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
红外与激光工程
2021, 50(12): 20210724
1 南京航空航天大学自动化学院, 南京 211106
2 苏州科技大学电子学院, 江苏 苏州 215009
现实图像的显著性纹理结构可为分块压缩感知算法提供先验信息, 优化算法。鉴于此, 提出了一种新的基于显著性的自适应分块压缩感知算法。算法所提显著性是以灰度空间相关矩阵和韦伯定律为基础, 采用确定性正交对称托普利兹矩阵对目标图像进行测量, 提出了均熵最小化自适应分块策略、角二阶矩最大化块向量生成方式以及合成特征依据下的自适应采样率设置, 并结合不同重构算法进行了分析和验证。实验表明, 所提算法策略在多项指标上较传统算法具有更好的表现, 易于硬件实现, 针对不同重构算法和测试图像具有普适性和稳定性。
显著性 自适应分块压缩感知 灰度空间相关矩阵 合成特征 saliency adaptive block compressed sensing gray-level spatial-dependence matrix synthetic feature
为了提高多图像加密的安全性, 同时解决多图像加密系统数据量大的问题, 采用了基于分块压缩感知和改进幻方变换的加密方法。加密过程中, 充分利用了混沌序列对初始值的敏感性, 解决基于传统幻方变换的加密算法周期性的问题; 结合分块压缩感知的方法, 减少加密系统的数据量。对4幅256×256的灰度图像进行加密测试。结果表明, 系统加密时间只需要0.98s, 重建图像的质量高, 相关系数值均高于0.99, 峰值信噪比值均大于35dB;该算法在减少加密系统的数据量的同时进一步提高了系统的安全性。该算法实现容易, 能高效安全地完成多图像加密。
图像处理 图像加密 分块压缩感知 幻方变换 image processing image encryption block compression sensing magic square transformation
1 天津大学精密仪器与光电子工程学院激光与光电子研究所, 天津 300072
2 天津大学光电信息技术教育部重点实验室, 天津 300072
3 陆军军医大学第一附属医院神经外科, 重庆 400038
提出了一种基于分块压缩感知理论的太赫兹波宽光束成像技术。模拟结果显示,该技术可以实现高分辨率、高质量的快速成像。采用连续太赫兹波CO2气体激光器光源,基于宽光束矩阵调制采样,对不同物体进行了分块压缩感知成像,并与基于单像素随机采样的分块压缩感知方法进行了对比。结果表明,所提技术具有更高的成像稳定性,且其采样过程对不同成像物体的普适性更好。
成像系统 太赫兹成像 分块压缩感知 矩阵调制 采样技术
1 西安电子科技大学 物理与光电工程学院, 西安 710071
2 空军工程大学 理学院, 西安 710051
针对基于压缩感知理论的红外图像重建问题,提出一种基于改进的分块压缩感知红外图像重建方法。该方法首先对原始红外图像进行分块,并对每个子块用相同的观测矩阵进行随机观测,获得少量的观测数据;然后利用谱图小波变换优异的稀疏特性,将其引入平滑投影Landweber算法进行迭代优化重建,同时采用混合中值滤波进行处理以增加图像的平滑度和减少块伪影,最后输出满足要求的高质量红外图像。实验结果表明,在相同采样率下,该方法对于不同类型红外图像的重建性能均优于目前广为采用的一些小波压缩感知方法,可获得更高质量的红外图像。
红外成像 图像重建 分块压缩感知 谱图小波 混合中值滤波 infrared imaging image reconstruction block compressed sensing spectral graph wavelet hybrid median filter 强激光与粒子束
2014, 26(12): 121011
宁波大学信息科学与工程学院, 浙江宁波 315211
针对卫星云图数据量大, 但传输通道和存储空间相对狭小的问题, 本文提出了一种基于 Tetrolet变换的卫星云图分块压缩感知方法。该方法将 Tetrolet变换引入压缩感知的稀疏表示环节, 以刻画卫星云图细节丰富, 纹理复杂的特性, 而且将分块压缩感知与平滑投影 Landweber迭代方法结合用于云图重构, 以提高计算效率。同时, 为了进一步提高重构云图的质量, 本文对云图的稀疏表示提出了另一种改进方案, 首先对原始云图进行拉普拉斯金字塔分解, 将得到的低频分量和高频分量分别进行分块及采样, 并对低频及高频分量分别进行离散小波变换 (DWT)及 Tetrolet变换以实现稀疏表示, 此不仅可以发挥不同稀疏变换各自的优点, 而且充分利用了 Tetrolet变换在表示云图方向纹理和边缘等重要信息方面的优势。实验结果表明, 在相同采样率下, 本文方法的重构结果明显优于直接用 Tetrolet, DWT, Contourlet和 DCT变换对卫星云图进行稀疏表示的重构结果。
Tetrolet变换 分块压缩感知 稀疏表示 卫星云图 Tetrolet transform block compressed sensing sparse representation satellite cloud images