雷腾 1,2,3张义民 1,2,3马一哲 1,2,3丁学专 1,2,3[ ... ]王世勇 1,2,3,*
1 中国科学院 上海技术物理研究所,上海200083
2 中国科学院大学,北京100049
3 中国科学院 红外探测与成像技术实验室,上海20008
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。
鬼成像 图像重构 图像压缩 单像素成像 ghost imaging image reconstruction image suppression single pixel imaging
图像压缩感知是一种在欠采样条件下尽可能重构原始图像的技术。为解决大部分基于卷积神经网络(CNN)框架的图像压缩感知方法容易受到卷积感受野的限制、对全局信息的关注较少的问题, 提出了基于Swin Transformer的图像压缩感知重构网络。网络使用卷积层对图像进行采样, 然后使用自注意力机制和残差结构结合的残差Swin Transformer组(RSTG)结构来关注图像的细节。实验结果表明, 基于Swin Transformer的图像压缩感知重构网络可以充分利用图像的先验信息, 进一步提高图像压缩感知的重构精度, 并获得比其他压缩感知方法更好的重构性能和视觉效果。
压缩感知 图像重构 自注意力机制 残差 compressive sensing image reconstruction self-attention mechanism residual
光子学报
2023, 52(11): 1110004
1 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
2 北京理工大学珠海学院,广东 珠海 519085
3 天临空地海”复杂环境智能探测重点实验室,广东 珠海 519085
非视域成像是指被测目标在相机探测视场外部,被测目标的光信号需要通过中介面反射后被相机采集,进而实施计算成像的一种技术。针对退化的非视域图像,去除中介面影响而获得清晰目标的过程属于一种光学逆问题。因此,中介面的光学散射特性在逆问题中的模型是一个关键。本文采用光子飞行时间测距(TOF)相机,提出一种非朗伯散射特性中介面的近似数值模型,并通过遗传算法求取,基于所求近似数值解,通过Lucy-Richardson(LR)反卷积实现非视域目标的三维重建。实验中,采用了打磨过的聚丙烯塑料(PP)板和亚克力(PMMA)板作为反射中介面,被测目标为表面形状复杂的石膏雕像、抛光塑料面板和多个目标的自然场景等常见实物,应用所提遗传-反卷积算法对非视域目标进行重构,通过重构前后的主观对比以及均方差的客观数据对比,得出重构后深度图像的均方误差是原始图像均方误差的1/7~1/2,表明了该算法的有效性。
光学数据处理 图像重构 散射后测量 相位测量 光学学报
2023, 43(21): 2111002
1 湖北经济学院信息工程学院,湖北 武汉 430205
2 五邑大学智能制造学部,广东 江门 529020
提出一种基于离散W变换的差分调制计算鬼成像方法。使用正负两组离散W变换基图案对光源进行差分调制,根据桶探测器测量的光强值获取目标对象的频谱,通过矩阵形式的逆离散W变换重构目标图像。仿真和实验结果表明,该方法可以从压缩测量中获得图像,通过差分测量可以消除背景噪声,获得良好的图像质量,并且可以通过逆变换实现快速重建。与其他方法相比,该方法在成像质量上更具优势。
成像系统 计算成像 鬼成像 图像重构 单像素成像 激光与光电子学进展
2023, 60(22): 2211003
强激光与粒子束
2023, 35(8): 082005
强激光与粒子束
2023, 35(7): 072002
1 中国科学院自适应光学重点实验室,四川 成都 610209
2 中国科学院光电技术研究所,四川 成都 610209
3 中国科学院大学,北京 100049
逆合成孔径激光雷达(ISAL)是一种相干成像系统,其图像具有明显的散斑,影响目标识别和判断。为解决该问题,近年来有学者提出一种基于模型的迭代重构(MBIR)算法。该算法直接重构目标反射率而非复反射系数(传统重构方法普遍采用的),所重构图像质量更接近光学图像。然而,该算法存在优化模型较复杂、采用的无梯度线搜索算法求解效率较低且不易收敛的问题。针对以上问题,进行两点改进。首先从信息传递的角度得到复反射系数分布、反射率分布和测量信号之间的马尔可夫关系,据此将复反射系数假设为反射率估计的完整数据集,简化了优化模型。其次,针对模型求解,应用更容易求解梯度的先验模型替代函数,并结合对数变换,将原问题转换为含梯度的无约束问题,进行高效求解。最后通过仿真数据和7 km外场实验数据验证了所提改进方法的有效性和效率。结果表明,对于高中低具有不同载噪比(5 dB、0 dB、-5 dB)的回波数据,所提改进方法在5次迭代之内即可得到较优质量的图像。
合成孔径激光雷达 计算成像 贝叶斯估计 图像重构 激光与光电子学进展
2023, 60(12): 1228001
1 中国科学院上海光学精密机械研究所量子光学重点实验室,上海 201800
2 中国科学院大学材料与光电研究中心,北京 100049
3 中国科学院大学杭州高等研究院物理与光电工程学院,浙江 杭州 310024
提出使用统计分析中的Bootstrap方法对鬼成像中图像信息重构的不确定度进行估计。仿真结果表明,Bootstrap方法估计的标准误差分布图与强度关联重构的标准误差理论计算结果一致;用标准Bootstrap方法估计的标准误差和置信区间分布能够很好地解释压缩感知算法得到的重构结果误差,并且使用相应的Bootstrap方法的变种能够更为准确地描述从原始样本中重构图像信息的偏差和绝对误差。所提方案适用于估计无真实参考图像的实际应用场景的重构图像的不确定度。
成像系统 鬼成像 图像重构 非参数Bootstrap方法 不确定度
1 山东理工大学 电气与电子工程学院,山东 淄博 255049
2 潍坊工程职业学院,山东 潍坊 262500
集成成像技术作为一种重要的裸眼三维显示技术,在完整记录三维场景信息的同时,庞大的数据量给传输和存储带来了压力。为了实现图像的有效压缩和重构,根据光子计数集成成像的特点,基于分布式压缩感知理论,提出用于图像压缩与重构的方案。该方案将图像分为参考图像和非参考图像两类,对其设置不同的测量率并分别进行重构。为保证非参考图像的重构质量,提出一种联合重构算法。该算法首先对非参考图像进行分块测量,依据与参考图像之间的相关性进行图像块分类,然后结合参考图像测量值信息构建新的测量矢量,利用新的测量矢量完成初次图像重构。为了进一步提升图像重构质量,对初次重构结果进行二次残差补偿重构,获得最终重构结果。最后通过设置不同的测量率进行了大量实验,实验结果表明,所提算法在测量率为0.25时,图像重构质量可以达到30 dB,测量率为0.4时,图像质量可以达到35 dB,算法性能具有一定的优越性。
光子计数集成成像 图像压缩 图像重构 压缩感知 photon counting integral imaging image compression image reconstruction compressed sensing