CN105120141A - 一种压缩感知光电成像方法及装置 - Google Patents

Abstract

本发明公开的一种压缩感知光电成像方法及装置，涉及基于光学离焦与Binning下采样的压缩感知光电成像方法装置，属于光电技术领域。本发明包括如下步骤：通过光学系统的轴向离焦对输入光学图像进行高斯滤波，使下采样观测矩阵与图像重建时所用稀疏基的相关性下降，从而满足严格等距条件；对高斯滤波后的图像信号进行下采样，基于单次下采样获得低像素的图像，得到的图像包含重建原始图像所需的全部测量值；基于单次压缩采集图像进行高分辨率图像的重建，得到所需高分辨率成像图像。本发明还公开一种压缩感知光电成像装置。本发明可提高压缩感知光电成像系统的速率特性和对动态目标的成像能力，并可以降低压缩感知光电成像系统的实现难度和成本。

Description

一种压缩感知光电成像方法及装置

技术领域

本发明涉及一种压缩感知光电成像方法及装置，尤其涉及一种基于光学离焦与Binning下采样的压缩感知光电成像方法及装置，属于光电技术领域。

背景技术

传统的信号采集和处理过程一般由四个环节组成，即：采样、压缩、传输和解压缩。上述采样过程遵循奈奎斯特-香农(Nyquist-Shannon)采样定理，即：采样频率必须是其最高频率的两倍以上，才能保证从采样值中较完整地重建出原始信号。基于奈奎斯特-香农采样定理的信号采集和处理方法存在两大缺陷：(1)在信号采集时，由于信号的采样速率不得低于两倍的信号带宽，导致其采样数据量庞大，对硬件设备的频率、带宽及信道容量带来了巨大的挑战。(2)数据的压缩、传输、存储造成很大程度的时间和资源浪费。随着人们对信息需求量的增加，携带信息的信号带宽越来越宽，对信号处理框架的采样速率和处理速度要求也越来越高，导致传统的基于奈奎斯特-香农采样定理的传统信号采集和处理方法受到越来越严峻的挑战。

压缩感知(CompressedSensing,CS)理论为解决上述问题提供了新的途径。压缩感知理论充分利用信号的可压缩性实现信号采集和编解码。在信号满足可压缩性的前提下，压缩感知将信号采样与压缩相结合，可在低数据量的条件下实现精确信息重建。将压缩感知理论应用于光电成像领域，可在图像采集阶段，仅获取低分辨率图像信息，以降低对存储器和传输带宽的要求。需要时，可通过稀疏变换、图像重建算法重建出高分辨率图像信息，进而实现压缩感知成像。因此，压缩感知技术在光电成像领域具有重要的应用前景。

目前，典型的压缩感知光电成像系统主要包括：

(1)单像素压缩感知成像系统

单像素压缩感知成像系统主要通过光路系统将成像目标投影至数字微镜器件(DMD,DigitalMicromirrorDevice)，经由DMD反射的入射光由透镜会聚于单个光敏二极管，并产生测量值。将此投影操作重复M次(M≥KlogN)，得到M个观测值。而后，采用最小全变分算法对测量值进行处理，进而重建出原始图像信息。由于此类成像系统采用DMD对成像目标进行编码，需要连续采样M次才能获得重建原始图像所需的全部测量值，其成像过程耗时较长，难以对动态目标成像。此外，DMD的成本相对较高，导致单像素压缩感知成像系统的价格昂贵。

(2)基于编码孔径的压缩感知成像系统

基于编码孔径的压缩感知成像系统通过在光学系统入瞳处设置编码孔径模板实现图像的压缩采样。在编码孔径成像系统中，入射光经编码孔径后直接投影在光电探测器像面上，每个物点在探测器像面上形成一个编码孔径的投影图像。不同物点产生的像因相互错开、叠加而在接收平面上形成退化的、重叠的二维分布信号即编码像。最终，通过设计适当的孔径编码模板实现图像的压缩成像。此类成像系统所存在的主要问题包括：1)基于编码孔径的压缩感知成像系统的投影矩阵标定工作量巨大，使其难以实现高分辨率压缩成像(百万像素的成像系统需在物平面10⁵个不同位置上计算点光源的扩散函数，才能标定出投影矩阵)。2)存在一些尚未明确的问题。例如：孔径尺寸、编码孔径模板结构与压缩图像恢复精度之间的关系等。

(3)基于随机反射镜的压缩感知成像系统

基于随机反射镜的压缩感知成像系统一般由平面反射镜、随机拼接反射镜片组和光电探测器构成。来自成像目标的入射光经由随机反光镜组和平面反射镜的反射，在光电探测器上成像。由于成像目标上每一点的入射光均有可能经由随机反光镜在光电探测器上成像。因此，可基于随机拼接的反光镜实现随机投影矩阵功能，进而实现压缩感知成像。与基于编码孔径的压缩成像类似，基于随机反射镜的压缩感知成像系统同样存在投影矩阵标定难的问题。

发明内容

针对现有技术存在的成像过程耗时较长，难以对动态目标成像，投影矩阵标定难的问题，本发明要解决的技术问题是提供一种压缩感知光电成像方法及装置，基于光学离焦与Binning下采样压缩感知光电成像，通过单次采样即可获得重建原始图像所需的全部测量值，提高压缩感知光电成像系统的速率特性和对动态目标的成像能力，并可以降低压缩感知光电成像系统的实现难度和成本。

本发明的目的是通过下述技术方案实现的。

本发明公开的是一种压缩感知光电成像方法，基于光学离焦与Binning下采样压缩感知光电成像，具体包括如下步骤：

步骤一：通过光学系统的轴向离焦对输入光学图像进行高斯滤波，使下采样观测矩阵与图像重建时所用稀疏基的相关性下降，从而满足压缩感知理论中的严格等距条件(RestrictedIsometryCondition,RIC)。

严格等距条件是运用压缩感知理论的重要条件，简单来说，严格等距条件为观测矩阵与稀疏基尽量不相关。在本发明中，观测矩阵为下采样矩阵，与稀疏基相关性太大，所以需要对输入光学图像进行高斯滤波，从而降低下采样观测矩阵与稀疏基的相关性，从而满足严格等距条件。具体是通过调整光学系统的焦距，使光学系统的像面与图像传感器的光敏面不重合实现的。

步骤二：通过图像传感器的Binning(像素合并)功能对高斯滤波后的图像信号进行下采样，基于单次下采样获得低像素的图像，得到的图像包含重建原始图像所需的全部测量值，用于步骤三的图像重建。

Binning是一种固体图像传感器的信号读出模式，是将相邻像元感应的电荷累加在一起，以一个像素的模式读出。利用Binning技术将V×H个像素值求均值，将所求均值作为一个像素值使用，以达到对高斯滤波后的图像信号进行下采样的目的，进而实现压缩感知理论中的测量矩阵。所述的Binning下采样得到的像素值即为重建原始图像所需的全部测量值。

步骤三：基于单次压缩采集图像进行高分辨率图像的重建，得到所需高分辨率成像图像。

由于步骤二中的下采样观测矩阵与稀疏基满足严格等距条件(RIC)。因此，利用压缩感知理论中的常规稀疏变换、图像重建算法，基于单帧压缩采集图像即可重建出高分辨率图像信息，进而实现压缩感知成像得到所需高分辨率成像图像。

所述的常规稀疏变换可以用小波矩阵、高斯矩阵、伯努力矩阵与傅里叶矩阵等实现，所述的图像重建算法可通过正交匹配追踪法(OMP)、正则化正交匹配追踪法(ROMP)等实现。

本发明的一种压缩感知光电成像方法，避免了单像素压缩感知成像系统、基于编码孔径的压缩感知成像系统所存在的多次采样问题，基于单次采样即可获得重建原始图像所需的全部测量值，从而极大地提高了压缩感知光电成像系统的速率特性，提高了其对动态目标的成像能力。

本发明的一种压缩感知光电成像方法，无需编码孔径压缩感知成像系统、随机反射压缩感知成像系统所需的繁琐、大数据量的标定过程，仅通过常规的光学离焦与Binning下采样技术即可实现压缩感知光电成像，极大地降低了压缩感知光电成像系统的实现难度，易于实现。

本发明的一种压缩感知光电成像方法，无需DMD和随机拼接反射镜片组等昂贵的微光学器件及其控制组件，极大地降低了压缩感知光电成像系统的成本。

一种实现压缩感知光电成像方法的装置，按从左到右的顺序包括高斯滤波模块、下采样模块、存储器、稀疏表示模块和信号重建模块，上述各部分的主要作用及结构如下：

高斯滤波模块用于在光学成像的同时实现对入射光学图像进行高斯滤波。

前置光学系统的像面与CMOS图像传感器的光敏面不重合，产生光学离焦，从而实现对入射光学图像进行高斯滤波，进而使稀疏基和测量矩阵满足RIC。

下采样模块用于对原始图像进行下采样，得到低分辨率图像。

本发明中下采样过程是通过基于Binning技术的下采样方法对图像进行像素合并实现的。所述的基于Binning技术的下采样方法是基于CMOS图像传感器的Binning技术对图像进行像素合并，从而减小图像的大小，具体实现方法包括如下步骤：

原始高分辨率数字图像的大小为M×N，利用CMOS图像传感器的Binning技术可以将该高分辨率数字图像中每H×V个像素联合起来作为一个像素使用，从而得到大小为m×n的低分辨率数字图像，其中：

$m=\frac{M}{H},n=\frac{N}{V}$

通过像素合并过程，可实现对数字图像的下采样过程，进而实现压缩感知理论中的测量矩阵，采样率为：

$S=\frac{m\×n}{M\×N}$

最终，输出经过下采样的低分辨率数学图像信号。

存储器主要用于存储经过下采样的数学图像信号。

稀疏表示模块主要用于基于压缩感知理论对所接收到的低分辨率数字图像信号进行稀疏表示。

信号重建模块主要用于基于压缩感知理论重建原始图像，对稀疏表示后的数字图像信号进行高分辨率重建。最终，基于低分辨率数学图像信号重建出高分辨率图像信息，进而实现压缩感知成像得到所需高分辨率成像图像。

有益效果：

(1)高速率。本发明避免了单像素压缩感知成像系统、基于编码孔径的压缩感知成像系统所存在的多次采样问题，基于单次采样即可获得重建原始图像所需的全部测量值，从而极大地提高了压缩感知光电成像系统的速率特性，提高了其对动态目标的成像能力。

(2)低复杂度。本发明无需编码孔径压缩感知成像系统、随机反射压缩感知成像系统所需的繁琐、大数据量的标定过程，仅通过常规的光学离焦与Binning下采样技术即可实现压缩感知光电成像，极大地降低了压缩感知光电成像系统的实现难度。

(3)低成本。本发明无需DMD和随机拼接反射镜片组等昂贵的微光学器件及其控制组件，极大地降低了压缩感知光电成像系统的成本。

附图说明

图1为基于光学离焦与Binning下采样的压缩感知光电成像方法的流程图；

图2为基于光学离焦与Binning下采样的压缩感知光电成像方法的模块图；

图3为高斯滤波的结构示意图；

图4为Binning下采样的过程示意图。

图中，2-1为高斯滤波模块，2-2为下采样模块，2-3为存储器，2-4为稀疏表示模块，2-5为信号重建模块、3-1为CMOS图像传感器光敏面，3-2为前置光学系统的像面。

具体实施方式

以下结合附图对本发明的具体实施方式进行说明：

本实施例公开的一种压缩感知光电成像方法，基于光学离焦与Binning下采样的压缩感知光电成像，具体包括如下步骤：

步骤一：通过高斯滤波模块2-1对输入光学图像进行高斯滤波。

对输入光学图像进行高斯滤波是通过调整光学系统的焦距，使光学系统的像面3-2与图像传感器的光敏面3-1不重合实现的。由于对输入光学图像进行高斯滤波，进而降低下采样观测矩阵与图像重建时所用稀疏基的相关性，使之满足压缩感知理论中的严格等距条件。

步骤二：通过下采样模块2-2对高斯滤波后的图像信号进行下采样，基于单次下采样获得低像素的图像，得到的图像包含重建原始图像所需的全部测量值，并存储在存储器2-3中用于步骤三的图像重建。

Binning是一种固体图像传感器的信号读出模式，其将相邻像元感应的电荷累加在一起，以一个像素的模式读出。利用Binning技术将V×H个像素值求均值，将所求均值作为一个像素值使用，以达到对高斯滤波后的图像信号进行下采样的目的，进而实现压缩感知理论中的测量矩阵。所述的Binning下采样得到的像素值即为重建原始图像所需的全部测量值。

原始高分辨率数字图像的大小为M×N，利用CMOS图像传感器的Binning技术可以将该高分辨率数字图像中每H×V个像素联合起来作为一个像素使用，从而得到大小为m×n的低分辨率数字图像，其中：

$m=\frac{M}{H},n=\frac{N}{V}$

通过像素合并过程，可实现对数字图像的下采样过程，进而实现压缩感知理论中的测量矩阵，采样率为：

$S=\frac{m\×n}{M\×N}$

最终，输出经过下采样的低分辨率数学图像信号。

步骤三：通过2-4稀疏表示模块与2-5图像重建模块，利用基于单次压缩采集图像进行高分辨率图像的重建，得到所需高分辨率成像图像。

由于步骤二中的下采样观测矩阵与稀疏基满足严格等距条件(RIC)。因此，利用压缩感知理论中的常规稀疏变换、图像重建算法，基于单帧压缩采集图像即可重建出高分辨率图像信息，进而实现压缩感知成像得到所需高分辨率成像图像。

所述的常规稀疏变换可以用小波矩阵、高斯矩阵、伯努力矩阵与傅里叶矩阵等实现，所述的图像重建算法可通过正交匹配追踪法(OMP)、正则化正交匹配追踪法(ROMP)等实现。

本实施例公开的一种实现压缩感知光电成像方法的装置，按从左到右的顺序包括高斯滤波模块2-1、下采样模块2-2、存储器2-3、稀疏表示模块2-4和信号重建模块2-5，上述各部分的主要作用及结构如下：

高斯滤波模块2-1用于在光学成像的同时实现对入射光学图像进行高斯滤波，具体实现过程如图3所示。

前置光学系统的像面3-2与CMOS图像传感器的光敏面3-1不重合，产生光学离焦，从而实现对入射光学图像进行高斯滤波，进而使稀疏基和测量矩阵满足RIC。

下采样模块2-2用于对原始图像进行下采样，得到低分辨率图像，具体实现过程如图4所示，

本实施例中下采样过程是通过基于Binning技术的下采样方法对图像进行像素合并实现的。所述的基于Binning技术的下采样方法是基于CMOS图像传感器的Binning技术对图像进行像素合并，从而减小图像的大小，具体实现方法包括如下步骤：

原始高分辨率数字图像的大小为M×N，利用CMOS图像传感器的Binning技术可以将该高分辨率数字图像中每H×V个像素联合起来作为一个像素使用，从而得到大小为m×n的低分辨率数字图像，其中：

$m=\frac{M}{H},n=\frac{N}{V}$

通过像素合并过程，可实现对数字图像的下采样过程，进而实现压缩感知理论中的测量矩阵，采样率为：

$S=\frac{m\×n}{M\×N}$

最终，输出经过下采样的低分辨率数学图像信号。

存储器2-3主要用于存储经过下采样的数学图像信号。

稀疏表示模块2-4主要用于基于压缩感知理论对所接收到的低分辨率数字图像信号进行稀疏表示。

信号重建模块2-5主要用于基于压缩感知理论重建原始图像，对稀疏表示后的数字图像信号进行高分辨率重建。最终，基于低分辨率数学图像信号重建出高分辨率图像信息，进而实现压缩感知成像得到所需高分辨率成像图像。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种压缩感知光电成像方法，其特征在于：基于光学离焦与Binning下采样压缩感知光电成像，具体包括如下步骤，

步骤一：通过光学系统的轴向离焦对输入光学图像进行高斯滤波，使下采样观测矩阵与图像重建时所用稀疏基的相关性下降，从而满足压缩感知理论中的严格等距条件；

步骤二：通过图像传感器的Binning功能对高斯滤波后的图像信号进行下采样，基于单次下采样获得低像素的图像，得到的图像包含重建原始图像所需的全部测量值，用于步骤三的图像重建；

所述的Binning是一种固体图像传感器的信号读出模式，是将相邻像元感应的电荷累加在一起，以一个像素的模式读出；利用Binning技术将V×H个像素值求均值，将所求均值作为一个像素值使用，以达到对高斯滤波后的图像信号进行下采样的目的，进而实现压缩感知理论中的测量矩阵；所述的Binning下采样得到的像素值即为重建原始图像所需的全部测量值；

步骤三：基于单次压缩采集图像进行高分辨率图像的重建，得到所需高分辨率成像图像。

2.如权利要求1所述的一种压缩感知光电成像方法，其特征在于：步骤一所述的严格等距条件是运用压缩感知理论的重要条件，严格等距条件为观测矩阵与稀疏基尽量不相关；对输入光学图像进行高斯滤波，从而降低下采样观测矩阵与稀疏基的相关性，从而满足严格等距条件；

通过光学系统的轴向离焦对输入光学图像进行高斯滤波是通过调整光学系统的焦距使光学系统的像面与图像传感器的光敏面不重合实现的，进而使稀疏基和测量矩阵满足严格等距条件。

3.根据权利要求1或2所述的一种压缩感知光电成像方法，其特征在于：所述的步骤三的具体实现方法为，

由于步骤二中的下采样观测矩阵与稀疏基满足严格等距条件；利用压缩感知理论中的常规稀疏变换、图像重建算法，基于单帧压缩采集图像即能重建出高分辨率图像信息，进而实现压缩感知成像得到所需高分辨率成像图像。

4.根据权利要求3所述的一种压缩感知光电成像方法，其特征在于：步骤三所述的常规稀疏变换选用小波矩阵、高斯矩阵、伯努力矩阵与傅里叶矩阵等任意一种常规稀疏变换实现；所述的图像重建算法通过正交匹配追踪法(OMP)或正则化正交匹配追踪法(ROMP)实现。

5.根据权利要求4所述的一种压缩感知光电成像方法，其特征在于：下采样过程是通过基于Binning技术的下采样方法对图像进行像素合并实现的；所述的基于Binning技术的下采样方法是基于CMOS图像传感器的Binning技术对图像进行像素合并，从而减小图像的大小，具体实现方法包括如下步骤：

原始高分辨率数字图像的大小为M×N，利用CMOS图像传感器的Binning技术可以将该高分辨率数字图像中每H×V个像素联合起来作为一个像素使用，从而得到大小为m×n的低分辨率数字图像，其中：

$m=\frac{M}{H},n=\frac{N}{V}$

通过像素合并过程实现对数字图像的下采样过程，进而实现压缩感知理论中的测量矩阵，采样率为：

$S=\frac{m\×n}{M\×N}$

最终，输出经过下采样的低分辨率数学图像信号。

6.一种实现压缩感知光电成像方法的装置，其特征在于：按从左到右的顺序包括高斯滤波模块(2-1)、下采样模块(2-2)、存储器(2-3)、稀疏表示模块(2-4)和信号重建模块(2-5)；

高斯滤波模块(2-1)用于在光学成像的同时实现对入射光学图像进行高斯滤波；

前置光学系统的像面(3-2)与CMOS图像传感器的光敏面(3-1)不重合，产生光学离焦，从而实现对入射光学图像进行高斯滤波，进而使稀疏基和测量矩阵满足严格等距条件；

下采样模块(2-2)用于对原始图像进行下采样，得到低分辨率图像；

存储器(2-3)主要用于存储经过下采样的数学图像信号；

稀疏表示模块(2-4)主要用于基于压缩感知理论对所接收到的低分辨率数字图像信号进行稀疏表示；

信号重建模块(2-5)主要用于基于压缩感知理论重建原始图像，对稀疏表示后的数字图像信号进行高分辨率重建；最终，基于低分辨率数学图像信号重建出高分辨率图像信息，进而实现压缩感知成像得到所需高分辨率成像图像。