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。

针对光子计数系统实现三维成像速度缓慢的问题, 提出一种基于小波树和哈达玛矩阵的自适应快速三维压缩成像方法。利用哈达玛矩阵调制投影图案提高采样效率, 被调制的短脉冲结构光照射场景, 单像素光子计数探测器采集回波。通过分析低分辨率图像的小波树选择采样区域, 使用哈达玛矩阵调制所选采样区域得到的投影图案, 可采集图像细节, 多阶段采样后利用哈达玛反变换恢复出高分辨率图像。实验结果表明, 采集并恢复出一幅512×512像素的三维图像的时间最快可达到41 s。