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
1 中国科学院国家空间科学中心 复杂航天器系统电子信息技术重点实验室，北京 100190
2 北京理工大学物理学院 量子技术研究中心和先进光电量子结构设计与测量教育部重点实验室，北京 100081
3 中国科学院国家空间科学中心 空间科学卫星运控部，北京 100190
4 中国科学院大学，北京 100049
5 北京量子信息研究院，北京 100081
中长波红外成像探测器成本高昂，成为该波段高分辨成像和实时显示的巨大挑战。本文提出一种高效合并分块压缩感知方法（Multi-block Combined Compressed Sensing，MBCS），适用于基于焦平面阵列的压缩成像系统，它结合了并行采样和快速重建优势，可通过低分辨红外探测器实现低分辨并行测量和高分辨图像快速重建。与传统的基于压缩感知超分辨成像相比，该方法可提升高分辨图像重建的质量，同时实现高速重建。本文对光学系统原型和MBCS重建模型测量矩阵构建过程进行了研究，讨论了合并块大小对重建性能的影响，发现存在最优块大小使重建速度与重建质量都最优。此外，本文还实现了基于GPU加速的MBCS重建算法，用于进一步改进并行成像系统的图像重建速度。仿真和光学实验验证了该光学系统并行采样和快速重建策略的有效性，512×512分辨率成像与显示速度可达到5 Hz。
压缩成像 分块压缩感知 中红外 焦平面阵列 图像处理单元 compressive imaging blocked compressed sensing medium infrared focal plane array GPU
将光子计数技术与单像素成像结合的单光子压缩成像方法具有成本低、灵敏度高的特点，但该方法使用传统压缩重建算法时重建时间长。基于深度学习的压缩重建网络不仅实现了快速重建，而且可获得更好的重建质量。最近用于单像素成像的压缩重建网络主要基于光探测器工作在模拟方式，采用无噪声或带有加性高斯白噪声的系统仿真数据进行训练。对此，建立了单光子压缩成像系统噪声模型，提出了一种用于单光子压缩成像的抗噪声重建网络（RN）训练方法，使用含有泊松噪声的测量值仿真数据对神经网络进行训练，并搭建单光子压缩成像系统进行验证。实验结果表明，RN能明显提高各种已有压缩重建网络的图像重建质量。在此基础上，提出了一种用于单光子压缩成像的抗噪重建网络（RPN-net），该网络采用跨越式连接结构与阶段式训练方法，实验结果表明其重建性能优于现有的压缩重建网络。
成像系统 压缩感知 光子计数技术 单光子压缩成像 深度学习 泊松噪声 激光与光电子学进展
2022, 59(4): 0411003
红外与激光工程
2021, 50(12): 20210724
在进行高分辨率成像时,由于需要大量的测量和图像重建计算,单光子压缩成像需要较长的时间。提出了一种采样和重建集成的残差编解码网络SRIED-Net用于单光子压缩成像。将二值化的全连接层作为网络的第一层,并将其训练成二进制的测量矩阵,直接加载到数字微镜阵列上以实现高效压缩采样。除第一层外的其余网络都用于快速重建压缩感知图像。通过一系列的仿真和系统实验比较了压缩采样率、测量矩阵和重建算法对成像性能的影响。实验结果表明,SRIED-Net在低测量率下优于目前比较先进的迭代算法TVAL3,在高测量率下与TVAL3的效果很接近,在所有测量率下都优于目前常见的几种基于深度学习的方法。
成像系统 单光子成像 单光子压缩成像 压缩感知 深度学习
1 南京理工大学电子工程与光电技术学院, 江苏 南京 210094
2 南京理工大学泰州科技学院基础科学部, 江苏 泰州 225300
基于扩展小波树理论和多任务贝叶斯模型,提出了彩色图像自适应压缩采样方法。根据扩展小波树结构中父子系数和兄弟系数的关系,对彩色图像中红、绿、蓝三通道图像分别进行了自适应压缩采样。利用彩色图像三通道间的相关性和多任务贝叶斯模型,分别处理了采样得到的三通道高频小波系数,并重构融合得到彩色图像。研究结果表明,当采样次数为600、采样率为14.6%时,利用所提方法得到的彩色重构图像的峰值信噪比均大于27 dB,色差均值最小,色差值也趋于稳定,图像色调保持着较好的一致性和稳定性。
相干与统计光学 彩色压缩成像 扩展小波树 贝叶斯模型 自适应压缩采样 激光与光电子学进展
2019, 56(1): 010301
南京理工大学 电子工程与光电技术学院，江苏 南京 210000
为了消除采样过程中的噪声干扰，进一步提高重构图像质量，针对数字微镜阵列（DMD）与桶探测器在测量过程中点对点采样产生的起伏噪声导致图像信噪比降低的问题，提出基于哈达玛矩阵编码测量的压缩采样成像方法。首先采用DMD分区控制方法，利用哈达玛编码测量，计算获得低分辨率的粗糙图像，接着在预测的重要小波系数所在区域，对同一尺度上的重要区域利用哈达玛矩阵进行投影，同时计算出这些区域的小波系数，最后通过小波逆变换获得重构图像。实验表明，在测量噪声为0.2倍的热噪声下，只需要10%的采样率，通过哈达玛编码测量，图像峰值信噪比从1398 dB最高提高到34.56 dB，提高了20.58 dB，成像质量明显改善，清晰度高。当存在较大的测量噪声时，该方法可以大幅提高图像的信噪比，尤其适用于微弱光信号条件下的高灵敏压缩采样成像。
压缩成像 哈达玛矩阵 小波系数 数字微镜阵列 compressed sampling hadamar matrix wavelet coefficients digital micro-mirror device
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 200037
基于Tetrolet变换系数的尺度间传递特性与按指数衰减特性, 本文构建了一种Tetrolet域通用隐马尔科夫树结构稀疏先验模型, 把Tetrolet变换系数的统计分布表示成二值高斯混合形式作为先验信息, 并采用因子图方法估计后验状态概率。为了解决在有环路的因子图中消息不能稳定收敛的问题, 利用Turbo均衡方法把压缩采样和结构先验部分分割成两个子图, 分别进行状态估计并相互交换消息。最后依据最小均方误差准则估计得到重构图像, 对128×128的测试图像重构的归一化均方误差可达-20.97 dB, 运行时间为45.24 s。实验结果表明该算法在重构质量和运行速度上优于小波域隐马尔科夫树模型的各类算法。
Tetrolet变换 通用隐马尔科夫树 Turbo均衡 消息传递 压缩成像 Tetrolet transform universal hidden markov trees Turbo equalization belief propagation compressive imaging
1 韶关学院信息科学与工程学院，广东 韶关 512005
2 西北工业大学电子信息学院，陕西 西安 710129
高分辨率的应用需求使得传统的高光谱遥感成像系统面临高速率采样、海量数据存储等难以突破的瓶颈问题，压缩感知理论为传统高光谱遥感所面临的瓶颈问题提供了解决可能。针对高光谱压缩感知成像，提出了一种摆扫型高光谱压缩成像系统，该系统采用光栅、柱面透镜、二维编码孔径和线性传感阵列等光电器件，一次曝光中可获取空间像素点的光谱维向量对应的多个压缩采样值。在压缩感知数据重建过程中，为了充分利用高光谱图像的空间相关先验信息，提出了一种空间预测迭代重建算法。实验结果表明，与标准压缩感知重建算法对比，该算法在压缩感知采样率超过0.2时重建图像信噪比可提高10 dB 以上。所设计的系统简单易实现，可应用于星载、机载等遥感平台的高光谱压缩成像。
高光谱遥感 压缩成像 摆扫型 数据重建 hyperspectral remote-sensing compressive imaging whiskbroom data reconstruction
1 电子工程学院 脉冲功率激光技术国家重点实验室, 安徽 合肥 230037
2 电子工程学院 红外与低温等离子体安徽省重点实验室, 安徽 合肥 230037
3 安徽建筑大学 电子与信息工程学院, 安徽 合肥 230601
针对块循环测量矩阵应用于遥感压缩成像存在图像重构性能不理想的问题, 本文把粒子群智能优化算法引入到块循环矩阵优化中, 实现了在保持矩阵结构不变的同时对块循环矩阵的优化。首先以相关系数的Welch界为阈值约束Gram矩阵非对角元素构造目标矩阵; 然后以Gram矩阵逼近目标矩阵的方式建立目标函数, 将优化对象改为构造块循环矩阵的自由元向量。为提高优化效率, 文中采用权重自适应更新的方式提高粒子搜索能力。开展了相关重构对比实验, 结果表明, 优化后的块循环测量矩阵在保持矩阵结构的同时, 降低了与稀疏变换矩阵的相关性, 其与稀疏变换矩阵的最大相关系数、平均相关系数和阈值平均相关系数分别降低了0.027 3、0.017 5和0.004 6, 得到的结果显示优化的块循环矩阵提高了图像的重构性能。
遥感图像 压缩成像 图像重构 块循环矩阵 粒子群优化 remote sensing image compressive imaging image reconstruction block circulant matrix particle swarm optimization 光学 精密工程
2016, 24(11): 2821
