CN106525236B - 一种压缩编码光谱成像系统的模板标定方法 - Google Patents
一种压缩编码光谱成像系统的模板标定方法 Download PDFInfo
- Publication number
- CN106525236B CN106525236B CN201610898787.7A CN201610898787A CN106525236B CN 106525236 B CN106525236 B CN 106525236B CN 201610898787 A CN201610898787 A CN 201610898787A CN 106525236 B CN106525236 B CN 106525236B
- Authority
- CN
- China
- Prior art keywords
- template
- data
- coding
- translation
- imaging
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000000701 chemical imaging Methods 0.000 title abstract description 6
- 230000006835 compression Effects 0.000 title abstract description 4
- 238000007906 compression Methods 0.000 title abstract description 4
- 238000003384 imaging method Methods 0.000 claims abstract description 37
- 239000006185 dispersion Substances 0.000 claims abstract description 20
- 238000013519 translation Methods 0.000 claims description 25
- 238000001228 spectrum Methods 0.000 claims description 24
- 230000003287 optical effect Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 230000007935 neutral effect Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000005303 weighing Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 239000011159 matrix material Substances 0.000 abstract description 3
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Studio Devices (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明属于光学领域，尤其涉及一种压缩编码光谱成像系统的模板标定方法。通过该标定方法，可以获取更接近设计要求的模板数据，从而构造更准确的稀疏投影矩阵，以重构更准确的观测图谱信息。同时，该标定方案，不同于传统色散系统的标定，它综合考虑系统成像效果，编码模板编码效果及色散信息，并将物理标定方法和数据处理方法于一体，因此，该标定方法更为全面一致。本发明达到了能够对模板的实际编码调制信息进行标定，包括对系统成像响应，编码信息、色散信息等完成标定，最终服务于稀疏重构模型和算法，以获得更准确的目标图谱信息的有益效果。
Description
技术领域
本发明属于光学领域，尤其涉及一种压缩编码光谱成像系统的模板标定方法。
背景技术
光谱成像技术是一种集光学、光谱学、精密机械、电子技术及计算机技术等于一体的新型探测技术，在获取目标的光谱特性曲线的同时，还可以获得目标的几何形状信息。由于传统成像体制，往往存在系统工程实施难度大、硬件工艺难以实现、海量数据传输压力大、数据冗余量大、数据利用率低等技术瓶颈，因此，需要探索新的光谱成像技术原理。压缩编码光谱成像技术正是一种新型的计算型光谱成像技术，它通过编码模板调制实现光信息的调制混叠，然后在稀疏表示下，突破香农采样定理，以较低的数据采样率重构得到目标光谱图像信息。
在该压缩编码光谱成像系统中，场景由物镜聚焦至编码调制模板的调制面上；调制后的光信号经过准直镜准直；投射到色散器件上；色散分光后的光信号由聚焦镜聚焦至探测器焦平面上；焦平面接收到的是空间信号和光谱信号调制混叠后的二维压缩图像信号，由于探测器像元尺寸限制，其接受到的实际压缩图像信号也可能是经过下采样处理得到的。对于最终获得的成像数据，需进行稀疏重构，才能得到观测的目标光谱图像信息。
事实上，在该新型光谱成像系统中，编码模板扮演着非常重要的角色，它的设计与标定不但影响着编码调制的效果，使系统满足稀疏采样的要求，而且还影响着稀疏重构模型的投影变换矩阵构造，从而，决定性地影响着最终光谱图像数据的重构。因此，对于已完成设计、生产、加工、装调的该新型光谱成像系统，编码模板的标定非常关键。
然而，由于该系统是在传统色散型光谱成像系统中加入了编码模板，因此，其系统标定不同于一般色散系统，其不但要考虑光学系统自身成像效能，还要考虑实际编码设计要求和编码效果的一致性，以及色散信息是否符合编码设计需求等，为此，需要研究不同于传统色散系统标定的系统标定方法。
发明内容
本发明所要解决的技术问题是提供一种压缩编码光谱成像系统的模板标定方法，达到能够对模板的实际编码调制信息进行标定，包括对系统成像响应，编码信息、色散信息等完成标定，最终服务于稀疏重构模型和算法，以获得更准确的目标图谱信息的有益效果。
为解决上述技术问题，本发明所采用的技术方案是：提供一种压缩编码光谱成像系统的模板标定方法，其特殊之处在于：包括以下步骤：
1)成像编码模板数据经过标志位选择和模板平移得到多帧平移模板数据；
2)平移模板数据经过连续标志位抽取和单周期全覆盖抽取得到抽取模板数据；
3)抽取模板数据再经过去暗电流和单谱段色散位对准验证得到未均衡化编码模板数据；
4)未均衡化模板数据经过归一化/0-1截断处理和二维编码拟合曲面校正处理，得到均衡化编码模板数据。
所述步骤1)中模板为刻有0/1(分别代表通光/不通光)编码单元的光学掩膜板，设置在成像焦平面位置。
所述步骤1)中模板标志位选择为编码模板的左上角编码单元，上述模板平移指对编码模板按垂直光路方向进行匀速直线折返周期移动。
所述步骤2)中连续标志位抽取指利用多帧平移模板数据的模板标志位位置变化曲线，选择连续不同标志位下的单平移周期下的模板数据，同时，按成像数据特征变化，选择对应的连续不同标志位下的单平移周期成像数据；所述单平移周期指模板从初始位置匀速直线平移到终止位置，并快速返回初始位置的一个完整的平移帧周期，其实际单周期抽取在匀速平移段进行抽取，在快速返回段不进行抽取。
上述成像数据特征变化的度量，以每帧成像数据与初始帧成像数据的光谱相似角表示，以此特征表示的周期性变化作为成像数据抽取的参考。
步骤3)中上述去暗电流及单谱段色散位对准验证指利用对抽取模板数据进行暗电流去除，并按标志位平移规律，将编码单元平移宽度与实际单谱段色散宽度进行对比，检验编码单元标志位变化分布与全谱段色散宽度分布的一致性。
步骤4)中所述归一化/0-1截断处理指利用未均衡化模板数据除以其相应的二维编码拟合曲面，实现编码效果的一致性校正，同时做归一化处理和0/1截段处理；所述二维编码拟合曲面校正处理指利用二维多项式或二维插值拟合或二维神经网络拟合方法，对未均衡化编码模板数据进行拟合，得到的平滑二维平面。
本发明的有益效果是：本发明基于一种压缩编码光谱成像系统，提出一种编码模板的标定方法。通过该标定方法，可以获取更接近设计要求的模板数据，从而构造更准确的稀疏投影矩阵，以重构更准确的观测图谱信息。同时，该标定方案，不同于传统色散系统的标定，它综合考虑系统成像效果，编码模板编码效果及色散信息，并将物理标定方法和数据处理方法于一体，因此，该标定方法更为全面一致。
附图说明
图1为本发明压缩编码光谱成像系统的模板标定流程图。
具体实施方式
如图1所示，首先基于成像编码模板数据，进行空间标志位选择，并进行模板的一维方向匀速移动，得到平移模板数据，其中，标志位选择为编码模板左上方的编码单元处，平移由微动平台控制，实现垂直于光路方向的水平匀速周期性移动，每次移动一个编码单元；在得到多帧平移数据后，需根据编码数据标志位的移动结果，按单位平移宽度选择连续的一个周期的不同标志位下的平移模板数据作为模板抽取结果，并按同样的方法，对成像数据，按成像特征的周期性变化规律选择对应于模板数据的连续标志位单周期成像数据；然后，对抽取模板数据进行正常的去暗电流处理，并将处理数据的平移位置信息与单色仪成像下的单谱段色散宽度信息进行对比，验证色散宽度和平移宽度的一致性；最后对未均衡化编码模板数据，做二维多项式拟合编码曲面，并以此作为基准，将编码数据除以拟合曲面得到均衡化编码模板数据，使其达到均匀一致编码成像的效果，同时，通过归一化处理和0-1截断处理(大于1置1，小于0置0)，使得最终的模板标定数据尽可能符合0/1分布的设计要求。
Claims (4)
1.一种压缩编码光谱成像系统的模板标定方法，其特征在于：包括以下步骤：
1)成像编码模板数据经过标志位选择和模板平移得到多帧平移模板数据；
2)平移模板数据经过连续标志位抽取和单周期全覆盖抽取得到抽取模板数据；所述连续标志位抽取指利用多帧平移模板数据的模板标志位位置变化曲线，选择连续不同标志位下的单平移周期下的模板数据，同时，按成像数据特征变化，选择对应的连续不同标志位下的单平移周期成像数据；所述单平移周期指模板从初始位置匀速直线平移到终止位置，并快速返回初始位置的一个完整的平移帧周期，其实际单周期抽取在匀速平移段进行抽取，在快速返回段不进行抽取；
3)抽取模板数据再经过去暗电流和单谱段色散位对准验证得到未均衡化编码模板数据；所述去暗电流及单谱段色散位对准验证指利用对抽取模板数据进行暗电流去除，并按标志位平移规律，将编码单元平移宽度与实际单谱段色散宽度进行对比，检验编码单元标志位变化分布与全谱段色散宽度分布的一致性；
4)未均衡化模板数据经过归一化/0-1截断处理和二维编码拟合曲面校正处理，得到均衡化编码模板数据；所述归一化/0-1截断处理指利用未均衡化模板数据除以其相应的二维编码拟合曲面，实现编码效果的一致性校正，同时做归一化处理和0/1截段处理；所述二维编码拟合曲面校正处理指利用二维多项式或二维插值拟合或二维神经网络拟合方法，对未均衡化编码模板数据进行拟合，得到的平滑二维平面。
2.根据权利要求1所述的压缩编码光谱成像系统的模板标定方法，其特征在于：步骤1)中所述模板为刻有0/1编码单元的光学掩膜板，设置在成像焦平面位置。
3.根据权利要求2所述的压缩编码光谱成像系统的模板标定方法，其特征在于：步骤1)中所述模板标志位选择为编码模板的左上角编码单元，所述模板平移指对编码模板按垂直光路方向进行匀速直线折返周期移动。
4.根据权利要求3所述的压缩编码光谱成像系统的模板标定方法，其特征在于：所述成像数据特征变化的度量，以每帧成像数据与初始帧成像数据的光谱相似角表示，以此特征表示的周期性变化作为成像数据抽取的参考。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610898787.7A CN106525236B (zh) | 2016-10-14 | 2016-10-14 | 一种压缩编码光谱成像系统的模板标定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610898787.7A CN106525236B (zh) | 2016-10-14 | 2016-10-14 | 一种压缩编码光谱成像系统的模板标定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106525236A CN106525236A (zh) | 2017-03-22 |
| CN106525236B true CN106525236B (zh) | 2017-12-19 |
Family
ID=58332202
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610898787.7A Active CN106525236B (zh) | 2016-10-14 | 2016-10-14 | 一种压缩编码光谱成像系统的模板标定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106525236B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109186761B (zh) * | 2018-09-14 | 2024-01-30 | 中国科学院西安光学精密机械研究所 | 一种编码光谱成像系统的定标方法及编码模板 |
| CN109883548B (zh) * | 2019-03-05 | 2020-04-21 | 北京理工大学 | 基于优化启发的神经网络的光谱成像系统的编码优化方法 |
| CN112435201B (zh) * | 2020-12-07 | 2022-08-02 | 中国人民解放军国防科技大学 | 一种编码模板标定方法、装置、计算机设备和存储介质 |
| CN115144074B (zh) * | 2022-05-16 | 2024-06-18 | 北京航空航天大学 | 一种编码孔径光谱成像系统的光谱校正重建方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004191244A (ja) * | 2002-12-12 | 2004-07-08 | Minolta Co Ltd | 分光装置及び補正方法 |
| ES2346000T3 (es) * | 2006-08-25 | 2010-10-07 | Abb Research Ltd | Detector de llamas basado en una camara. |
| CN101320138B (zh) * | 2008-05-16 | 2011-04-06 | 中国科学院西安光学精密机械研究所 | 同时获取立体和多光谱图像的方法及设备 |
| CN101510054B (zh) * | 2009-03-06 | 2011-05-11 | 上海微电子装备有限公司 | 一种用于光刻设备的曝光控制系统及控制方法 |
-
2016
- 2016-10-14 CN CN201610898787.7A patent/CN106525236B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106525236A (zh) | 2017-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106525236B (zh) | 一种压缩编码光谱成像系统的模板标定方法 | |
| US11830222B2 (en) | Bi-level optimization-based infrared and visible light fusion method | |
| Lin et al. | Spatial-spectral encoded compressive hyperspectral imaging | |
| Bianco et al. | A comparative analysis between active and passive techniques for underwater 3D reconstruction of close-range objects | |
| US10163257B2 (en) | Constructing a 3D structure | |
| Yang et al. | Improving the image reconstruction quality of compressed ultrafast photography via an augmented Lagrangian algorithm | |
| Yu et al. | Adaptive binocular fringe dynamic projection method for high dynamic range measurement | |
| CN114998399B (zh) | 一种异源光学遥感卫星影像立体像对预处理方法 | |
| CN105046691B (zh) | 一种基于正交消失点的相机自标定方法 | |
| Liang et al. | A polarized structured light method for the 3d measurement of high-reflective surfaces | |
| Zhang et al. | Deep learning-enabled anti-ambient light approach for fringe projection profilometry | |
| Zhao et al. | Phenotyping of individual apple tree in modern orchard with novel smartphone-based heterogeneous binocular vision and YOLOv5s | |
| Peng et al. | A photogrammetric-photometric stereo method for high-resolution lunar topographic mapping using Yutu-2 rover images | |
| CN105352602B (zh) | 一种光学智能感知多维成像系统 | |
| Ji et al. | Calibration method of light-field camera for photogrammetry application | |
| Taylor | Implementing high resolution structured light by exploiting projector blur | |
| CN208921290U (zh) | 一种编码模板 | |
| Ning et al. | Binocular stereo vision calibration based on constrained sparse beam adjustment algorithm | |
| CN102620655A (zh) | 一种测量光斑大小的方法 | |
| Krajnik et al. | sSfS: segmented shape from silhouette reconstruction of the human body | |
| CN106097248B (zh) | 一种基于高分辨率图像知识先验的压缩感知方法及其混合视觉系统 | |
| Hachaj | Adaptable 2D to 3D Stereo Vision Image Conversion Based on a Deep Convolutional Neural Network and Fast Inpaint Algorithm | |
| CN102693539A (zh) | 一种用于智能监控系统的宽基线快速三维标定方法 | |
| Perek et al. | High-performance image acquisition and processing for stereoscopic diagnostic systems with the application of graphical processing units | |
| Jin et al. | Nighttime Image Dehazing by Render |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |