连续太赫兹单像素亚波长成像系统

单像素成像是一种新颖的计算成像技术,借助于空间光调制,仅使用一个单像素探测器即可获取物体的图像。为克服太赫兹波段阵列探测器稀缺的难题,并在近场调制实现亚波长成像,提出一套基于光泵浦硅晶片的全光调制器的连续太赫兹单像素亚波长成像系统,可以实现λ/7.62的空间分辨力。对分辨力测试板的成像结果表明,对成像细节不特别关注时,可采用厚硅片获取大调制深度,并采用压缩重建算法抑制噪声,平滑输出图像;若要追求较高的成像空间分辨力,需采用薄硅片减小调制单元间的串扰,并采用关联重建算法,保留更多图像细节。本工作为太赫兹亚波长成像走向实际应用提供了一个新途径。

基于目标搜寻和细节增强的水下单像素成像方法

针对当前水下单像素成像方法侧重于从整体角度重构目标图像,难以理想地恢复目标细节的问题,提出了一种基于目标搜寻和细节增强的水下单像素成像方法。目标搜寻旨在从图像中判断出目标部分和背景部分,从而增强目标信号,降低背景噪声;细节增强旨在学习采集信息的细粒度特征、增强重构图像的细节。首先用传统单像素成像方法快速重构目标图像;其次通过判断各行、各列最大像素点的差值来区别目标和背景环境;最后用基于分块模型的神经网络学习目标的细粒度特征,提高目标图像的细节部分。为了验证提出方法的可靠性,重构了空间环境和水下环境中的目标图像,实验结果表明,在两种实验环境下,该方法都可以较好地保存目标的细节信息,获得高质量的目标图像。

傅里叶单像素成像技术研究进展(特邀)

计算光学成像,通过光学系统和信号处理的有机结合与联合优化实现特定成像特性的成像系统,摆脱了传统成像系统的限制,为光学成像技术添加了浓墨重彩的一笔,并逐步向简单化与智能化的方向发展。单像素成像(Single-Pixel Imaging,SPI)作为计算成像的重要分支,受到诸多学者的广泛关注。SPI利用空间光调制器调制出一系列具有不同空间结构的照明光场并投射到待成像目标场景,再用单像素探测器记录光场强度信息;而后利用预置的照明光场与记录的信号强度值之间的关联信息,实现对探测目标计算成像。由于其不需要面阵列探测器、调焦系统等复杂器件的配合使用,大大降低了光学成像的门槛。傅里叶单像素成像(Fourier Single-Pixel Imaging,FSPI)作为SPI典型的成像方法之一,由于其高效的成像表现,自被提出之后已经被应用到三维成像、边缘检测、散射成像等众多领域,衍生出了一系列的成像技术。文中从SPI的角度出发,主要介绍了FSPI的实现原理及相关成像技术方法研究进展,主要包括FSPI的光场调制技术、路径优化技术、重构方法及相应的应用场景研究进展,同时也对该领域亟待解决的问题进行了总结分析,并对未来的研究方向及相关应用进行了展望。

基于频谱特征自适应采样的傅里叶单像素成像方法

傅里叶单像素成像(Fourier single-pixel imaging,FSI)中成像效率的提升主要借助优化重构算法和采样方法来实现,但在采样次数有限的情况下,FSI无法准确采样关键频率,导致成像质量差。为解决这一问题,提出一种频谱特征自适应采样策略。首先,研究傅里叶域中能量的集中程度,以此确定低频等距预采样的最优半径。进一步,通过预采样低频分量估计关键频谱位置的方式,测量相应的傅里叶系数,最终实现图像重构。与基于高频方向能量连续性的自适应采样方法相比,该方法可以针对不同频谱特征目标,自适应选择较优采样路径,获取关键傅里叶系数,进而改善成像质量,其峰值信噪比提高2.28 dB,结构相似度提高15.83%。因此,该方法在应对FSI对未知特征目标进行成像时,具有高效空间信息采集的优点,有望在单像素快速实时成像中得到应用。

无干涉测量与相位迭代算法的单像素相位成像

单像素成像为突破经典成像中像素数量的限制提供了方法,但要实现良好稳定性和准确性的相位成像仍然是一个挑战。基于现有的单像素成像框架,提出了一种无需干涉测量与相位迭代算法的单像素相位成像方法。通过傅里叶频谱零级强度测量发现,该方法实现了相位成像。实验结果表明,相位成像的重复精度为0.12%,误差为4.1%,证明了该方法具有良好的稳定性和准确性,对单像素成像的进一步发展和经典相位成像的突破创新均具有一定的借鉴意义。

全彩单像素内窥成像系统

单像素成像技术以其较强的弱光探测能力和较宽的工作波段在生物医学成像领域有着广阔的应用前景。通过将单像素成像技术与内窥成像技术相结合,提出两种腹腔镜全彩单像素内窥成像技术方案:一种是RGB三色光源方案将颜色和空间信息分别按时序分配给照明和检测双方,另一种是白光光源方案通过三个探测器同时采集颜色和空间的信息。搭建了两种腹腔镜全彩单像素内窥成像系统,设计了模块化的单像素相机,以多色彩条和肠道模型为成像目标,通过实验从峰值信噪比、结构相似度和成像速度等方面,系统量化分析了两种全彩单像素内窥成像系统的技术指标。实验结果表明,两种方案峰值信噪比和结构相似度接近,而白光光源方案成像速度更快,可以适配各种腹腔镜进行内窥成像,为推动单像素成像在内窥成像领域的应用提供了理论指导。

基于全局注意力机制的单像素成像图像增强方法

单像素成像是一种仅需要使用无分辨能力的桶探测器结合空间光调制信息就能重构出一副完整图像的成像方式,具有非局域成像和高灵敏的特点,适合在外太空非合作目标下进行超远距离成像探测,但需要多次空间光调制后进行探测,重构图像信噪比低.本文提出一种基于全局注意力机制的低采样率下图像增强方法,利用Transformer结构搭建新型的SUNet(swin transformer unet)网络,解决传统卷积神经网络平移不变性和无法获得全局感受野的问题.根据切蛋糕(cake-cutting, CC)序改进的差分鬼成像算法在低采样条件下重构出低质量的图像,使用SUNet对图像进行增强.实验结果表明,该方法与2022年提出的GIDC(ghost imaging using deep neural network constraint)方法相比,在0.1的采样率下,峰值信噪比提升了3.29 dB,结构相似度提升了8%,为单像素成像的空间探测提供了新的技术途径.

基于自校验的单像素成像系统动态干扰去除方法

单像素成像系统通过对目标场景的多次调制,获取相应的单像素测量值,并由此重构图像.在这一过程中,如果其他物体侵入成像场景,会严重影响测量值的准确性,降低重构图像质量.由于侵入物体的反射率,形态均具有一定的随机性,因此从桶探测器信号的角度很难有效分离出受干扰信号.针对这一问题,基于哈达玛矩阵的特征,提出了一套自校验方法,即利用桶探测器自身测量值进行正确性校验,筛选出未受干扰的桶探测器信号,显著提升了重构图像的质量.该方法适用于一般性成像场景,且不需要引入额外的调制图像辅助校验,有力推动了单像素成像技术的实用化进程.

基于消色差透镜的单像素与计算关联光谱成像

光谱成像系统受色差影响会导致图谱混叠,本文将单像素成像以及计算关联成像分别与光谱成像系统相结合,并在系统中引入900~1700 nm适用的消色差透镜来校正色差。首先计算出不同胶合消色差透镜的色差大小并以此选取透镜,所选消色差透镜相较其它透镜对色差校正可以提高一个量级。其次分析了色差对光谱成像系统的影响以及单像素成像和计算关联成像的差异。最后仿真和试验分析单像素光谱成像和计算关联光谱成像特点。试验结果表明对于900~1700 nm的近红外光谱成像,基于消色差透镜的单像素光谱成像系统取得了更好的图像重构结果,其峰值信噪比(Peak Signal to Noise Ratio,PSNR)提高了3.93 dB,结构相似度(Structural Similarity,SSIM)提高了0.96%。消色差透镜的单像素光谱成像系统在近红外光谱成像中重构图像效果优于无消色差透镜的计算关联光谱成像。

中继透镜分辨率在像素编码曝光成像中对图像重构质量的影响分析

像素编码曝光成像技术是一种先进的高速成像技术,其利用数字微镜器件(digital micromirror device,DMD)对相机每个像素的曝光进行编码,将多帧图像信息融入到单帧编码图像中,然后再利用解码算法进行图像重构,将低帧频相机的图像采集速率提升数倍,实现低帧频相机的高速成像.在该技术中,DMD的像素与相机像素之间的精确匹配是实现编码曝光成像的前提,因此,相关研究人员主要关注于如何实现像素的精确匹配.然而,两者之间中继成像系统的分辨率作为编码曝光成像的另一重要影响因素,却鲜有人研究和分析.为此,本文从理论上分析了中继成像系统的分辨率对解码图像重建效果的影响,并结合模拟和实际成像实验对理论分析进行验证.在此基础上,搭建了像素编码曝光成像系统,提出了一种基于条纹相位的成像系统点扩散函数估计方法,并将Richard-Lucy反卷积算法引入到编码图像的重构过程中,有效改善编码曝光成像的质量,对于像素编码曝光成像技术的发展具有重要的意义.

星载的单像素运动成像影响分析与补偿

单像素成像具有高灵敏度,抗干扰等特点,但得到一张高质量图像需要多次采样,因而在卫星对地观测应用时,由于卫星姿态变化使得指向抖动从而造成参考光场与探测器信号之间关联性丢失,使得重构出的图像质量严重退化。针对这一问题,本文设计一种光场追踪补偿方案以补偿卫星姿态对成像带来的影响,结合卫星工具包生成卫星数据分别进行滚动角,俯仰角的运动补偿验证和偏航角的运动补偿验证。结果表明进行滚动角和俯仰角运动补偿后成像的峰值信噪比提升28.8 dB,进行偏航角运动补偿后成像的峰值信噪比提升7.25 dB,同时考虑滚动角,俯仰角和偏航角对典型场景进行运动补偿后的成像结果峰值信噪比提升至少4.7 dB,仿真结果证明了补偿方案有效提高了成像质量,为星载单像素成像提供了一条有效技术途径。

低秩聚类被动压缩鬼成像

低采样率下的高质量鬼成像(GI)对于科学研究和实际应用具有重要意义,为了在低采样率条件下重建高质量图像,提出了一种高质量的被动式压缩鬼成像重构算法(PCGI-LRC)。基于图像的非局域相似块堆叠而成的矩阵具有低秩和稀疏奇异值的假设,从理论和实验上证明了一种对最小二乘问题与非局域相似块低秩近似问题进行联合迭代求解的方法,能够在低采样率(6.25%~50%)条件下实现高质量鬼成像。实验结果表明:与基于稀疏基约束的GI(GI-SBC)和基于全变分约束的GI(GI-TVC)相比,PCGI-LRC在峰值信噪比、结构相似性系数和视觉观测等方面均更优,在抑制重构噪声的同时保持了目标的细节信息,其中PSNR提升效果优于1.1 dB,SSIM提升效果优于0.04。

基于商用光纤的量子密钥加密单像素成像研究

针对图像信息的远距离安全传输与重构问题,给出了一种利用实际商用光纤的量子密钥加密单像素成像实验方案,完成了目标物体32km的远距离重构。采用量子密钥分别对单像素成像的桶探测值和散斑值进行加密,结果表明:在不解密情况下,两种不同加密方式都无法重构目标物体的图像,表现出良好的加密效果;在解密情况下,两种加密方式的重构图像均随着量子密钥误码率减小,峰值信噪比增大,重构图像质量随之提高。相同误码率情况下,两种加密方式的重构图像质量基本接近,但散斑加密方式消耗大量的量子密钥,采用桶探测值加密方式更有利于实际应用。

基于深度图像先验的单像素成像重建方法

为了提高基于压缩感知的单像素成像的成像质量,提出了一种基于深度图像先验算法的单像素成像重建方法。与基于深度学习的方法相比,该算法无需从大量数据中学习先验,而是利用深度神经网络自身网络结构作为先验信息,将图像参数化为网络权值进行表征,结合单像素成像的物理模型,利用梯度下降优化器对随机初始化的网络权值进行优化求解单像素成像模型的逆问题,实现对单张图像的拟合,完成图像重建。仿真和实验结果表明,提出的方法对于256×256 px大小图像在低于12.5%采样率的条件下,与压缩感知算法TVAL3相比,重建的图像质量得到提高,实现了在超低采样率条件下单像素成像图像的良好重建。

水平大气环境34 km单像素成像实验

搭建了远距离、高分辨率单像素成像实验装置,完成了白昼时段水平34km距离、分辨率0.8m的自然目标的单像素成像。单像素成像测量基采用多尺度排序的Hadamard矩阵,调制后经两个光电探测器进行差分来实现Hadamard调制测量,利用压缩率25%的测量信号和快速Walsh变换算法,实现了成像速度2帧/秒@128 pixel×128 pixel。定义了一种人机交互的信噪比评价方法计算重建图像质量,研究了单像素成像积分时间与图像质量关系,评价结果与视觉效果相符合。提出的单像素成像方案在低成本的远距离红外成像方面有潜在应用价值。

傅里叶单像素成像技术与应用

非可见光成像是光学成像领域中的难题之一。单像素成像作为一种新型的计算成像技术,利用空间光调制技术,可实现只使用一个无空间分辨能力的单像素探测器获取物体的空间信息。因此单像素成像是解决传统成像在非可见光波段成像难题的潜在解决方案之一。近年,傅里叶单像素成像技术被证明是一种可以兼得高成像质量和高成像效率的单像素成像技术。自2015年被提出至今,傅里叶单像素成像已经从二维成像推广到三维成像、从灰度成像推广到彩色成像、从静态成像推广到动态成像、从单模态成像推广到多模态成像、从宏观成像推广到显微成像,发展出一系列的成像技术。对傅里叶单像素成像技术的基本原理、与之相关的成像技术和应用进行了综述,并讨论了现存的一些关键问题以及今后可能的研究方向。

基于压缩感知理论的单像素成像系统研究

近年来出现的压缩感知理论为信号处理的发展开辟了一条新的道路,它指出可压缩或者稀疏信号的少量线性投影含有足够的信息来进行信号重建和信号处理,在压缩感知理论的基础上,一种新的单像素成像系统的发展得到了广泛的关注,它的主要特点就是只用一个像素的探测器通过用少于图像像素值的采样数目来重建图像,主要介绍了基于压缩感知理论的单像素成像系统的图像重建算法,为单像素成像系统的发展做了有益的探索。

傅里叶单像素显微超分辨成像系统设计

单像素成像因其仅需一个无空间分辨能力的单点探测器即可实现目标物体的空间信息获取重建物体图像,是解决非可见光波段成像的关键技术。该技术的发展和应用在高分辨率空间存在数据采集量大,成像慢的问题。因此,设计了一种傅里叶单像素显微超分辨成像系统来提高现有单像素显微成像的效率和质量。首先,搭建了单像素显微超分辨成像系统,引入基于深度学习的超分辨模型来提升其成像分辨率,从而快速获得高分辨率的物体重建图像。经实验结果证明,相同的光强信号采集时间下,成像分辨率可提高近9倍,且其峰值信噪比达到28 dB,有效提高了单像素显微成像在高分辨率情况下的成像效率。

单像素成像及其在三维重建中的应用

不同于数码相机使用光电探测器阵列来获取图像,单像素成像通过使用一系列掩膜图案对场景进行采样,并将这些掩膜图案中的信息与单像素探测器测量得到的相应光强做关联计算以重建图像。虽然在传统可见光成像领域,单像素成像性能远不如数码相机,但许多研究成果表明,其在复合波长、太赫兹、X射线以及三维成像等一些非常规应用中具有一定优势。介绍了单像素成像技术的发展历程,用数学模型对其成像原理进行了解释,并分析了影响其性能的要点。此外,文中还对三维单像素成像技术的研究工作及其潜在的应用前景进行了总结和展望。

单像素成像在三维测量中的应用

在条纹投影等传统结构光三维测量技术中,在全局光照的干扰下,无法获得高质量、高精度的三维测量结果。典型的全局光照效应包括互反射和次表面散射。互反射发生在凹陷的光亮反射表面,而次表面散射发生在半透明材料表面。单像素成像(Single-pixel imaging, SI)技术可以通过没有空间分辨率的探测器捕获场景,然而,大多数现代数码相机采用传统像素化的图像传感器。在这里,我们提出了将单像素成像技术扩展到像素化的图像传感器中,将图像传感器上的每个像素都被视为是一个独立的单像素成像单元,可以同时获取图像。实验表明,这种单像素成像方法可以完全分解直接光照和全局光照,实现在全局光照干扰下的高质量、高精度三维重建。