苏州大学光电科学与工程学院，江苏 苏州 215006
通过测量矩阵获取Gram矩阵，梳理了Gram矩阵与系统点扩散函数的关系，进而基于点扩散函数提出最强旁瓣峰值大小、叠加旁瓣峰值大小、空间距离和频谱余弦相似度4个特征参量。在此基础上，构建了一种单像素压缩成像高质量图像重建的特征函数，建立了可重建的目标稀疏度与特征函数的关系，并通过数值模拟和实验验证了所提特征函数的有效性，该工作对于单像素成像系统测量矩阵的优化设计具有重要借鉴意义。
成像系统 单像素成像 压缩感知 测量矩阵 特征函数
1 南京理工大学电子工程与光电技术学院，江苏 南京 210094
2 南京理工大学理学院，江苏 南京 210094
传统激光超声合成孔径聚焦技术（LU-SAFT）通常需要在待测样品表面以小步长扫描来提高横向分辨率，但小扫描步长会导致总检测时间过长，影响检测效率。针对这一问题，笔者提出了基于压缩感知的LU-SAFT方法，以提升扫描效率。该方法首先使用压缩感知根据稀疏扫描点处A扫信号的最大强度恢复出全场的扫描点A扫信号最大强度，进而确定样品表面的最优扫描区域，然后在最优扫描区域内进行扫描，最后对缺陷进行SAFT图像重建。在实验中，笔者采用脉冲激光在含有缺陷的样品表面激发超声，使用激光多普勒测振仪探测超声，并利用基于压缩感知的LU-SAFT方法对样品内部缺陷进行检测，以验证所提方法的可行性。实验结果显示：针对相同的扫描区域，传统LU-SAFT需要扫查500个点，花费3.15 min；与传统LU-SAFT相比，本文所提方法在扫描点数上减少了80%，在扫描时间上缩短了80%，并且缺陷的SAFT成像信噪比提高了约42%。本文研究内容及结果可为激光超声无损检测提供更快速的检测方案。
激光光学 压缩感知 合成孔径聚焦技术 激光超声 缺陷检测
图像压缩感知是一种在欠采样条件下尽可能重构原始图像的技术。为解决大部分基于卷积神经网络(CNN)框架的图像压缩感知方法容易受到卷积感受野的限制、对全局信息的关注较少的问题, 提出了基于Swin Transformer的图像压缩感知重构网络。网络使用卷积层对图像进行采样, 然后使用自注意力机制和残差结构结合的残差Swin Transformer组(RSTG)结构来关注图像的细节。实验结果表明, 基于Swin Transformer的图像压缩感知重构网络可以充分利用图像的先验信息, 进一步提高图像压缩感知的重构精度, 并获得比其他压缩感知方法更好的重构性能和视觉效果。
压缩感知 图像重构 自注意力机制 残差 compressive sensing image reconstruction self-attention mechanism residual
五邑大学 智能制造学部, 广东 江门 529000
在超快时间尺度上以二维空间分辨率揭示激光脉冲在光刻胶之间的运动过程,将有助于了解激光加工过程和优化加工工艺。然而现有记录激光脉冲在光刻胶中运动过程的成像技术都存在需要多次重复拍摄或时间分辨率受限等问题。为了克服这些问题,通过使用压缩超快摄影来观测光刻胶中激光脉冲的运动。实验结果表明,搭建的实验系统能以1.54×1011fps的帧率,单次成像数百帧的图像序列深度,实时观测到这一不可重复的超快事件。
超快成像 压缩感知技术 飞秒激光脉冲 光刻胶 ultrafast imaging compressed sensing technique femtosecond laser pulse photoresist
1 北京理工大学光电学院光电成像技术与系统教育部重点实验室，北京 100081
2 北京理工大学重庆创新中心，重庆 401120
3 北方自动控制技术研究所军种指控系统研发部，山西 太原 030006
4 北京印刷学院印刷与包装工程学院，北京 102600
压缩感知高光谱计算成像技术是当前高光谱计算成像领域的研究热点之一，其能够在保持系统元器件物理特性不变的前提下，有效地提升成像质量。本文概述了高光谱计算成像的研究背景和基本概念，详细介绍了压缩感知高光谱计算成像系统的发展现状，重点阐述了本团队提出的基于空-谱编码的压缩感知高光谱计算成像技术，并对其系统组成、数理模型以及最新进展进行了说明。通过总结压缩感知高光谱计算成像的背景知识以及空-谱编码压缩感知高光谱计算成像的研究工作，力求为科研人员探索压缩感知高光谱计算成像新体制带来新的思路，促进高光谱计算成像技术的发展。
成像系统 高光谱成像 计算成像 压缩感知 编码技术 光学学报
2023, 43(15): 1511003
1 重庆大学 微电子与通信工程学院，重庆400044
2 安徽大学 物质科学与信息技术研究院，安徽合肥30039
从极少量的测量值中有效且高概率高质量恢复出原始信号是压缩感知图像重建研究的核心问题，学者们相继提出了传统和基于深度学习的压缩感知图像重建算法，传统算法通常基于优化模型迭代求解，重建质量和重建速度都无法保证；基于深度学习的算法重建质量相对较高，但缺乏物理可解释性。受滤波流的启发，本文提出了联合全局与局部的深度压缩感知图像重建模型（G2LNet），其以卷积层执行压缩采样以及初始重建过程，利用快速傅里叶卷积与滤波流，同时考虑了图像全局上下文信息和图像像素局部邻域信息，联合学习优化测量矩阵与滤波流，建立了完整的端到端可训练的深度图像压缩感知重建网络。经实验验证，在压缩感知图像重建领域常用的Set5，Set11，BSD68测试集上取得了良好的重建效果，在采样率为20%的情况下，G2LNet的图像重建质量相比于经典的传统算法MH与基于深度学习的算法CSNet的平均PSNR分别提高了2.29 dB，0.51 dB，有效提升了重建图像质量。
压缩感知 图像重建 快速傅里叶卷积 滤波流 深度神经网络 compressive sensing image reconstruction fast Fourier convolution filter flow deep neural network 光学 精密工程
2023, 31(14): 2135
西安工业大学 电子信息工程学院，西安 710021
多输入多输出（Multiple-input-multiple-output，MIMO）可见光通信（Visible Light Communications，VLC）系统接收端需精确的信道状态信息用以解调信号，而常用的最小二乘算法对噪声敏感，估计误差较大，难以保证可靠性。基于信道稀疏特性，利用压缩感知方法进行MIMO-VLC信道估计，提出一种基于离散傅里叶变换（Discrete Fourier Transform，DFT）的稀疏度预测自适应匹配追踪（DFT Based Prediction-sparsity Adaptive Matching Pursuit，DFT-SAMP）算法。首先，通过DFT的稀疏度预测方法对信道冲激响应的稀疏度进行预估计，将估计的稀疏度作为算法初始步长，以快速逼近真实稀疏度，提高算法效率；其次，采用SAMP算法重构信道冲激响应，提高信道估计准确性，保证通信可靠性。基于的MIMO-VLC系统信道估计实验结果表明，导频数为32时，本文算法相较于最小二乘算法在误码率满足前向纠错的误码率阈值（3.8×10-3）时所需的信噪比降低4.5 dB；利用DFT-SAMP算法进行信道估计，在保证可靠性的同时，运行效率相比SAMP算法提升约69%，为MIMO-VLC系统信道估计提供了更为有效的方式。
MIMO-VLC 压缩感知 信道估计 误码率 MIMO-VLC Compressed sensing Channel estimation Error rate
宁波大学信息科学与工程学院，浙江 宁波 315211
在医疗诊断、目标预警、无损探伤等诸多民用和军用领域中，非接触的实时微波成像技术具有重要研究意义。基于逆散射成像理论，非迭代的反演思路具备天然的实时计算能力，但其成像结果粗糙难以实用。为了提高反演图像质量，提出一种基于稀疏感应电流的实时微波成像方法。该方法利用稀疏先验信息和压缩感知算法求解成像区域中的感应电流，并结合传统非迭代反演框架实现实时成像。全波仿真结果和微波成像系统实验验证了所提方法的有效性。相比于传统非迭代反演结果，所提方法在成像质量和成像速度方面有显著提高，在实时监测、快速成像等场合具有重要应用潜力。
成像系统 微波成像 压缩感知 感应电流 实时 激光与光电子学进展
2023, 60(10): 1011006
1 国防科技大学电子对抗学院脉冲功率激光技术国家重点实验室，安徽 合肥 230037
2 国防科技大学电子对抗学院电子制约技术安徽省重点实验室，安徽 合肥 230037
3 95438部队，四川 眉山 620000
变速运动目标的中频信号特征频谱具有连续集中的多频分量，且具有一定的多普勒展宽，在背景噪声和暗计数的影响下，光子回波外差信号的信噪比较低时，使用传统的信号处理方法得到的中频信号频谱以及时频分析特性效果较差。为提高信噪比，本文提出了将稀疏度自适应压缩感知和密度聚类相结合的信号处理方法，并采用该方法对变速目标的光子回波外差信号进行处理。该信号处理方法解决了变速目标频谱稀疏度K无法提前确定的问题，而且只需要较少的观测数据就可以重构信噪比较高的中频频谱。此外，该方法结合密度聚类算法对中频频谱进行了第二重去噪，大幅度减少了噪声分量。研究结果表明，该信号处理方法能够将信噪比提高一定幅度且多普勒展宽精度误差在10%以内，可以得到较为完整的重构中频信号频谱，同时较好地解决了信号时频分辨率较差的问题以及单光子探测等间隔时间序列造成的时频图中的倍频现象，得到了更好的时频特性描述。
光谱学 光子外差 压缩感知 聚类去噪 多普勒测速 时频分析 中国激光
2023, 50(10): 1011002
1 山东理工大学 电气与电子工程学院，山东 淄博 255049
2 潍坊工程职业学院，山东 潍坊 262500
集成成像技术作为一种重要的裸眼三维显示技术，在完整记录三维场景信息的同时，庞大的数据量给传输和存储带来了压力。为了实现图像的有效压缩和重构，根据光子计数集成成像的特点，基于分布式压缩感知理论，提出用于图像压缩与重构的方案。该方案将图像分为参考图像和非参考图像两类，对其设置不同的测量率并分别进行重构。为保证非参考图像的重构质量，提出一种联合重构算法。该算法首先对非参考图像进行分块测量，依据与参考图像之间的相关性进行图像块分类，然后结合参考图像测量值信息构建新的测量矢量，利用新的测量矢量完成初次图像重构。为了进一步提升图像重构质量，对初次重构结果进行二次残差补偿重构，获得最终重构结果。最后通过设置不同的测量率进行了大量实验，实验结果表明，所提算法在测量率为0.25时，图像重构质量可以达到30 dB，测量率为0.4时，图像质量可以达到35 dB，算法性能具有一定的优越性。
光子计数集成成像 图像压缩 图像重构 压缩感知 photon counting integral imaging image compression image reconstruction compressed sensing
