CN102236051A - 辐射测量成像设备及相应的方法 - Google Patents
辐射测量成像设备及相应的方法 Download PDFInfo
- Publication number
- CN102236051A CN102236051A CN2011100837807A CN201110083780A CN102236051A CN 102236051 A CN102236051 A CN 102236051A CN 2011100837807 A CN2011100837807 A CN 2011100837807A CN 201110083780 A CN201110083780 A CN 201110083780A CN 102236051 A CN102236051 A CN 102236051A
- Authority
- CN
- China
- Prior art keywords
- radiation
- actinometry
- scene
- bundle spot
- imaging device
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
- G01K11/006—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using measurement of the effect of a material on microwaves or longer electromagnetic waves, e.g. measuring temperature via microwaves emitted by the object
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/904—SAR modes
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及辐射测量成像设备及相应的方法。所提出的设备包括:辐射计(12),用于检测从场景(24)的束斑(22)发出的在预定频谱范围内的辐射并且从检测到的辐射生成辐射信号;束斑移动装置(14),用于实现被检测到辐射的束斑(22)向各个位置的移动;控制装置(16),用于控制束斑移动装置(14)实现束斑(22)从一个位置到另一位置的移动,以使得在场景(24)上分布的一定数目的束斑处检测辐射,其中所述数目小于高密度信号图案的图案信号的数目并且从在所述数目的束斑处检测到的辐射生成的辐射信号形成低密度信号图案;和处理装置(18),用于处理低密度信号图案的辐射信号并且通过对低密度信号图案应用压缩感测来生成高密度信号图案。
Description
技术领域
本发明涉及对场景进行扫描并且生成表示所述场景的高密度信号图案的辐射测量成像设备(radiometric imaging device)及相应的方法。此外,本发明还涉及用于实现所述方法的程序和计算机可读非暂时性介质。
背景技术
毫米波是与频率范围从30GHz到300GHz相对应的波长范围从1mm到10mm的无线电波。这些波已经被应用到车载雷达设备以测量正移动的车辆间的距离来防止碰撞,并且被应用到高速无线通信以实现每秒若干吉比特量级的传输数据速率。此外,在毫米波频率范围内进行操作的设备的集成和小型化方面的最近改进以及经改进的生成和检测技术引起了对于利用此电磁辐射的特性的极大兴趣。其穿透非金属材料(包括塑料、墙壁、衣服、烟和雾)的能力已经提供了对研究毫米波成像应用的另外的动力。此外,在类似隐藏式武器或易爆物检测等的安全性应用中也对可实现的几毫米的空间分辨率很感兴趣。
毫米波可被以主动(active)或被动(passive)方式使用。被动式辐射测量成像系统通过利用辐射计(radiometer)捕获对象发出的电磁辐射来创建图像。这样的被动式辐射测量成像系统例如从US2007/0221847A1中得知。所观察到的场景的辐射测量温度基于如下因素:来自场景组成部分的发射、场景对下行天空辐射的反射、场景和观察者之间的上行大气发射以及电磁能量从场景到观察者的传播。
另一方面,主动式辐射测量成像系统向对象发射毫米波并且通过检测所发射的或反射的波来创建图像。毫米波不产生电离效应,这使得该技术成为在类似隐藏式武器或易爆物检测等安全性应用方面要采用的很有吸引力的候选(基于红外或可见辐射的现有技术不能检测隐藏式对象,并且基于X射线的系统由于其电离效应而不能被用于人类)。对于自动导引的车辆或驾驶员辅助,看透不利大气状况的可能性也是很受关注的。
发明内容
本发明的一个目的是提供一种与已知的辐射测量成像设备相比针对相同的温度分辨率以减少的成像时间来对场景成像的辐射测量成像设备。本发明的另一目的是提供相应的方法以及用于在计算机上实现所述方法的相应计算机程序和存储这样的计算机程序的计算机可读介质。
根据本发明的一方面,提供了一种用于对场景成像的辐射测量成像设备,所述设备包括:
辐射计,用于检测从所述场景的束斑(spot)发出的在预定频谱范围内的辐射,并且从检测到的辐射生成辐射信号,
束斑移动装置,用于实现从其检测到辐射的束斑向各个位置的移动;
控制装置,用于控制所述束斑移动装置实现束斑从一个位置到另一位置的移动,以使得在场景上分布的一定数目的束斑处检测辐射,其中所述数目小于高密度信号图案的图案信号的数目,并且从在所述数目的束斑处检测到的辐射而生成的辐射信号形成低密度信号图案,和
处理装置,用于处理所述低密度信号图案的辐射信号,并且通过对所述低密度信号图案应用压缩感测(compressive sensing)来生成所述高密度信号图案。
根据本发明的另一方面,提供了一种相应的辐射测量成像方法。根据本发明的其他方面,提供了一种计算机程序,该计算机程序包括程序装置,程序装置用于当所述计算机程序在计算机上被执行时使得计算机执行根据本发明的所述辐射测量成像方法的处理和重构步骤,并且提供了一种计算机可读非暂时性介质,该计算机可读非暂时性介质上存储有指令,这些指令当在计算机上被执行时使得计算机执行根据本发明的辐射测量成像方法的所述步骤。
本发明的优选实施例在从属权利要求中定义。应当明白,所要求保护的方法、计算机程序和计算机可读介质与所要求保护的装置具有类似和/或相同的优选实施例,如在从属权利要求中中所定义的。
被动式辐射测量成像设备通过对给定场景(常常也被称为″视场″(FOV,field of view))进行扫描来将亮度温度分布映射到该场景上。图像的温度分辨率(ΔT)因此是通过辐射计的天线的带宽(B)、成像设备的噪声温度(TSYS)以及积分时间(τ)而根据如下公式确定的:
从此公式可以得出,为了增大成像设备的温度分辨率,需要减小成像设备的噪声温度或者增大带宽和/或积分时间。辐射计测量由被成像的场景在束斑(即辐射束)所在的各个位置(或像素)处辐射的能量。辐射计在一实际位置处的测量时间越长,此位置处的温度分辨率将越好。另一方面,这增大了扫描时间,这是不希望的特性。因此,根据本发明的要素,提议通过应用已知的压缩感测方法在减小获取事件的同时获得高温度分辨率。
传统的用于采样信号或成像的方法遵从香农(Shannon)定理,香农定理规定采样率必须是信号中存在的最大频率(也被称为奈奎斯特(Nyquist)率)的至少两倍。此原则已经被应用于在消费音频或图像电子产品、医学成像设备、数字通信等中使用的几乎所有信号获取协议中。当信号是有限带宽的时,与在数字通信领域中一样,将模拟信号转换到数字域需要使用模数转换器(ADC),以Nyquist率或者高于Nyquist率进行采样,这隐含地在这样的系统上强加了对ADC能力的依赖性。对于类似于图像的其他信号,所需要的采样率不由Shannon定理指定,而是由所希望的时间或空间分辨率来指定。然而,对于这样的系统,通常要在采样之前使用抗混淆低通滤波器来对信号进行带宽限制,于是Nyquist率在此同样起重要作用。
例如在IEEE Transactions on Information Theory,vol.52,pp.489-509,2006中E.Candes,J.Romberg和T.Tao的″Robust uncertaintyprinciples:Exact signal reconstruction from highly incomplete frequencyinformation″以及IEEE Transactions on Information Theory,vol.52,pp.1289-1306,2006中D.Donoho的″Compressed sensing″中所述的压缩感测范例通过宣称可以从比传统方法所需的采样或测量结果少很多的采样或测量结果来恢复某些信号或图像而与在数据获取方面的共同智慧形成对照。与假定信号中的信息量与其频率内容成比例的传统采样理论相对照,压缩感测提出一种新的采样范例,在此新的采样范例中,信号的信息内容由其稀疏水平或其自由程度来确定。从此观点来看,感兴趣的信号不必要以Nyquist率来被采样,而是以其信息率来被采样,这在大多数情况中大大小于其带宽。
简短总结一下,所述压缩感测范例规定:如果信号或图像在某已知域中足够稀疏,则在获取处理在某种意义上可被随机化的程度下,可以从(大大小于Nyquist所规定的)非常少量的采样来对其进行重构。
因此,本发明提出通过应用压缩感测来减少辐射测量成像系统的扫描/成像时间。为了应用这种技术,首先需要找到图像在其中具有稀疏表示的测量域。遗憾的是,通过辐射测量成像设备得到的图像在辐射计的获取域(其是总的功率辐射能量)中不是稀疏的。因此,所获取的辐射信号被映射到稀疏域。在此考虑的图像的一个特性是它们是分段恒定的,并且因此一种可能性是使用如根据实施例提出的总变差(total variation)技术来从少数测量结果恢复图像,但是其它的变换也是可能的。
成功地应用压缩感测的第二个条件是完成测量的方式(即,测量矩阵)必须与使用的表示基(representation basis)(即,表示矩阵)不相干。相干性测量这两个矩阵中的任意两个元素间的最大相关性。确保此条件的一种方式是选择(伪)随机矩阵作为测量矩阵,即,使获取处理随机化。其他测量矩阵也是可以的,并且依赖于要被扫描的场景,定制的测量矩阵可能比随机选择的矩阵具有更好的不相干性(incoherence)。然而,随机矩阵是一般性的并且是独立于场景的。
根据本发明提出的方案通过对感兴趣的场景进行下采样,即通过采用比在标准获取处理中少的样本而非在所有束斑处的样本来减少成像扫描时间,然后通过应用压缩感测使用图像的某种稀疏表示(例如,类似于总变差)来处理样本(例如,重构图像)。换句话说,根据本发明的要素,在其处从场景检测到辐射的束斑被从一个位置移动到另一个位置,以使得在场景中分布的一定数目的束斑处检测辐射,但是此数目小于传统检测时的所有束斑。
因此,与传统方法不同(根据传统方法,从在大数目的束斑(即,一般而言为所有束斑)处检测到的辐射信号获得高密度信号图案),根据本发明,从检测到的辐射信号获得低密度信号图案。在本上下文中,″高″和″低″应当被理解为表达低密度信号图案与高密度信号图像相比包括较少图案信号的相对关系。例如,如果分辨率为n×n的图像要被重构,即,如果高密度信号图案包括N=n×n个信号,则在少于N个的束斑处检测辐射信号,即,低密度信号图案(仅仅)包括M(<N)个辐射信号。
因此,压缩感测技术可被应用在图像的重构处理中,从而产生与已知的辐射测量成像设备和方法相比而言所希望的优点,特别是引起扫描时间的所希望的减少。
在本上下文中,在场景中移动束斑应当被理解为也包括在场景的预定区域(例如,设置了要被扫描的对象(例如,人)的感兴趣区域)中移动。在此情形中,束斑被从一个位置移动到另一个位置,从而使得在场景的预定区域上分布的多个束斑处检测辐射,但是这些束斑少于预定区域中的所有束斑。
在优选实施例中,束斑被移动到的位置随机地分布在场景(或者预定区域)中。这里,″随机地″不应当被以限制意义理解为″真正地随机″,而是还应当包括″模仿″真正随机行为并且可以通过例如伪随机数生成器或功能生成的伪随机行为。一般来说,分布越″随机″,图像重构的结果就可以越好。
在优选实施例中,所述控制装置适于控制所述束斑移动装置以使得所述低密度信号图案的辐射信号的数目按照从10%到90%范围内的因子而比所述高密度信号图案的图案信号的数目低,特别是从25%到75%范围内的因子。因此,与传统的辐射检测相比,根据本实施例,在多于所有束斑的10%(特别是25%)但是少于所有束斑的90%(特别是75%)的束斑处检测辐射。例如,可以在大约50%的束斑处获取辐射信号,从而得到很好图像质量的重构图像。一般来说,在从其处获取辐射的束斑的数目(即获取时间的减少)和所希望的数据获取和数据处理的结果的质量之间存在折衷。
优选地,所述控制装置适于控制所述束斑移动装置以使得从其处检测辐射的束斑基本均等地分布在场景上。按照这种方式,确保了在任何情况下(即,即使没有可用于要被扫描的一个(或多个)有关对象在场景中被安置的位置的信息),关于任何对象的实质信息也不会丢失。
在另一实施例中,所述控制装置适于控制所述束斑移动装置实现移动,以使得在不规律地分布在场景中的多个束斑处检测辐射,即,所述束斑不是规律地分布在场景中。在本上下文中,″不规律″应当被理解为从其检测辐射的束斑在笛卡尔网格的至少一个方向上(优选为在两个方向上)不是被等距地定位。通过这样的不规律的检测,实现了一定程度的随机性,这正如应用压缩感测技术所要求的。
优选地,根据另一实施例,所述控制装置适于控制所述束斑移动装置实现束斑在场景上的连续移动。因此,不要求束斑向场景上的明显不同的(特别是不相邻的)位置的跳跃,这种跳跃会增加辐射信号的整个获取的时间。
连续轨迹可以被不同地实现,例如通过蜿蜒形(meandering)轨迹或者通过Z字形轨迹或螺旋形轨迹,根据蜿蜒形轨迹,在场景中逐行或逐列地扫描束斑。然而,也可以使用许多其他轨迹。
在一个实施例中,所述控制装置适于将场景划分成多个像素的块,从每个块选择至少一个像素,并且将所选择的像素连接起来以形成轨迹,束斑被沿此轨迹在场景上移动。按照这种方式,实现了像素在场景中的更随机性的分布(从而实现了束斑在场景中的更随机性的分布)。块中的像素的数目一般可以是任意选择的。优选地,此数目不太大,例如,在10×10以下,特别是在5×5以下,并且对于所有的块,块大小是相等的。
此外,所述控制装置优选地适于根据场景的所希望的图像分辨率、要被扫描的对象在场景内的分布和/或场景的图像的稀疏度来控制所述束斑移动装置。
根据又一实施例,所述控制装置适于随机地确定束斑从一个位置到下一位置的移动方向。
根据一个优选实施例,所述处理装置适于通过向辐射信号应用I1范数最小化算法(I1-norm minimization algorithm)来重构图像。I1范数一般是已知的,并且I1范数问题(也被称为最小绝对偏差(LAD)、最小绝对误差(LAE)、最小绝对值(LAV))是一种数学优化技术,与流行的试图找出最接近数据集的函数的最小平方技术(I2范数)类似。在一组(x,y)数据的简单情况中,近似函数为2D笛卡尔坐标中的简单″趋向线″。所提出的方法因此使绝对误差的和(SAE)或者由此函数生成的点和数据中的相应点之间的″残差″(residual)中的一些最小化。
根据本发明的实施例应用I1范数最小化使得能够从检测到的在已知域中是稀疏的辐射信号来恢复所扫描的场景的图像。
为了实现从其处检测辐射的束斑的移动,存在束斑移动装置的各种实施例。根据一个实施例,提供了机械束斑移动装置,特别是用于机械地移动所述辐射计来实现束斑的移动。例如,可以提供马达,通过马达,辐射计的天线被移动或者天线的方向被变化,优选地在两个维度上被变化。根据另一实施例,可以提供旋转镜来改变辐射计的灵敏度轮廓(sensitivityprofile)的方向。
根据另一实施例,提供电子束斑移动装置来电子地移动辐射计的灵敏度轮廓。这样的实施例例如可以通过电子束定位装置或电子束形成装置来实现,电子束定位装置或电子束形成装置具有不提供机械装置的有点并且一般能够比机械束斑移动装置更快速地移动辐射计的灵敏度轮廓。
如上所述,从扫描场景获得的辐射信号在已知域中具有稀疏表示对于压缩感测技术的应用而言是重要的。对于由本发明所涉及的应用,所述已知域优选地为总变差域、傅立叶域、小波域或曲波域(curveletdomain)。
优选地,在一个实施例中,提供存储器来存储将要从其处检测辐射的束斑的位置的一个或多个列表,其中所述控制装置适于从所述列表之一中选择多个所分布的束斑的位置。根据另一实施例,所述控制装置适于通过使用预定函数或分布(特别是均匀的伯努利或高斯分布)来确定多个所分布的束斑的位置。因此,不是提供用于存储预定位置或完整轨迹的存储器,而是提供生成器来生成所述预定函数或分布。例如,伪随机数生成器可以用于实现该实施例。
为了实现本发明,辐射测量成像设备包括用于检测从表示单个像素的束斑发出的辐射的单个辐射计单元就足以。然而,根据可以减少场景的总的扫描时间的其他实施例,辐射计包括用于检测表示从像素行或阵列的束斑发出的辐射的辐射计单元的行或阵列。换句话说,每个辐射计单元检测来自子束斑的辐射,各子束斑一起表示束斑。按照这种方式,来自多个像素(例如,像素行或像素阵列)的辐射被同时检测。优选地,这些辐射计单元被同时地并且相等地移动,或者它们的灵敏度轮廓被同时地并且相等地改变。然而,一般而言,每个辐射计单元被单独地控制并且它们的子束斑被单独地(并且不同地)移动也是可以的。
优选地,辐射计适于检测在毫米波长范围内发出的辐射,所述波长范围特别是从0.1mm到100mm并且优选为从1mm到10mm的波长范围。如上所述,此频率范围能够穿透非金属材料,包括塑料、墙壁、衣服、烟和雾,这对于所提出的设备和方法的应用是一个重要特性。具体地,在像隐藏式武器或易爆物检测等安全性应用中对可实现的几毫米的空间分辨率很感兴趣。一般而言,本发明还适用于其他频率范围。然而,一些频率由于大气吸收特性而或多或少变得不可用(传播衰减过高以致于不能接收某一有用信号)。
根据本发明而提出的辐射测量成像设备可以是主动式或被动式辐射测量成像设备,即,本发明一般可应用于这两种类型的辐射测量成像设备。
在主动式辐射测量成像设备的情况中,另外提供无线电发射装置(有时也称为照射装置)来向场景发射辐射,其中,辐射计(或无线电接收器)适于检测从该场景反射的辐射。要扫描的场景被辐射辐照,并且发射通过场景或者(在另一实施例中)被场景反射的辐射由辐射计检测,辐射计因此适于作为无线电接收器。与被动式辐射测量成像相比,这样的主动式辐射测量成像设备对噪声不那么敏感并且具有较高的信噪比。
主动式辐射测量成像设备一般与被动式辐射测量成像装置相类似地工作,即,要从其处检测辐射的束斑在场景中被移动,同时无线电发射装置(例如无线电发射天线)通过使用宽辐射束来向整个场景发射辐射。作为替代,无线电发射装置可以使用窄辐射束并且可以随后从该无线电发射装置向场景中所希望的束斑发射辐射,同时辐射计(无线电接收器)使用宽灵敏度轮廓从而使得同时从整个场景接收辐射。另外,在一个实施例中,无线电发射装置和辐射计都具有窄束,但是被共同控制以使得发射束和检测束(即,辐射计的灵敏度轮廓)一般总是指向场景上的同一束斑,从而仅从场景中正好被暴露于所发射的辐射下的区域检测辐射。
根据另一实施例,无线电发射装置和辐射计被结合在单基(monostatic)辐射单元或者单基雷达中。换句话说,无线电发射装置和辐射计被结合成单基主动式雷达系统,其中发射天线和接收天线在同一位置或者通过同一公共天线来实现。
一般而言,因为集中于目标周围的体素(voxel),即从场景中没有任何感兴趣对象的束斑(没有有用信息)获取辐射,所以部分扫描时间被浪费。根据一种已知的方案,如在US2007/0139248A中所公开的,提出通过使用在可视频谱中操作的另外的相机来减少扫描时间。由此相机提供的关于对目标(=感兴趣的对象)的限制的信息被控制单元用来将天线束引向目标,而不是扫描整个视场(FOV)。然而,可视范围相机不能检测正被扫描的人是否在衣服下隐藏了对象,因此已知的毫米波系统必须扫描整个目标。
为了克服此问题,在优选实施例中,所述控制装置适于在表示场景的高密度信号图案已被生成之后实现从其处检测到了辐射的束斑向减小的视场中各个位置的移动,从而使得在所述减小的视场上分布的减小的数目的束斑处检测辐射,所述减小的视场小于整个场景并且包含感兴趣的对象,其中,所述减小的数目小于表示所述减小的视场的高密度信号图案的图案信号的数目,并且从在所述减小的数目的束斑处检测到的辐射生成的辐射信号形成所述减小的视场的低密度信号图案,并且其中,所述处理装置适于处理所述减小的视场的低密度信号图案的辐射信号,并且通过对所述减小的视场的低密度信号图案应用压缩感测来生成所述减小的视场的所述高密度信号图案。
在进一步改进的实施例中,提出所述控制装置适于进一步逐步地减小视场并且执行从其处检测到了辐射的束斑向进一步减小的视场中的各个位置的移动,其中,所述处理装置适于处理所述进一步减小的视场的低密度信号图案的辐射信号并且生成所述进一步减小的视场的高密度信号图案。
因此,根据这些实施例提出的方案使用缩小方法利用压缩感测来获取感兴趣的场景的具有不同分辨率的不同图像(特别是至少两个图像,或者,更一般地,获得两个高密度信号图案)。最初,整个FOV的低分辨率图像被用于检测对象的限制。然后,定义仅包含感兴趣的目标的新的FOV,然后获得具有稍微更好的分辨率的第二图像。此过程可以继续,直到任何可疑的隐藏对象被识别出或者得出根本不存在隐藏对象的结论为止(或者直到达到迭代的上限为止)。
在又一个实施例中,所述控制装置适于实现束斑(从该束斑检测到辐射)向减小的视场中的各个位置的移动,从而使得在所述减小的视场中的高数目的束斑处检测辐射,所述减小的视场小于整个场景并且包含感兴趣的对象,其中,所述高数目对应于表示所述减小的视场的高密度信号图案的图案信号的数目,并且从在所述高数目的束斑处检测到的辐射生成的辐射信号形成所述减小的视场的高密度信号图案,并且其中,所述处理装置适于处理所述减小的视场的所述高密度信号图案的辐射信号。因此,在最后的迭代中,例如,如果视场已经足够小,则不再应用压缩感测,而是从此小的视场,从覆盖整个视场的所有束斑检测辐射,并且从在所有束斑处检测到的所有辐射,重构图像或者获得高密度数据图案。
优选地,在又一实施例中,提供检测装置在高密度信号图案中检测感兴趣的对象并且将关于检测到的感兴趣的对象的对象信息(特别是感兴趣的对象的位置和大小)提供给所述控制装置。此对象信息然后被控制装置用于减小视场以用于下次迭代,并且用于判断在下次迭代中是否要再次应用压缩感测或者用于判断是否例如因为视场足够小而可以进行完全扫描。这些检测装置可以使用图案识别算法,例如与自动目标识别算法相结合的图案识别算法。这些算法例如在2000年Springer中M.Bennamoun和G.J.Mamic的″Object Recognition:Fundamentals and Case Studies″中被描述。
作为替代或者另外,在另一实施例中,提供用户接口来将关于检测到的感兴趣对象的信息(特别是感兴趣的对象的位置和大小)和/或关于减小的视场的位置和大小的视场信息输入并提供给所述控制装置。这样的接口可以是计算机端子,例如用户可用来在示出先前获得的图像的显示画面上指示出减小的视场的指针。
附图说明
本发明的这些和其他方面将从如下所述实施例而变得明显并且将在下面参考如下所述实施例来更详细说明。在附图中
图1示出根据本发明的被动式辐射测量成像设备的示意性框图;
图2示出根据本发明的成像设备的第一实施例的更详细示意性框图;
图3示出根据本发明的成像设备的第二实施例的更详细示意性框图;
图4示出说明传统采样的示图;
图5A-5B示出原始图像和仅从原始图像的一部分小波系数重构的图像;
图6示出在图5A中所示的图像的小波系数;
图7示出一般的压缩感测方法的步骤的示图;
图9A-9B示出范数I2和I1的几何求法;
图10A-10B示出总变差变换应用于样本画面的示例;
图11A-11D示出束斑的连续移动的各种轨迹;
图12示出根据本发明的用在装置中的辐射计的另一示例;
图13示出说明根据本发明的成像设备的第三实施例的示意性框图;
图14A-14C示出轨迹和创建轨迹的另一实施例;
图15示出说明根据本发明的主动式成像设备的实施例的示意性框图;
图16到图18示出说明根据本发明的使用缩小法的成像设备的实施例的示意性框图;
图19示出在图16到图18中所示的实施例中使用的方法的流程图。
具体实施方式
隐藏对象检测系统主要用于以下场所的入口:进入的人非常多,因而由于时间限制问题以及由于人为错误而容易出错使得手动扫描是不实际的(机场、海关、办公楼、学校等)。这样的系统可以a)检测隐藏在人们的衣服下的(金属的或者陶瓷的)武器、易爆物和其它禁止项目的存在、位置和标识(identification);以及b)在不侵犯任何人的隐私的情况下快速、安全地监视人是否有(金属的或者陶瓷的)武器、易爆物和其它禁止项目。
毫米波长成像和对象检测系统的目的将不仅仅是定位所关注的对象,而且还用于识别它是什么。此识别处理始于检测并且经历在各处描述为辨识和分类的处理。因此,″检测″常被定义为″用于将可能感兴趣的对象与其周围的事物区分开的处理″。然而,操作员可能不知道哪种类型的对象被检测出,而只知道某种东西被检测出。传统的排查金属检测器会令操作员知道金属对象已经通过入口,但是这些系统不提供金属对象的位置或者金属对象的类型(枪支或钥匙)的标识。
此外,要在这样的情形中使用的对象检测系统必须同时可靠和迅速。可靠在这里指系统能够以可接受的少量的错误的肯定检测和大量的正确的肯定检测来检测出比某一特定大小更大的对象。可实现的空间分辨率依赖于系统的波长并且须被作为设计参数来考虑。系统的速度将依赖于获取单元的具体实现方式(扫描机制)以及图像处理算法。
从系统架构的角度来看,这样的系统的最简单的实现方式将是使用单对发射器-接收器(其能够使用某种机械移动来扫描感兴趣的场景(人体、行李箱等等))。虽然简单,但是这样的实现方式中的获取时间对于(例如在机场中的)隐藏对象检测应用系统来说是不切实际的。优选的解决方案通常包括一些电子扫描装置,具体为用于向/从对象发射、接收和/或反射毫米波辐射的发射器、接收器和/或反射器天线阵列。这样的天线阵列可以使用传统的模拟相控阵列或二进制反射器阵列来构建。在任一种情况中,天线阵列通常把包含大量个体毫米波射线的毫米波辐射束引向3D空间中与包含对象的场景中的体素相对应的点或体积。这是通过将阵列中的每个天线元件编程有使得天线元件能够修改相应毫米波射线的相位的相应相移来实现的。每个天线元件的相移被选择为使得来自各个天线元件的所有的个体毫米波射线基本同相地到达目标。可编程的/可重新配置的天线/反射器阵列在US 7,224,314中描述。
图1示出根据本发明的用于对场景成像的被动式辐射测量成像设备10的总体布局的示意性框图。所述设备10例如可用于对(例如中性的,neutral)背景前的人进行扫描以检测此人是否携带隐藏式武器。设备10包括辐射计12、束斑移动装置14和控制装置16,辐射计12用于检测从场景的束斑发射的在预定频谱范围内的辐射并且从所检测到的辐射生成辐射信号,束斑移动装置14用于执行从其处检测到辐射的束斑到各种位置的移动,控制装置16用于控制所述束斑移动装置14执行束斑从一个位置到另一个位置的移动以便在场景24上分布的一定数目的束斑处检测辐射。所述数目小于所述高密度信号图案的图案信号的数目,并且从在所述数目的束斑处检测到的辐射生成的辐射信号形成低密度信号图案。此外,设备10还包括处理装置18,处理装置18用于处理所述低密度信号图案的辐射信号并且通过对所述低密度信号图案应用压缩感测来生成所述高密度信号图案。
图2示出被动式辐射测量成像设备10a的实施例的更详细框图,其中,单个辐射计12a包括具有锐束(sharp beam)20的天线,锐束20定义像素或束斑22的大小,在本实施例中,像素或束斑22为圆形,场景24通过像素或束斑22而被扫描并且辐射从像素或束斑22被检测到。包括此天线的辐射计12a被附接到马达14a,马达14a表示束斑移动装置14。所述马达14a可以在高度(elevation)和方位(azimuth)这两个方向上移动辐射计12a(具体为移动辐射计12a的天线),以实现束斑22在场景24中的例如沿着预定轨迹23的移动。按照这种方式,场景24的视场(即全部场景24或预定区域)在两个维度上被扫描。
马达控制单元16a被提供用于对马达14a给出将束斑移到所希望位置的适当命令,以使得辐射计12a获取来自该束斑的辐射并且生成辐射信号。然而,根据本发明,与从所有束斑获得辐射的一般扫描相比,仅仅从减少的数目的束斑获得辐射信号。例如,仅仅从所有束斑的50%(一般而言,少于所有束斑的90%但是多于10%)获得辐射信号。因此,根据本发明,通过对感兴趣的场景进行下采样,即,通过比标准获取处理采用更少的样本,相对于传统扫描减少了扫描时间。所获得的辐射信号(其形成低密度信号图案)然后被处理,例如,通过使用图像的某种稀疏表示(例如,总变差)进行压缩感测来重构图像和具有一定数目的图案信号(该数目大于所述低密度信号图案的辐射信号的数目)的高密度信号图案。
根据一个实施例,束斑被移动到的位置是随机确定的,例如从某一预先定义的列表或表格中选择,该列表或表格例如存储了束斑随后要被移动到的位置的预定轨迹。这样的列表或表格可被存储在存储单元26中。
在对场景24的扫描完成之后,从所检测到的来自各个像素的辐射获得的辐射信号(例如,在束斑22被定位在场景24的各个位置时由辐射计12a获得的)优选地在由模数(ADC)转换器28进行数字化之后被提供给重构单元18(表示本实施例中的处理装置)。所述重构单元18对所获取的样本应用压缩感测技术以最终重构出原始图像30。
用于选择束斑移动位置和从其检测到辐射的束斑数目的确切过程将依赖于每个应用并且一般被调谐成在图像分辨率和扫描时间之间获得最佳结果。在任何情况中,总的扫描时间应当少于未应用压缩感测的情况。
替代存储预先定义的位置或轨迹时间的存储单元26,可以提供随机生成器32来随机地生成位置,例如,每当束斑22被移动到新位置时,下一位置就被确定。所述随机生成器32例如可被实现为伪随机数生成器,伪随机数生成器以随机选择的初始位置为基础基于预定算法生成随后的位置。
图3示出根据本发明的被动式辐射测量成像设备10b的另一实施例的框图。在本实施例中,不是通过马达(或者其他机械移动装置)机械地移动辐射计12b(包括天线)来实现束斑22在场景24中的移动,而是提供电子束斑移动装置14b来电子地移动/定位所述辐射计的灵敏度轮廓,从而实现束斑的移动。所述电子束斑移动装置14b例如通过电子束定位装置或电子束形成装置来实现。这样的数字束形成装置的示例在Antennas andPropagation,2007,EuCAP 2007,Nov.2007,pp.1-11中N.A.Salmon等人的″Digital Beam-Forming for Passive Millimitre Wave Security Imaging″中被描述。这些电子束斑移动装置14b由束控制单元16b控制,类似在图2中所示的马达控制单元16a,束控制单元16b选择用于束斑22的移动的各个位置。
接下来,将一般地说明压缩感测的基本原理。
例如,如果感测波形是迪拉克德耳塔(Dirac delta)函数,则y为x在时间或空间域中的采样值的向量。如果感测波形为正弦曲线(例如,正如在磁共振成像(MRI)中所发生的那样),则y为傅立叶系数的向量。这些感测波形形成正交基,正交基被称为感测正交基,或者当感测操作被以矩阵格式表达时被称为感测或测量矩阵。图4示出对于迪拉克德耳塔情况的感测或测量矩阵。
从图4还可以看出,虽然感兴趣的信号x只具有三个非零元素,但是向量中的所有N个位置都被测量矩阵进行采样。非零元素在向量中的位置是未知的,并且因此不可能设计出精确地在那些位置处对信号x进行采样的测量矩阵。然而,这提出了如下问题:是否能够设计出将允许我们只采用与信号的维度相比而言较少数目M个测量结果(M<<N)但是仍能够恢复信号的感测矩阵。这正是压缩感测设法要实现的:根据少量的测量结果,完全恢复信号或者获得对信号的非常良好的近似。成功将压缩感测范例应用于信号或图像依赖于以下两个原则:与感兴趣的信号有关的稀疏性(sparsity),以及涉及采样形式的不相干性。
稀疏性表达这样的思想:信号的信息率可大大小于其带宽所暗示的信息率。实际上,许多自然信号当被以传统基被表达时具有简洁的表示。例如考虑在图5A中所示的(完整)图像和在图5B中所示的其小波变换。虽然近乎所有的图像像素都具有非零值,如在图6中所示,但是大多数小波系数是小的并且相对很少的大系数捕获了大多数信息:原始图像(图5A)和通过仅使用25.000最大系数获得的重构图像(图5B)之间的差异几乎察觉不到。
假定x为实数值的、有限长度的一维离散时间信号(其可被视作中具有元素x[n](n=1,2,...,N)的N×1列向量)。中的任何信号都可以按照N×1向量的正交基{ψi}i=1,2,...,N来表示。利用以向量{ψi}为列的N×N基矩阵Ψ=[ψ1,ψ2...ψN],信号x可被表达为:
如果信号x仅仅是K个基向量的线性组合,则信号x为K阶稀疏(K-sparse);即,si系数中只有K个为非零并且(N-K)个为零。感兴趣的情况是当K<<N时。如果前面的表示正好具有很少的大系数和很多的小系数,则信号x是可压缩的。
测量矩阵Φ必须使得能够从M<N个测量结果(向量y)重构长度为N的信号x。因为M<N,所以此问题看起来是糟糕的,但是如果x是K阶稀疏的并且非零系数在s中的K个位置是已知的,则在M≥K的情况下该问题可以被解决。用于使此简化问题成为良态的必要充分条件是:对于与s共享相同的K个非零项的任意向量v并且对于一些>0的情况满足下式
也就是说,矩阵Ω=ΦΨ必须保留这些特定的K阶稀疏向量的长度。当然,一般而言,这K个非零项在s中的位置是未知的。然而,K阶稀疏可压缩信号的稳定解的充分条件是:对于任意的3K阶稀疏向量v,Ω满足此公式。此条件被称为受限等距性(RIP,restricted isometry property)。被称为不相干性的有关条件要求Φ的行{φi}不能稀疏地表示Ψ的列{ψi}(反之亦然)。
也就是说,相干性测量Φ和Ψ的任意两个元素之间的最大相关性。如果Φ和Ψ包含相关的元素,则相干性大,否则相干性小。在任何情况中,可以证明
压缩感测主要关心低相干性对。例如,在传统的采样方案中,在Φ和Ψ分别为尖峰(spike)和傅立叶基的时间或空间中,相干性为μ=1并且因此给出了最大不相干性。在另一示例中,小波(wavelet)被用于Ψ并且噪波(noiselet)被用于Φ。在Haar小波的情况中,并且在Daubechies D4和D8的情况中,不相干性分别约为2.2和2.9。
然而,最感兴趣的结果是随机矩阵与任何固定基Ψ十分不相干。只管随机地均匀地选择正交基Φ,例如,通过对在单位球面上独立地均匀地采样的N个向量进行正交归一化来进行选择。于是,Φ和Ψ之间的相干性有很高概率是大约通过扩展,具有独立同样分布(i.i.d.)的项(像高斯或±1二进制项)的随机波形将也会表现出与任何固定表示基Ψ的很低的相干性。
M≥C·μ2(Φ,Ψ)·K·logN
则信号x有绝对非常大的概率可被准确恢复。信号x的恢复是通过凸最小化(convex minimization)来完成的,凸最小化不假定关于x的非零坐标的数目、它们的位置或幅度的信息的任何知识,这些被假定全部预先是未知的。只是需要运行该算法,并且如果信号恰好是足够稀疏的话,就会发生准确恢复。
相干性的作用从如下定理变得很明显:相干性越小,需要采用的样本就越少。如果μ等于或接近1,则KlogN量级的样本数足够用来恢复信号。对于实际情况,通常采用至少三倍大的M个,即M≥3K。
信号重构算法必须采用向量y的M个测量结果,随机测量矩阵Φ和表示基Ψ按照图7中示意性所示地来重构长度为N的信号x。
为了重构x,必须估计系数s。因为试图恢复稀疏信号,所以问题可以被缩减为在满足所观察到的测量结果(即,y=ΦΨs)的所有可能的系数向量s中找出最稀疏的那个(p),即,具有最大数目的零系数或者换句话说具有最小数目的非零系数的那个系数向量。在数学上,这可以用公式表示为求解如下的最小化问题:
其中,Ω=ΦΨ,并且||·||p表示Ip范数,该范数被定义如下:
范数I0(p=0)计算s中非零项的数目。因此,此最小化问题要找出的是:具有较少非零系数的p。遗憾的是,此最小化问题在数值上是不稳定的并且是NP完全问题(NP-complete),这要求对非零项在s中的所有的个可能位置进行穷举。
此问题可以通过空间几何被很好地可视化。如在图8中所示,中的K=1和K=2的向量分别表示位于一个坐标轴上的平面和点。对于I0范数的最小化问题正是要找出那些N维K阶稀疏表面,但是如上所述,此问题不能被求解。
用于求解与此类似的逆问题的传统方法是找出具有最小能量(即具有最小I2范数)的向量。在此情况中,该问题可以利用线性编程技术来求解,但是得出的解将几乎都不是在本发明的应用领域所要找的K阶稀疏解,而是具有很多非零系数的非稀疏解。在几何上,对于I2范数的最小化问题是要找出与最小能量超球面(hypersphere)的接触点,但是由于表面的随机取向,此接触点将不太可能被定位到任何坐标轴,因此其将不是稀疏解,如图9A中所示。
意外的是,基于I1范数的优化可以准确地恢复K阶稀疏信号并且非常接近压缩信号。如在图9B中可看出的,I1球具有排列在坐标轴上的点。因此,当I1球被充气时,其首先在这些点的其中之一(正是稀疏向量s所在的地方)与表面接触。
从一定数量(M<<N)的测量结果恢复N阶信号的此问题是组合性的并且是NP困难问题(NP-hard)。因此,开发了一系列的追寻方法(pursuit method)来通过搜索有效但不是最优的近似值来降低计算复杂度。
I1最小化原理(也被称为基追寻(BP))试图找出其系数具有最小I1范数的信号的表示。这是通过在直到没有可能的改进为止(在该点处获得解)之前对初始基进行迭代改进来完成的。这需要凸优化问题的解,凸优化问题可被重新表示为线性编程问题(LP),并且因此,来自LP文献的任何算法可以被考虑作为用于求解BP优化问题的候选。这些候选中的一些例如是单纯形(simplex)算法、较慢但是极为精确的内点算法、快速一阶梯度投影算法,等等:
基I1最小化问题的许多变体也已经被提出,例如二次松弛(quadraticrelaxation),也被称为LASSO,
遵从
或者Dantzing选择器
虽然BP是无需任何指定算法的全局优化原理,但是称为正交匹配追寻(OMP)的另一恢复技术实际上是迭代算法,该算法不是明确地寻求任何总目标,而是仅仅重复地应用简单规则。如果OMP与用于BP的单纯形算法相比,前者从空(empty)模型开始并且每步都建立信号模型。相反,BP单纯形从全(full)模型开始并且在每步中试图从模型中取出相对无用的项来对模型进行改进。
该算法基本在于:通过找出Φ中与y最相关的列并且从y中将其减去以形成残差y′来选择第一″活动″分量。然后,将y′作为开始活动分量来重复此过程。该算法在迭代之间对″活动集″进行了正交化,并且其对于小规模的问题是非常快的。然而,对于存在噪声的大信号而言,该算法不是很精确或者强健的。
对于大系统,可以通过比一般求解算法运行快得多的迭代阈值算法来获得对最稀疏解的良好近似。其思想是猜测一解yk并且对其进行反向投影以得到估计的xk=ΦTΦyk。xk然后被阈值化以得出yk+1。这是可行的,因为在稀疏信号中,xk在活动集中是大的并且在别处都很小。虽然是与BP类似的过程,但是其非常快,并且能够很好地适用于稀疏信号并且对于恢复近似稀疏(可压缩)信号而言相当好。
稀疏化变换是将图像的向量映射到稀疏向量的算符。近年来在稀疏图像表示方面的广泛研究已经得出了很多能够稀疏化许多不同类型的图像的各种变换。例如,分段恒定图像可以通过空间有限差(即,计算相邻像素之间的差)而被稀疏地表示,因为远离边界这些差将消失。稀疏性水平等于图像中的″跳″数。这类似于进行高通滤波操作。
利用总变差(TV)变换的稀疏化特性并且认为对象的TV范数大约为其梯度的I1范数,则压缩感测恢复问题可以用公式表示为如下:
遵从
这也是可以利用内点法求解的凸问题。虽然内点法较慢,但是对于恢复图像来说是一种精确并且强健的最小化方法。
将这些一般的考虑应用到所提出的被动式辐射测量成像设备和方法意味着如上述一般地应用那样对所获取的检测信号应用I1范数最小化算法。然而,重要的是要注意,在此情况中比常规扫描采用更少的测量结果,根据本发明,通过这些测量结果获得了必要的不相干性。
以图2中所示的场景24(其可被表示为长度为N的向量x)为例。因为此画面很明显是分段恒定的,所以可以通过应用总变差(TV)变换对其进行稀疏化。通过仅仅查看计算该图像的总变差的结果,该稀疏变换就是很明显的。利用参考画面莉娜(Lena)的第二图像在图10A中示出,以认识TV变换在更一般的图像中的稀疏效果(如在图10B中所示)。换句话说,该TV变换在被应用到分段光滑的图像时获得了稀疏表示。本发明所处理的辐射测量图像也是分段恒定的,因此TV变换也将产生稀疏图像。
辐射计产生与普朗克定律成比例的输出电压,普朗克定律描述来自温度为T的黑体的电磁辐射中的所有波长的频谱辐射强度(spectralradiance):
其中h和k分别是普朗克和玻尔兹曼常数,f为频率,c为光速,并且T为被测量体的温度。此公式表示发射表面的每单位面积、每单位立体角以及每单位频率的发射功率(SI单位:J.s-1.m-2.sr-1.Hz-1)。
为了计算在辐射计中接收的辐射表面的每单位面积的总能量(辐照),需要在辐射计-接收器系统的整个频带上对频谱辐射强度进行积分。
此外,为了获得每个束斑(像素)的总的辐射能量,此值必须乘以由一个束斑覆盖的面积(A),由一个束斑覆盖的面积(A)又依赖于天线元件的辐射图案:
辐射计还接收与信号混合的噪声。此噪声生来自多个源,但是这超出了本发明的范围,并且因此在此将不对其进行论述。知道有必要收集足够的能量来补偿到来的以及自有系统噪声就足以。这可以通过增大积分区间(带宽)或者收集并加和在一定量的时间(积分时间)中的能量来完成:
因此,利用类似在图2中所示的设备的设备、采用像素选择来扫描场景的处理可以被描述为采取以下措施:
其中测量矩阵将(例如随机地)选择哪M个(M<<N)像素将要被获取。
然后,通过应用利用某种已知的线性程序方法(例如,基追寻算法)或者某种非线性算法(例如Fletcher-Reeves共轭梯度迭代方案)的上述I1最小化算法的总变差版本实现了对辐射测量图像的所希望的重构,Fletcher-Reeves共轭梯度迭代方案在The computer Journal,vol 7,no.2,pp.149-154,1964中R.Fletcher和C.M.Reeves的″Functionminimization by conjugate gradients″中被描述。此最小化算法将找出在总变差域中与测量结果匹配的最稀疏的图像。
I1最小化是公知的技术,上面也已经一般地对其进行了简要的说明。此外,可用于求解类似I1最小化问题的凸问题的线性程序或非线性算法也是公知的。
如上所示,在单像素被动式辐射测量成像设备中,对感兴趣的场景的窄天线束的扫描基本可以通过电子或机械扫描来实现。在第一种情况中(如在图3中所示),天线束可以电子地被引向场景中的所希望的束斑。两个束斑之间的切换时间不依赖于这些束斑在场景中的距离。因此,在此情况中,可以进行完全随机(包括伪随机)的获取,即,场景中的一些像素被随机选择。对于所获取的像素和测量结果(随机矩阵),压缩感测处理单元(例如,重构单元)应用I1范数最小化算法例如以便重构图像。
对于第二种情况,即机械实现方式的情况,有若干可能性。这样的实现方式在图2中示出。在这样的实现方式中,类似电子操控的情况(图3)的总的随机获取不是优选实施例,因为读取场景中处于不同位置的独立像素涉及用于马达重新定位的耗时布置,这增大了总的场景扫描时间。
在(基于马达的)光栅方案中对要获取的样本的选择因此优选地满足压缩感测的两个要求。第一,具有感测器单元的马达应当能够以连续的方式跟随路径(轨迹),即,其不应当从一个位置去到离着多于一个位置的另一个位置。第二,此路径不需要具有具体的形式。此路径看起来越随机,恢复结果将会越好。然而,优选地,路径覆盖的图像的区域优选被均等地分布。换句话说,为了利用总数目N(形成高密度信号图案)中的减小数目的M个样本(M<<N)(形成低密度信号图案)来恢复图像,如果场景(或者场景的预定区域)被划分成M/2个相同大小的非重叠部分,则有很高概率,这些部分中的每一个将包括至少一个样本。
根据优选实施例,在此情况中提出将马达移动编程为通过跟随预定的或者即时确定的(例如,随机的)轨迹而在场景上进行扫描。这样的轨迹中的一种在图2中示出,可能的轨迹的其他示例在图11A-11D中示出。
在图2所示的实施例中,示出了在场景24上跟随Z字形路径的轨迹23a,其适合于信息被在场景空间上均等地分布的场景。
在图11B所示的另一实施例中,马达跟随螺旋形路径23b,螺旋形路径23b在大多数信息集中于场景24的中心时是更加适合的。扫描于是被优选地局限于集中大多数(全部)信息的这样的预定区域(这里为中心区域)。一般而言,最适当的路径须要依赖于场景的信息分布(螺旋形,Z字形,等等)、其稀疏性(越稀疏,恢复图像需要的样本就越少)以及所要求的恢复出的图像的分辨率来选择。为此,单独的路径选择单元(未在图2中示出)向马达14a发送相应的命令以跟随所选择的路径扫描场景24,此路径选择单元也可以通过控制单元16a来实现或者被实现在控制单元16a内。为此目的,可以在存储器26中提供大量的、用户可选择的可能路径,或者也可以例如在生成器32中定义新的路径。
在图11C中示出的可能轨迹23c的第三实施例是从标准的全扫描得出的,其中,感测器在方位方向上局部地或者完整地对行进行扫描,但是高度方向被随机地选择。这例如被实现为:马达控制单元16a首先随机地选择方位方向上的哪些行(或者局部行)将要被扫描。然后,马达控制单元16a将这些行按照如下方式进行排序:马达14a可以遵循不间断的移动并且不需要移动返回来扫描先前的行。
在图11D中示出的可能轨迹23d的第四实施例中,马达14a在高度方向局部地或者完整地对行进行扫描,而方位方向被随机地选择。马达控制单元16a首先随机地选择高度方向上的哪些行(或者局部行)将要被扫描。然后,马达控制单元16a将这些行按照如下方式进行排序:马达14a可以遵循不间断的移动并且不需要移动返回来扫描先前的行。
可能轨迹23e的另一实施例在图14A中示出。此轨迹23e目的在于实现压缩样本的更加随机的分布。为此目的,路径选择单元(或者控制单元)将视场划分成具有预定数目(少量)像素(例如,2×2像素或者3×3像素)的块。从这些块中的每个块中,一个像素被随机地选择。最后,每两个连续的块中的被选择的像素通过选自将这两个像素相连的所有可能路径中的一个路径而被链接。
图14B示出使用2×2像素的块38a的示例,图14C示出使用3×3像素的块38b的示例。此外,可能的路径40、42被示出,通过进一步选择与所选择的像素44a、44b相连的像素46a、46b,可能的路径40、42将对于2×2和3×3情况的所选像素44a、44b链接起来以得到连续轨迹。实线40a、40b是被选择的链接路径并且虚线42a、42b是其他(未被选择的)可能路径。利用此实施例,实现了像素在场景上更加均匀的分布,如在图14A中所示,其中轨迹23e是使用2×2像素的块生成的。
在另一实施例(在图2中示出)中,随机路径例如是使用如下算法生成的:该算法通过在八种可能移动(向上、向下、向右、向左、向左上、向右上、向左下、向右下)中的一种移动之间准随机地进行选择来决定下一扫描点。该算法须要根据实际位置来注意哪种移动是可能的。例如,如果实际像素处于左上角,则只有向右、向下和向右下的移动是可能的。此外,此算法还须要避免马达14a对同一像素进行两次扫描,并且因此其须要避免在路径生成处于死锁状态时可能结束的移动。
机械实现方式的另一种可能方式是使用与旋转镜34(或反射器)和圆锥形反射器35相结合的固定天线36,旋转镜34和圆锥形反射器35把所辐射的能量集中于接收天线36。这样的实现方式的示例在图12中示出。在此类型的配置中,天线束斑22遵循由镜34的旋转移动引起的在场景24上的圆形轨迹。同时,由旋转反射器34与圆锥型反射器35和天线36形成的组被沿着场景24横向布置。改变此获取系统的旋转和平移移动及其速度,可以生成用于天线束束斑22在场景24上的多条不同轨迹。
获取模块与可被以如下方式编程,即跟随预定轨迹,只有减小的数目的样本被收集。
所提出的思想不限于如在图2和图3中所示的顺序地扫描场景的使用单个辐射计的被动式辐射测量成像设备。如图13中的实施例示意性地示出的,其还可以被应用于采用包括行分布或阵列分布的多个辐射计单元13的辐射计12c的设备10c。各个辐射计单元13的束斑由束斑移动装置14c在控制器16c的控制下被移动,其中,束斑可以单独地(例如,不同地)被移动,或者可以同时地并且同样地被移动(例如,向着相同的方向,以相同的速度,...)。因此,对于这样的实施例,由于同时测量来自各个束斑的辐射,因此与只具有单个辐射计13的实施例相比,可以节省测量时间。
作为替代,也可以是一个辐射计单元(或者第一组辐射计单元)检测辐射,而另一个辐射计单元(或者另一组辐射计单元)的(一个或多个)束斑被移动到另外的(一个或多个)位置。
根据本发明的主动式辐射测量成像设备50的一个实施例在图15中示出。与上面说明的被动式辐射测量成像设备的实施例(特别是图3中所示的实施例10b)相对照,主动式辐射测量成像设备50另外包括无线电发射单元52,无线电发射单元52被配置用于例如根据从控制单元54接收的无线电发射信号来向被扫描的场景24发出辐射。场景24因此主动地被毫米波辐照并且辐射计12b检测从场景24反射的(或者通过场景发射的,这在本实施例中并不进行)波。与被动式辐射测量成像设备相比,主动式辐射测量成像设备50一般对噪声不那么敏感,并且具有较高的信号强度。然而,本发明的上述使用压缩感测来减少扫描时间的主要思想独立于是使用主动式辐射测量成像设备还是被动式辐射测量成像设备,并且可以被应用于这两种类型的设备。主动式辐射测量成像设备50的一般结构因此与上面(特别是参考图3)说明的被动式成像设备是相同的并且包括相同的其他元件。
在图15中所示的实施例中,无线电发射单元52通过使用宽辐射束56将辐射发射到整个场景24上。作为替代,也可以(未示出)是无线电发射单元52使用窄束,此窄束在场景24上被扫描(或者被引向所希望的束斑),并且辐射计12b使用宽束20来同时接收来自整个场景24的辐射。在另一实施例中,辐射计12b和无线电发射单元52二者都可以使用窄束,但是它们然后必须被控制为使得它们同时被引向相同的束斑。
必须要注意,压缩感测算法也可应用于发射天线和接收天线处于相同位置的单基主动式雷达系统。在此情况中,处理是相同的。替代单独的无线电发射单元,使用组合式TX/RX(发送/接收)天线,组合式TX/RX天线被配置用于向场景24发射辐射并且用于检测通过场景24发射或从场景24反射的波。通过使用切换单元,此天线对于不同时间区间被从发射模式切换到检测模式。
如上所述,隐藏式对象和武器检测系统的典型应用,也即辐射测量成像设备的典型应用,是从一定距离对目标(通常为人;也被称为感兴趣的对象)进行扫描的远距检测系统。US2007/0139248A描述了这样的系统。为了减少扫描时间,该申请提出使用在可见频谱中进行操作的另外相机。由此相机提供的目标限制信息被系统用于将天线束引向目标,而不是对整个视场(FOV)进行扫描。然而,可见范围的相机不能检测正被扫描的人是否在衣服下隐藏了对象,因此毫米波系统必须对整个对象进行扫描。
因此,本发明在其他实施例中试图通过应用压缩感测并且通过使用缩小(zoom in)方法来减少辐射测量成像设备的扫描/成像时间。一般而言,此思想既可用在被动式辐射测量成像设备中又可用在主动式辐射测量成像设备中,但是优选地可应用在主动式辐射测量成像设备中。
成功应用压缩感测的条件是测量矩阵需要与正使用的表示矩阵不相干。相干性测量这两个矩阵中的任意两个元素之间的最大相关性。确保此条件的最简单方式是选择(伪)随机矩阵作为测量矩阵,即,获取处理需要被随机化。理想地,为了实现较高的不相干性,可以遵循某种已知的例如伯努利(Bernoulli)、高斯等分布来随机地选择样本。其他测量矩阵也是可能的,并且依赖于要被扫描的场景,定制的测量矩阵可能比随机选择的矩阵具有更好的不相干性。然而,随机的测量矩阵是一般性的并且是独立于场景的。
在对感兴趣的场景进行扫描期间,一般覆盖了场景的整个FOV。然而,在大多数情况中,感兴趣的只是目标所在的那部分场景。因此,扫描目标周围的空空间浪费了一些时间。根据本发明的优选实施例提出的思想是使用缩小法来执行对场景的扫描,其中,因为被扫描的区域(即视场)被减小了,所以重构出的图像的分辨率可被增大。
根据本发明的使用此缩小法的辐射测量成像设备的实施例60在图16到18中被示意性地示出。本实施例60示出与在图3中所示的实施例10b的相似性在于提供了电子束控制,即,辐射计12b(包括天线)不是被马达(或者其他机械移动装置)机械地移动来实现束斑22在场景24上的移动,而是提供了电子束斑移动装置14b来电子地移动/定位所述辐射计12b的灵敏度轮廓从而实现所述束斑22的移动。然而,在另一实施例中,辐射计还可以如在图2中所示的实施例10a那样被机械地移动。
虽然本实施例60可以是被动式辐射测量成像设备,但是其优选地被实现为使用单基主动式雷达系统的主动式辐射测量成像设备,即,天线12b既被用于向场景24发射辐射又用于接收从场景24发射/反射的辐射。作为替代(未示出),可以提供单独的无线电发射天线向场景发射辐射。优选实施例通常包括反射天线阵列,用于向对象发射毫米波辐射、接收来自对象的毫米波辐射和/或对来自对象的毫米波辐射进行反射。这样的天线阵列可以使用传统的模拟相控阵列或二进制反射器阵列来构造。
在此作为一个示例,场景24包括正携带了三个隐藏的金属对象的人:位于胸部区域的两个金属方形板和在胃部区域的一支枪。场景24的视场(FOV)62(被标记为虚线)由束控制单元16b确定,并且空间分辨率由束宽度确定。每个方向上的像素数目于是通过将该方向上的FOV大小除以束宽度而获得。为了下面的说明,在本示例中将假定对于所述的实施例场景24具有N个像素。
由本发明的本实施例60执行的扫描过程包括下面的步骤(还参见在图19中所示的流程图)。
在第一步骤S10中,使用像伯努利、高斯这样的(已知)分布、独立并且相同的分布样本等等从N个可用像素中(例如,随机地或准随机地)选择少量数目(K个)像素(K<<N,例如,10%的像素)。一般而言,如上所述,场景24上分布的少量数目的像素22被选择。束控制单元16b(其也可以被实现为像素选择单元)将束操控天线12b顺序地指向场景中所选择的像素位置(束斑)22,以便通过检测来自所述被选择的束斑的辐射来进行数据获取。
所获取的样本(表示低密度信号图案)优选地被用于(步骤S12)如上所述利用压缩感测来重构图像64。傅立叶变换或小波变换可被用作图像的稀疏域,但是更合适的变换可以得出更好的重构结果。重构的图像64将具有低质量但是足以用于在图像处理单元66中例如通过某种简单的图像处理算法来提取关于对场景24中的目标(感兴趣的对象,在这里即为人)的限制的信息。作为替代或者另外,可以提供用户接口68来供用户例如基于对图像64的光学检查而输入关于对目标的限制的信息。因此,可以用操作人员替代图像后期处理,操作人员例如可以使用点选器设备(鼠标)直接决定下一步要扫描场景的哪个区域。
在步骤S12中确定的关于对目标的限制的信息在随后的步骤S14中用于为天线扫描系统建立具有减小尺寸的新FOV 70。新的减小的FOV 70将只包括场景24中的感兴趣的(一个或多个)目标。对于该示例,这在图17中示出,其中还指示出新的FOV 70。
新的FOV 70现在优选地遵照与如上所说明的原理相同的原理而被扫描(步骤S16),即,在新的FOV 70内选择要从其获取辐射的少量(较低数目的)像素22。从这些辐射信号,利用压缩感测技术重构出图像的相应部分(步骤S18)。再次,某种图像处理算法对重构出的图像72进行处理,试图检测隐藏的/可疑的对象。如果重构图像72的某个或某些区域包含需要更详细地检查的可疑对象(如在步骤S20中所核对的)并且如果将要执行数据获取和图像处理的进一步迭代(例如如果迭代次数的上限(例如,5次或10次迭代)还未被达到)(如在步骤S22中所核对的),则定义围绕这些可疑对象的新的进一步减小的FOV 74(参见图18),以供另一数据获取步骤中被扫描。
现在可以决定(步骤S26)是否要再次如之前那样执行下一数据获取步骤,即在较低数目的像素处使用压缩感测执行数据获取,或者是否现在将要(在较高数目的像素处,即一般为在所有像素处)执行全扫描(例如,如果进一步减小的FOV 74足够小和/或实质上仅覆盖了所希望的可疑对象)。因此,如果较低数目的像素再次将要被用于数据获取,则本方法继续步骤S16,否则,在较高数目的像素处执行数据获取(步骤S28)并且执行图像处理(步骤S30),在该图像处理中,避免使用压缩感测并且应用常规图像重构技术。最后,进一步减小的FOV 74的高分辨率图像72被获得,如在图18中所示。
如果在第一或第二重构图像64、72中已经识别出可疑对象,则如参考图16到图19说明的利用缩小法的根据本发明的方法的实施例例如也可以被实现在仅仅一个或两个步骤中。在其他情形中,可能需要多于三次的扫描。
与标准方法相比,本方法的此实施例的优点在于缩短的检查时间。具体地,操作人员几乎立刻就掌握了场景的第一概况,并且可以直接集中于可疑区域。一般而言,对于每个感兴趣的对象(例如每个人)的检查时间将被缩短。
在示图以及前面的描述中已经详细地示出和描述了本发明,但是这些图示和描述被认为是说明性的或者示例性的,而不是限制性的。本发明不限于所公开的实施例。本领域技术人员在实践所请求保护的发明中从对示图、本公开以及所附权利要求的研究可以理解和实现对于所公开的实施例的其他变体。
在权利要求书中,词″包括″不排除其他元件或步骤,并且不定冠词″一″或″一个″不排除多个。单个元件或其他单元可以实现在权利要求中所述的多个项的功能。某些措施被记载在互不相同的从属权利要求中的仅有事实并不表明这些措施的组合不能被使用以带来优点。
计算机程序可以被存储/配备在适当的非暂时性介质上,此非暂时性介质例如是作为其他硬件的一部分或者与其他硬件一起所提供的光存储介质或固态介质,而且计算机程序还可以其他形式配备,例如经由因特网或其他有线或无线电信系统配备。
权利要求中的任何标号不应当解释为对范围的限制。
Claims (28)
1.一种辐射测量成像设备(10),用于扫描场景(24)并且生成表示所述场景(24)的高密度信号图案,所述设备包括:
辐射计(12),用于检测从所述场景(24)的束斑(22)发出的在预定频谱范围内的辐射,并且从检测到的辐射生成辐射信号;
束斑移动装置(14),用于实现被检测到辐射的束斑(22)向各个位置的移动;
控制装置(16),用于控制所述束斑移动装置(14)实现所述束斑(22)从一个位置到另一位置的移动,从而使得在所述场景(24)上分布的一定数目的束斑处检测辐射,其中所述数目小于所述高密度信号图案的图案信号的数目,并且从在所述数目的束斑处检测到的辐射生成的辐射信号形成低密度信号图案;和
处理装置(18),用于处理所述低密度信号图案的辐射信号并且通过对所述低密度信号图案应用压缩感测来生成所述高密度信号图案。
2.根据权利要求1所述的辐射测量成像设备,其中,所述控制装置(16)适于控制所述束斑移动装置(14)以使得所述低密度信号图案的辐射信号的数目比所述高密度信号图案的图案信号的数目低了从10%到90%范围内的因子,特别是从25%到75%范围内的因子。
3.根据权利要求1或2所述的辐射测量成像设备,其中,所述控制装置(16)适于控制所述束斑移动装置(14)以使得被检测到辐射的束斑(22)基本均等地分布在所述场景(24)上。
4.根据前述任一项权利要求所述的辐射测量成像设备,其中,所述控制装置(16)适于控制所述束斑移动装置(14)以实现所述束斑(22)在所述场景(24)上的连续移动。
5.根据前述任一项权利要求所述的辐射测量成像设备,其中,所述控制装置(16)适于控制所述束斑移动装置(14)以实现在所述场景(24)上沿着预定轨迹的移动,特别是沿着Z字形轨迹(23a)、蜿蜒形轨迹(23c,23d)或螺旋形轨迹(23b)移动。
6.根据前述任一项权利要求所述的辐射测量成像设备,其中,所述控制装置(16)适于根据所述场景的所希望的图像分辨率、要被扫描的对象在所述场景内的分布和/或所述场景(24)的图像的稀疏性来控制所述束斑移动装置(14)。
7.根据前述任一项权利要求所述的辐射测量成像设备,其中,所述控制装置(16)适于随机地确定所述束斑从一个位置到下一位置的移动方向。
8.根据前述任一项权利要求所述的辐射测量成像设备,其中,所述束斑移动装置(14)包括机械束斑移动装置(14a),所述机械束斑移动装置(14a)用于实现所述辐射计(12a)相对于所述场景(24)的相对移动来实现所述束斑(22)的移动,特别是用于机械地移动所述辐射计(12a)来实现所述束斑(22)的移动。
9.根据权利要求1到7中任一项所述的辐射测量成像设备,其中,所述束斑移动装置(14)包括电子束斑移动装置(14b),所述电子束斑移动装置(14b)用于电子地移动所述辐射计(12a)的灵敏度轮廓来实现所述束斑(22)的移动,所述电子束斑移动装置具体为电子束定位装置或电子束形成装置。
10.根据前述任一项权利要求所述的辐射测量成像设备,其中,所述处理装置(18)适于通过向所述辐射信号应用I1范数最小化算法来重构图像。
11.根据前述任一项权利要求所述的辐射测量成像设备,其中,所述场景(24)的辐射信号在已知域中具有稀疏表示,所述已知域具体为总变差域、傅立叶域、小波域、曲波域。
12.根据前述任一项权利要求所述的辐射测量成像设备,还包括存储器(26),所述存储器(26)用于存储将要从其检测辐射的束斑的位置的一个或多个列表,其中,所述控制装置(16)适于从所述列表之一中选择多个所分布的束斑的位置。
13.根据前述任一项权利要求所述的辐射测量成像设备,还包括位置生成装置(32),所述位置生成装置(32)用于通过使用预定函数或分布来确定所述多个所分布的束斑的位置,所述预定函数或分布具体为均匀的伯努利或高斯分布。
14.根据前述任一项权利要求所述的辐射测量成像设备,其中,所述控制装置(16)适于控制所述束斑移动装置(14)实现移动,以使得在不规律地分布在所述场景(24)中的多个束斑处检测辐射。
15.根据前述任一项权利要求所述的辐射测量成像设备,其中,所述辐射计(12a,12b)包括单个辐射计单元,所述单个辐射计单元用于检测从表示单个像素的束斑(22)发出的辐射。
16.根据权利要求1到14中任一项所述的辐射测量成像设备,其中,所述辐射计(12c)包括辐射计单元(13)的行或阵列,用于检测表示从像素行或阵列的束斑(22)发出的辐射。
17.根据前述任一项权利要求所述的辐射测量成像设备,其中,所述辐射计适于检测在毫米波长范围内发出的辐射,所述毫米波长范围具体为从0.1mm到100mm,优选为从1mm到10mm。
18.根据前述任一项权利要求所述的辐射测量成像设备,其中,所述控制装置(16)适于将所述场景(24)划分成多个像素的块(38a,38b),从每个块(38a,38b)选择至少一个像素(44a,44b),并且将所选择的像素(44a,44b)连接以形成轨迹(23e),束斑沿此轨迹在所述场景(24)上移动。
19.根据前述任一项权利要求所述的辐射测量成像设备,其中,所述辐射测量成像设备是主动式辐射测量成像设备,所述主动式辐射测量成像设备还包括用于向所述场景发出辐射的无线电发射装置(52),其中,所述辐射计适于检测从所述场景(24)反射的辐射。
20.根据权利要求1到18中任一项所述的辐射测量成像设备,其中,所述辐射测量成像设备是被动式辐射测量成像设备。
21.根据前述任一项所述的辐射测量成像设备,其中,所述控制装置(16)适于在表示所述场景(24)的所述高密度信号图案已被生成之后实现从其处检测辐射的束斑(22)向减小的视场(70)中各个位置的移动,以使得在所述减小的视场(70)上分布的减小数目的束斑处检测辐射,所述减小的视场(70)小于整个场景(24)并且包含感兴趣的对象,其中,所述减小的数目小于表示所述减小的视场的高密度信号图案的图案信号的数目,并且从在所述减小的数目的束斑处检测到的辐射生成的辐射信号形成所述减小的视场的低密度信号图案,并且其中,所述处理装置(18)适于处理所述减小的视场的低密度信号图案的辐射信号并且通过对所述减小的视场的低密度信号图案应用压缩感测来生成所述减小的视场的所述高密度信号图案。
22.根据权利要求21所述的辐射测量成像设备,其中,所述控制装置(16)适于进一步逐步地减小所述视场并且实现从其处检测辐射的束斑(22)向进一步减小的视场(70)中的各个位置的移动,并且
其中,所述处理装置(18)适于处理所述进一步减小的视场的低密度信号图案的辐射信号并且生成所述进一步减小的视场的高密度信号图案。
23.根据权利要求21或22所述的辐射测量成像设备,其中,所述控制装置(16)适于实现从其处检测辐射的束斑(22)向减小的视场(70)中的各个位置的移动,以使得在所述减小的视场(70)中的高数目的束斑处检测辐射,所述减小的视场(70)小于整个场景(24)并且包含感兴趣的对象,其中,所述高数目对应于表示所述减小的视场的高密度信号图案的图案信号的数目,并且从在所述高数目的束斑处检测到的辐射生成的辐射信号形成所述减小的视场的高密度信号图案,并且
其中,所述处理装置(18)适于处理所述减小的视场的所述高密度信号图案的辐射信号。
24.根据前述任一项权利要求所述的辐射测量成像设备,还包括检测装置,所述检测装置用于在高密度信号图案中检测感兴趣的对象,并且将关于检测到的感兴趣对象的对象信息提供给所述控制装置(16),所述对象信息具体为感兴趣的对象的位置和大小。
25.根据前述任一项权利要求所述的辐射测量成像设备,还包括用户接口(68),所述用户接口(68)用于将关于检测到的感兴趣对象的信息和/或关于减小的视场的位置和大小的视场信息输入并提供给所述控制装置(16),所述关于检测到的感兴趣对象的信息具体为感兴趣的对象的位置和大小。
26.一种辐射测量成像方法,用于扫描场景(24)并且生成表示所述场景(24)的高密度信号图案,所述方法包括以下步骤:
检测从所述场景(24)的束斑(22)发出的在预定频谱范围内的辐射,并且从检测到的辐射生成辐射信号;
把从其处检测辐射的束斑(22)移动到各个位置;
控制束斑移动装置(14)实现束斑(22)从一个位置到另一位置的移动,以使得在所述场景(24)上分布的一定数目的束斑处检测辐射,其中所述数目小于所述高密度信号图案的图案信号的数目并且从在所述数目的束斑处检测到的辐射生成的辐射信号形成低密度信号图案;以及
处理所述低密度信号图案的辐射信号并且通过对所述低密度信号图案应用压缩感测来生成所述高密度信号图案。
27.一种计算机程序,包括程序代码装置,所述程序代码装置用于当所述计算机程序在计算机上被执行时执行如权利要求1中所述的辐射测量成像设备中的如在权利要求26中所述的方法的处理和重构步骤。
28.一种计算机可读非暂时性介质,在其上存储有指令,所述指令当在计算机上被执行时,使得所述计算机执行如在权利要求26中所述的方法的处理和重构步骤。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP10158502 | 2010-03-30 | ||
EP10158502.4 | 2010-03-30 | ||
EP10169815 | 2010-07-16 | ||
EP10169815.7 | 2010-07-16 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102236051A true CN102236051A (zh) | 2011-11-09 |
Family
ID=44080222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100837807A Pending CN102236051A (zh) | 2010-03-30 | 2011-03-30 | 辐射测量成像设备及相应的方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8692708B2 (zh) |
EP (1) | EP2372391A1 (zh) |
CN (1) | CN102236051A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103064082A (zh) * | 2012-09-11 | 2013-04-24 | 合肥工业大学 | 基于方位维随机功率调制的微波成像方法 |
CN103809176A (zh) * | 2014-03-13 | 2014-05-21 | 中国电子科技集团公司第三十八研究所 | 一种单像素毫米波成像装置和方法 |
CN106461775A (zh) * | 2014-04-03 | 2017-02-22 | 伊沃夫科技有限公司 | 用于雷达系统的分区 |
CN107430162A (zh) * | 2015-03-23 | 2017-12-01 | 国立研究开发法人情报通信研究机构 | 电场成像方法 |
CN109196560A (zh) * | 2016-01-14 | 2019-01-11 | 棱镜传感器公司 | 用于x射线检测器的测量电路和相应的方法与x射线成像系统 |
CN109730635A (zh) * | 2018-12-21 | 2019-05-10 | 杭州新瀚光电科技有限公司 | 一种太赫兹波与远红外融合成像系统 |
CN109959455A (zh) * | 2019-03-13 | 2019-07-02 | 浙江大学 | 一种基于无透镜的静态红外目标扫描成像装置及方法 |
CN110398768A (zh) * | 2019-07-15 | 2019-11-01 | 华中科技大学 | 一种基于像素电离室的束斑动态监测方法及系统 |
CN110488292A (zh) * | 2019-08-23 | 2019-11-22 | 长沙天仪空间科技研究院有限公司 | 一种基于卫星编队的遥感系统 |
CN111819466A (zh) * | 2018-03-29 | 2020-10-23 | 索尼公司 | 用于定位场景中的目标的装置、系统及方法 |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2204670B1 (en) | 2008-12-23 | 2014-06-11 | Sony Corporation | Adaptive sensing system |
US8648742B2 (en) * | 2011-02-25 | 2014-02-11 | California Institute Of Technology | Systems and methods for acquiring and decoding signals using compressed sensing |
CN104584326B (zh) * | 2012-05-09 | 2017-03-08 | 杜克大学 | 超材料设备及使用该超材料设备的方法 |
US9411042B2 (en) | 2012-05-09 | 2016-08-09 | Duke University | Multi-sensor compressive imaging |
US20140086448A1 (en) * | 2012-09-24 | 2014-03-27 | MVT Equity LLC d/b/a Millivision Technologies | Appearance Model Based Automatic Detection in Sensor Images |
US9335410B2 (en) * | 2013-02-19 | 2016-05-10 | Mitsubishi Electric Research Laboratories, Inc. | System and method for multiple spotlight synthetic radar imaging using random beam steering |
US9182483B2 (en) * | 2013-03-15 | 2015-11-10 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for random steerable SAR using compressive sensing |
US20150051461A1 (en) * | 2013-08-16 | 2015-02-19 | Xerox Corporation | System and method for performing a remote medical diagnosis |
WO2015054601A2 (en) * | 2013-10-11 | 2015-04-16 | Duke University | Multi-sensor compressive imaging |
US11280898B2 (en) | 2014-03-07 | 2022-03-22 | Rapiscan Systems, Inc. | Radar-based baggage and parcel inspection systems |
EP3114464A4 (en) | 2014-03-07 | 2017-11-29 | Rapiscan Systems, Inc. | Ultra wide band detectors |
EP3213110B1 (en) | 2014-10-30 | 2020-08-05 | Koninklijke Philips N.V. | Compressive sensing in forming ultrasound images |
CN104935349A (zh) * | 2015-06-04 | 2015-09-23 | 西南交通大学 | 一种振动信号压缩采样方法 |
KR102403502B1 (ko) * | 2015-10-13 | 2022-05-30 | 삼성전자 주식회사 | 무선 통신 시스템에서 채널 상태 추정 방법 및 장치 |
ES2611976B1 (es) * | 2015-11-11 | 2018-03-15 | Francisco BAZUS CASTAN | Método para aumentar la velocidad de inspección, dotación de operación autónoma y de detección de anomalías de comportamiento a los sistemas de imágenes basados en ondas milimétricas y dispositivo para puesta en práctica de dicho método |
FR3048088B1 (fr) * | 2016-02-24 | 2018-02-16 | Sws | Dispositif de detection d'objets portes par un individu |
US10816658B2 (en) * | 2016-09-07 | 2020-10-27 | OmniPreSense Corporation | Radar enabled weapon detection system |
US10419741B2 (en) * | 2017-02-24 | 2019-09-17 | Analog Devices Global Unlimited Company | Systems and methods for compression of three dimensional depth sensing |
US10359513B2 (en) | 2017-05-03 | 2019-07-23 | Elwha Llc | Dynamic-metamaterial coded-aperture imaging |
WO2020036629A2 (en) | 2018-02-21 | 2020-02-20 | Board Of Trustees Of Michigan State University | Methods and systems for distributed radar imaging |
US11308712B2 (en) | 2019-03-29 | 2022-04-19 | Board Of Trustees Of Michigan State University | Imaging system using WiFi signals |
US12026907B2 (en) | 2019-04-04 | 2024-07-02 | Battelle Memorial Institute | Imaging systems and related methods including radar imaging with moving arrays or moving targets |
US11598868B2 (en) * | 2019-06-27 | 2023-03-07 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Microwave single pixel imager (MSPI) |
CN112114313B (zh) * | 2020-09-24 | 2022-12-13 | 哈尔滨工程大学 | 结合正交匹配追踪算法的isar稀疏采样成像方法 |
JP2022084223A (ja) * | 2020-11-26 | 2022-06-07 | 株式会社東芝 | システムおよび方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN88103154A (zh) * | 1988-06-04 | 1988-11-02 | 葛晓峰 | 动态图像雷达 |
CN1301357A (zh) * | 1998-03-16 | 2001-06-27 | 普雷勒克斯公司 | 共焦显微镜成像系统 |
CN1455870A (zh) * | 2000-09-13 | 2003-11-12 | 纽卡斯尔诺森伯兰大学 | 微波的全息检测方法和装置 |
CN1707250A (zh) * | 2004-06-08 | 2005-12-14 | 安捷伦科技有限公司 | 光学增强的微波成像系统和方法 |
CN1779442A (zh) * | 2004-11-24 | 2006-05-31 | 安捷伦科技有限公司 | 使用微波成像进行安全检查的系统和方法 |
CN1837851A (zh) * | 2005-03-24 | 2006-09-27 | 安捷伦科技有限公司 | 利用互补发射接收波束场型进行微波成像的系统和方法 |
KR20070091061A (ko) * | 2006-03-04 | 2007-09-07 | 삼성테크윈 주식회사 | 부품 실장기용 부품인식장치 |
WO2008117689A1 (ja) * | 2007-03-26 | 2008-10-02 | Honda Motor Co., Ltd. | 物体検知装置 |
CN101640541A (zh) * | 2009-09-04 | 2010-02-03 | 西安电子科技大学 | 一种稀疏信号的重构方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0401389D0 (en) | 2004-01-22 | 2004-02-25 | Remtons Ltd | Illumination method and apparatus |
US7283231B2 (en) | 2004-07-20 | 2007-10-16 | Duke University | Compressive sampling and signal inference |
US7224314B2 (en) | 2004-11-24 | 2007-05-29 | Agilent Technologies, Inc. | Device for reflecting electromagnetic radiation |
US7724189B2 (en) | 2004-11-24 | 2010-05-25 | Agilent Technologies, Inc. | Broadband binary phased antenna |
US20070139248A1 (en) | 2005-12-16 | 2007-06-21 | Izhak Baharav | System and method for standoff microwave imaging |
US8605975B2 (en) | 2006-02-13 | 2013-12-10 | The University Of Chicago | Image reconstruction from limited or incomplete data |
JP5470271B2 (ja) | 2007-12-20 | 2014-04-16 | ウイスコンシン アラムナイ リサーチ ファウンデーシヨン | ダイナミック先験的画像制限画像再構成法 |
US8055095B2 (en) | 2008-01-23 | 2011-11-08 | Sparsense, Inc. | Parallel and adaptive signal processing |
EP2204671B1 (en) | 2008-12-30 | 2012-04-11 | Sony Corporation | Camera assisted sensor imaging system and multi aspect imaging system |
-
2011
- 2011-03-22 US US13/053,808 patent/US8692708B2/en not_active Expired - Fee Related
- 2011-03-23 EP EP11159432A patent/EP2372391A1/en not_active Withdrawn
- 2011-03-30 CN CN2011100837807A patent/CN102236051A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN88103154A (zh) * | 1988-06-04 | 1988-11-02 | 葛晓峰 | 动态图像雷达 |
CN1301357A (zh) * | 1998-03-16 | 2001-06-27 | 普雷勒克斯公司 | 共焦显微镜成像系统 |
CN1455870A (zh) * | 2000-09-13 | 2003-11-12 | 纽卡斯尔诺森伯兰大学 | 微波的全息检测方法和装置 |
CN1707250A (zh) * | 2004-06-08 | 2005-12-14 | 安捷伦科技有限公司 | 光学增强的微波成像系统和方法 |
CN1779442A (zh) * | 2004-11-24 | 2006-05-31 | 安捷伦科技有限公司 | 使用微波成像进行安全检查的系统和方法 |
CN1837851A (zh) * | 2005-03-24 | 2006-09-27 | 安捷伦科技有限公司 | 利用互补发射接收波束场型进行微波成像的系统和方法 |
KR20070091061A (ko) * | 2006-03-04 | 2007-09-07 | 삼성테크윈 주식회사 | 부품 실장기용 부품인식장치 |
WO2008117689A1 (ja) * | 2007-03-26 | 2008-10-02 | Honda Motor Co., Ltd. | 物体検知装置 |
CN101640541A (zh) * | 2009-09-04 | 2010-02-03 | 西安电子科技大学 | 一种稀疏信号的重构方法 |
Non-Patent Citations (4)
Title |
---|
GRIFFIN, S.T.ET.AL: "Compressive Sensing Applied to Homeland Security", 《IEEE SENSORS APPLICATIONS SYMPOSIUM》, 14 February 2008 (2008-02-14) * |
LEVANDA, R ET.AL: "Synthetic aperture radio telescopes", 《IEEE SIGNAL PROCESSING MAGAZINE》, vol. 27, no. 1, 31 January 2010 (2010-01-31), XP011286360, DOI: doi:10.1109/MSP.2009.934719 * |
李良超等: "3mm辐射成像研究", 《红外与毫米波学报》, vol. 28, no. 1, 28 February 2009 (2009-02-28) * |
肖泽龙: "毫米波对人体隐匿物品辐射成像研究", 《中国优秀博士论文全文数据库信息科技辑》, no. 6, 15 December 2007 (2007-12-15) * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103064082A (zh) * | 2012-09-11 | 2013-04-24 | 合肥工业大学 | 基于方位维随机功率调制的微波成像方法 |
CN103064082B (zh) * | 2012-09-11 | 2014-11-26 | 合肥工业大学 | 基于方位维随机功率调制的微波成像方法 |
CN103809176A (zh) * | 2014-03-13 | 2014-05-21 | 中国电子科技集团公司第三十八研究所 | 一种单像素毫米波成像装置和方法 |
CN103809176B (zh) * | 2014-03-13 | 2016-06-29 | 中国电子科技集团公司第三十八研究所 | 一种单像素毫米波成像装置和方法 |
CN106461775B (zh) * | 2014-04-03 | 2019-09-03 | 伊沃夫科技有限公司 | 用于雷达系统的分区 |
CN106461775A (zh) * | 2014-04-03 | 2017-02-22 | 伊沃夫科技有限公司 | 用于雷达系统的分区 |
CN107430162A (zh) * | 2015-03-23 | 2017-12-01 | 国立研究开发法人情报通信研究机构 | 电场成像方法 |
CN109196560A (zh) * | 2016-01-14 | 2019-01-11 | 棱镜传感器公司 | 用于x射线检测器的测量电路和相应的方法与x射线成像系统 |
CN111819466A (zh) * | 2018-03-29 | 2020-10-23 | 索尼公司 | 用于定位场景中的目标的装置、系统及方法 |
CN109730635A (zh) * | 2018-12-21 | 2019-05-10 | 杭州新瀚光电科技有限公司 | 一种太赫兹波与远红外融合成像系统 |
CN109959455A (zh) * | 2019-03-13 | 2019-07-02 | 浙江大学 | 一种基于无透镜的静态红外目标扫描成像装置及方法 |
CN110398768A (zh) * | 2019-07-15 | 2019-11-01 | 华中科技大学 | 一种基于像素电离室的束斑动态监测方法及系统 |
CN110488292A (zh) * | 2019-08-23 | 2019-11-22 | 长沙天仪空间科技研究院有限公司 | 一种基于卫星编队的遥感系统 |
CN110488292B (zh) * | 2019-08-23 | 2021-04-13 | 长沙天仪空间科技研究院有限公司 | 一种基于卫星编队的遥感系统 |
Also Published As
Publication number | Publication date |
---|---|
US20110273320A1 (en) | 2011-11-10 |
EP2372391A1 (en) | 2011-10-05 |
US8692708B2 (en) | 2014-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102236051A (zh) | 辐射测量成像设备及相应的方法 | |
US20110241934A1 (en) | Indirect radar holography apparatus and corresponding method | |
US8610074B2 (en) | Passive radiometric imaging device and corresponding method | |
US20090284405A1 (en) | Passive Detection Apparatus | |
US10768294B2 (en) | System and method for multimodal, motion-aware radar imaging | |
Regmi et al. | Squigglemilli: Approximating sar imaging on mobile millimeter-wave devices | |
CN102346907A (zh) | 用于减少斑点噪声的主动成像设备和方法 | |
Fang et al. | Superrf: Enhanced 3d rf representation using stationary low-cost mmwave radar | |
CN103916600A (zh) | 编码模板多目标超分辨率成像系统及方法 | |
He et al. | 3d radio imaging under low-rank constraint | |
JP6656734B2 (ja) | 近傍領域における電磁波探査及び特定 | |
Tang et al. | Enhanced through-the-wall radar imaging using Bayesian compressive sensing | |
JP2017516982A5 (zh) | ||
Zhong et al. | Through‐the‐wall imaging using Wi‐Fi signals | |
Zhang et al. | Toward 4-D imaging of on-the-move object at 2500 volumetric frames per second by software-defined millimeter-wave MIMO with compressive reflector antenna | |
CN114200448A (zh) | 综合孔径辐射计波数域近场成像方法及设备 | |
Farrell et al. | CoIR: Compressive Implicit Radar | |
Al-Shoukry | An automatic hybrid approach to detect concealed weapons using deep learning | |
Hien et al. | Millimeter wave SAR imaging denoising and classification by combining image-to-image translation with ResNet | |
CN103064082B (zh) | 基于方位维随机功率调制的微波成像方法 | |
Lanka et al. | Compressive Sensing Framework for Synthetic Aperture Radar Imaging using OMP Algorithm | |
Jin | Auto-focusing compressed sensing algorithm for through-the-wall imaging | |
Korany et al. | Adaptive near-field imaging with robotic arrays | |
Álvarez-Narciandi et al. | Impact of the number of transmitting-receiving channels on the quality of the images obtained by a millimeter-wave freehand imager | |
Sukhanov et al. | Radar with a local positioning video-system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111109 |