, Tongling Nan. Analysis and Correction of Coded Pixel Distortion in Coded Aperture Imaging Spectrometer[J]. Laser & Optoelectronics Progress, 2018, 55(6): 061201.