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
计算成像是集光学、计算科学、信息科学于一体的新兴交叉领域技术。该技术基于多维光场调控与解调的信息传输原理，利用前端光电成像系统与后端数据处理的“一体化设计”，解决光场信息维度与探测维度不匹配的问题，从而有效提升感知能力和探测性能，目前已成为光电成像领域的前沿方向。其中，散斑成像能够通过调控散斑场来实现强散射光成像，打破了光散射妨碍成像的传统观点；空域和时域压缩计算成像通过对光场信号的编码，能够突破半导体工艺、大量数据传递与处理对高分辨率、高速探测器的限制；压缩计算光谱成像结合光学调制、复用探测与计算重构，解决了传统光谱成像中系统复杂、数据采集效率低和分辨率受限的问题。详细介绍这3类计算成像模式的原理方法和最新研究进展，分析当前尚存的问题，并对这类技术的未来发展方向进行了展望。
计算成像 散斑成像 压缩成像 压缩光谱成像 多维光场调控 光学学报
2023, 43(15): 1511001
现有的通过散射介质的目标分析主要针对静止目标，同时，环境或外部亮度条件对目标分析结果有着至关重要的影响，这就对图像采集设备的动态范围、时间分辨率等性能提出了极高要求。事件相机由于其高动态范围、高时间分辨率与低延迟等特点为应对上述问题提供了新的解决思路。本文针对低照度情况下运动目标透过薄散射介质探测效果差的问题，利用事件相机开展了透过薄散射介质的目标探测的研究。采用V2E算法利用灰度散斑制备“事件散斑”数据集，并采用ResNet分类网络进行目标分类，获得了94.27%的十分类精确率。实验结果表明，使用事件流在分析通过散射介质的目标信息方面有着巨大的发展潜力。
散斑成像 事件相机 神经网络 speckle imaging event camera neural networks 
Author Affiliations
Abstract
1 School of Optics and Photonics, Beijing Institute of Technology, Beijing 100081, China
2 Beijing Engineering Research Center of Mixed Reality and Advanced Display, School of Optics and Photonics, Beijing Institute of Technology, Beijing 100081, China
3 Beijing Key Laboratory of Advanced Optical Remote Sensing Technology, School of Optics and Photonics, Beijing Institute of Technology, Beijing 100081, China
Using compressive sensing for imaging has many applications, and it is an important branch of computational imaging. In this Letter, freeform surfaces are introduced in the hardware optical system design of a compressive sensing imager. The system works under the medium wave infrared band and realizes a compression with a field-of-view of . Good imaging performance is achieved in both the entire system and the freeform objective optics. Compared with the system using all spherical lenses, the volume of the freeform system is about 1/3 smaller, and the total transmittance is about 56% higher, which shows the benefits of using freeform surfaces for compressive sensing and computational imaging.
compressive sensing freeform optics compactness and high-transmittance joint optimization Chinese Optics Letters
2021, 19(11): 112202
早期压缩感知在光学成像领域的应用主要集中在空域压缩成像。近年来,更多的空域压缩成像采用阵列式探测器取代单元探测器采集测量值。同时,压缩成像的研究也从二维空间拓展到三维测距、高速成像、多光谱成像、关联成像和全息成像等方向。本文针对空域高分辨率压缩成像、压缩感知测距和时域高速压缩成像进行详细分析,结合空域压缩成像总结了测量矩阵设计的研究进展,讨论研究中遇到的困难以及未来可能发展的机遇,并对压缩感知在多光谱、关联成像、和全息成像中的应用研究进行了讨论。此外,本文也总结了近几年深度学习技术在各应用方向上对系统目标恢复性能的改善。
成像系统 计算成像 压缩感知 红外成像 三维成像 高速相机 深度学习
