深度学习视频快照压缩成像恢复效果影响因素研究

针对视频快照压缩成像掩模板编码模式对实际拍摄压缩图像解码恢复效果的影响机理研究较为欠缺以及真实图像恢复效果很难量化评估的现状,文章基于遥感卫星视频序列得到的仿真数据和视频快照压缩成像系统采集到的真实场景数据,使用两种深度学习算法——集成学习先验深度展开算法和基于3D卷积的快照压缩成像(SCI)算法,结合峰值信噪比(PSNR)和结构相似度(SSIM)以及重构时间等量化指标进行重构效果评估,对掩模板的随机方式、掩模板的重复精度、掩模板的移动速度、景物的运动速度、背景的复杂程度等因素进行仿真试验分析。主要试验结论有:1)高斯随机编码具有较好的重构效果,但伯努利随机中当成功概率p取0.59或0.58时(随机变量取1),重构PSNR值较高斯随机平均提升超过0.5dB,SSIM值提升0.004;2)当步长较小时,移动编码方式重构效果不如随机编码方式,当步长较大时(超过9像素),效果和随机编码相当;3)掩模板的重复精度方面,当探测器像元和数字微镜器件(DMD)仅沿着一个方向发生偏移时(相对偏移量小于0.3像素),对重构效果影响较小,当同时沿两个方向发生偏移时,影响较大(两个方向均为0.1像素,PSNR下降超过3d B);4)当目标相对图片尺寸较小且背景较为复杂时,运动速度对重构效果影响较大,较快的运动速度会对重构精度产生较大的影响。以上研究成果可以指导视频快照压缩成像系统的设计,可潜在提升视频快照压缩成像重构效果。