CN106679808B - 基于压缩光谱的关联成像系统及其方法 - Google Patents
基于压缩光谱的关联成像系统及其方法 Download PDFInfo
- Publication number
- CN106679808B CN106679808B CN201611216826.7A CN201611216826A CN106679808B CN 106679808 B CN106679808 B CN 106679808B CN 201611216826 A CN201611216826 A CN 201611216826A CN 106679808 B CN106679808 B CN 106679808B
- Authority
- CN
- China
- Prior art keywords
- compressed
- speckles
- information
- illumination
- random
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001228 spectrum Methods 0.000 title claims abstract description 22
- 238000000701 chemical imaging Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims abstract description 3
- 238000005286 illumination Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000006835 compression Effects 0.000 claims description 8
- 238000007906 compression Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000002310 reflectometry Methods 0.000 claims description 4
- 238000002834 transmittance Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 2
- 238000009417 prefabrication Methods 0.000 claims description 2
- 230000001678 irradiating effect Effects 0.000 claims 1
- 238000004611 spectroscopical analysis Methods 0.000 claims 1
- 230000002596 correlated effect Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract 1
- 230000004927 fusion Effects 0.000 abstract 1
- 238000011084 recovery Methods 0.000 abstract 1
- 239000003795 chemical substances by application Substances 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
Images
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
-
- 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
- G01J2003/2826—Multispectral imaging, e.g. filter imaging
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种基于压缩光谱的关联成像系统及其方法,装置包括光源、LCD调制系统、投影镜头、汇集透镜、单像素探测器、数据采集系统和计算机。本发明方法通过融合关联成像、随机采样和欠采样信息复原技术,实现由单个单像素探测器对物体进行同时多光谱成像,系统结构简单,降低了多光谱关联成像系统的复杂性,可以减少系统采集数据量,提高系统多光谱信息成像效率,在目标探测、识别和追踪等领域具有很好的应用前景。
Description
技术领域
本发明涉及关联成像领域,具体是一种基于压缩光谱的关联成像系统及其方法。
背景技术
关联成像又称为“鬼成像”、量子成像等,其广泛应用于遥感、生物医学以及国防等领域,近些年来获得了很多科研学者的关注与研究。计算关联成像与传统关联成像的不同点在于,使用计算机预置随机散斑来替代传统关联成像中的参考臂(即由面阵探测器获取相关光强分布信息),通过计算机预置的散斑信息与单像素探测器采集的光强信息进行关联运算来获取目标物体的像。传统多光谱关联成像系统基本上采用多个单像素探测器加多滤光片的方式来对目标物体进行测量实现对物体的多光谱成像。本发明提出了一种新的系统方案,且系统结构简单,不使用滤光片,采用单个单像素探测器来实现对物体的多光谱成像。
发明内容
本发明的目的是提供一种基于压缩光谱的关联成像系统及其方法,相较于传统采用多个单像素探测器加多滤光片的设计方案,本系统结构简单,数据量小,具有较高的成像效率。
为了达到上述目的,本发明所采用的技术方案为:
基于压缩光谱的关联成像系统,其特征在于:包括有依次放置的光源、LCD调制系统、投影镜头、汇聚透镜、单像素探测器,单像素探测器的信号输出端连接数据采集系统的信号输入端,数据采集系统的信号输出端连接计算机,计算机与LCD调制系统控制连接;光源发光,经LCD调制系统上产生三色混合照明散斑,经投影镜头对场景进行照射,场景反射光经汇聚透镜到达单像素探测器上,然后经数据采集系统进行数据采集,最后计算机对数据保存和处理。
所述的基于压缩光谱的关联成像系统及其方法,其特征在于:所述的LCD系统具有透射红、绿、蓝混合光的功能,能够对透过混合光模式进行控制,实现对光谱的压缩,用于对物体进行照明。
所述的基于压缩光谱的关联成像系统及其方法,其特征在于:所述的汇聚透镜用于对物体反射或者透射的光进行汇聚。
所述的基于压缩光谱的关联成像系统及其方法,其特征在于:所述的单个单像素探测器用于对汇聚光进行光电转换。
所述的基于压缩光谱的关联成像系统及其方法,其特征在于:所述的数据采集系统用于对单像素探测器的电信号进行模拟-数字转换。
所述的基于压缩光谱的关联成像系统及其方法,其特征在于:所述的计算机用于预制产生随机散斑,并加载到LCD调制系统中,利用光源照射LCD调制系统并使用投影镜头实现对物体照明;通过数据采集系统采集并保存物体反射或者透射的探测信号。
基于压缩光谱的关联成像方法,其主要步骤为:
1)通过预制产生三个RGB颜色的编码矩阵,分别表示为具有0,1的矩阵AR,AG和AB。三个光谱压缩矩阵具有如下性质:
其中,上式中字母下标表示三个颜色信息,I表示全1的矩阵;
2)利用计算机产生随机照明散斑,假设第j个随机散斑Bj用于产生RGB随机压缩照明散斑,则RGB三个颜色通道的随机压缩照明散斑表示为:
利用计算机把产生的RGB三个颜色的随机压缩散斑进行整合得到三色混合照明散斑,并加载到LCD系统中。利用产生的系列三色混合随机压缩散斑对物体进行照明;
3)目标物体反射或透射的信号经汇聚透镜,汇聚到单像素探测器上,单像素探测器输出的电信号经数据采集系统进行模拟—数字转换。假设第j次照明时物体反射或透射信号的采集过程用如下数学形式表达:
Sj=∑(CR*BR,j*TR+CG*BG,j*TG+CB*BB,j*TB), (3)
其中,Sj表示探测器探测到的强度信息,TR,TG和TB表示物体在不同波段下的反射率或透射率信息,C是系统在不同波段下的修正系数,由探测器在不同波段下具有不同的响应等因素造成。修正系数可以用系统进行RGB三个单独颜色照明下的探测器响应值进行标定来获取。利用公式(2)可以进一步对上式进行改写为:
Sj=∑Bj*T, (4)
其中,T=CR*AR*TR+CG*AG*TG+CB*AB*TB表示物体在不同波段下的反射率或透射率信息的编码采样混合形式。利用系列三色混合随机压缩散斑对物体进行照明,并探测采集相应的强度信息,利用已知的信息进行关联运算或者相应算法获取物体信息T;
4)利用上述步骤获取的物体信息T进行运算得到不同波段下的物体编码采样信息。利用编码矩阵AR,AG和AB对T进行点乘运算可得:
对上式进一步进行简化为
其中,YR=AR*T,YG=AG*T,YB=AB*T为已知量,AR、AG和AB为已知光谱压缩矩阵,XR=CR*TR,XG=CG*TG,XB=CB*TB为未知的表征物体在不同波段下的完整信息;
5)利用已知量并采用压缩感知算法对等式(6)进行求解,可以获取物体在不同波段下的完整信息。至此实现了对物体的多光谱成像,对不同波段下的完整物体信息进行组合就可以得到表征物体的彩色图像信息。
本发明与现有技术相比优点如下:
1、结构简单,成本低,本方法应用于多光谱计算关联成像中,只需要一个单像素探测器即可实现对物体的多光谱成像;
2、成像效率高,本系统只需要一个单像素探测器来对物体进行多光谱成像,采集数据量以及计算量都会降低,能够提高物体的多光谱成像速度。
显然,本领域的技术人员可以通过对本发明所涉及的多光谱关联成像系统和方法进行改动和变型而不脱离本发明的精神和范围。这样,如果这些修改和变动属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些修改和变型在内。
附图说明
图1为本发明的结构示意图。
图2为利用本发明方法进行成像的结果。
图2中,实验结果:A1)原始场景,B1),编码采样混合信息,C1)复原彩色图像,第二行和第三行分别表示场景在R,G,B三个谱段下的随机采样和复原完整信息。
具体实施方式
如图1所示,基于压缩光谱的关联成像系统及其方法,其装置包括光源1、LCD调制系统2、投影镜头3、汇聚透镜4、单像素探测器5、数据采集系统6和计算机7;
光源1发光,经LCD调制系统2上产生三色混合照明散斑经投影镜头3对场景进行照射,场景反射光经汇聚透镜4到达单像素探测器5上,然后经数据采集系统6进行数据采集,最后计算机7对数据保存和处理。
首先,通过预制产生三个RGB颜色的编码矩阵,分别表示为具有0,1的矩阵AR,AG和AB。三个光谱压缩矩阵具有如下性质:
其中,上式中字母下标表示三个颜色信息,I表示全1的矩阵;
然后,利用计算机产生随机照明散斑,假设第j个随机散斑Bj用于产生RGB随机压缩照明散斑,则RGB三个颜色通道的随机压缩照明散斑表示为:
利用计算机把产生的RGB三个颜色的随机压缩散斑进行整合得到三色混合照明散斑,并加载到LCD系统中。利用产生的系列三色混合随机压缩散斑对物体进行照明。
目标物体反射或透射的信号经汇聚透镜,汇聚到单像素探测器上,单像素探测器输出的电信号经数据采集系统进行模拟-数字转换。假设第j次照明时物体反射或透射信号的采集过程用如下数学形式表达:
Sj=∑(CR*BR,j*TR+CG*BG,j*TG+CB*BB,j*TB), (3)
其中,Sj表示探测器探测到的强度信息,TR,TG和TB表示物体在不同波段下的反射率或透射率信息,C是系统在不同波段下的修正系数,由探测器在不同波段下具有不同的响应等因素造成。修正系数可以用系统进行RGB三个单独颜色照明下的探测器响应值进行标定来获取。利用公式(2)可以进一步对上式进行改写为:
Sj=∑Bj*T, (4)
其中,T=CR*AR*TR+CG*AG*TG+CB*AB*TB表示物体在不同波段下的反射率或透射率信息的编码采样混合形式。利用系列三色混合压缩散斑对物体进行照明,并探测采集相应的强度信息,利用已知的信息进行关联运算或者相应算法获取物体信息T,利用系统进行成像实验,相应的结果如图2第一行第B列所示;
然后,利用上述步骤获取的物体编码采样混合信息T进行运算得到不同波段下的物体编码采样信息。利用编码矩阵AR,AG和AB对T进行点乘运算可得:
对上式进一步进行简化为
其中,YR=AR*T,YG=AG*T,YB=AB*T为已知量,其实验结果如图2第二行所示,AR、AG和AB为已知光谱压缩矩阵,XR=CR*TR,XG=CG*TG,XB=CB*TB为未知的表征物体在不同波段下的完整信息。
最后,利用已知量并采用压缩感知算法对等式(6)进行求解,可以获取物体在不同波段下的完整信息,其实验结果如图2第三行所示。至此实现了对物体的多光谱成像,对不同波段下的完整物体信息进行组合就可以得到表征物体的彩色图像信息,其结果如图2第一行第C列所示。
Claims (5)
1.一种基于压缩光谱的关联成像系统的方法,其特征在于:所述的基于压缩光谱的关联成像系统的方法所采用的基于压缩光谱的关联成像系统,包括有依次放置的光源、LCD调制系统、投影镜头、汇聚透镜、单像素探测器,单像素探测器的信号输出端连接数据采集系统的信号输入端,数据采集系统的信号输出端连接计算机,计算机与LCD调制系统控制连接;光源发光,经LCD调制系统上产生三色混合照明散斑,经投影镜头对场景进行照射,场景反射光经汇聚透镜到达单像素探测器上,然后经数据采集系统进行数据采集,最后计算机对数据保存和处理;
所述的基于压缩光谱的关联成像系统的方法,包括以下步骤:
1)通过预制产生三个RGB颜色的编码矩阵,分别表示为具有0,1的矩阵AR,AG和AB;三个光谱压缩矩阵具有如下性质:
其中,上式中字母下标表示三个颜色信息,I表示全1的矩阵;
2)利用计算机产生随机照明散斑,假设第j个随机散斑Bj用于产生RGB随机压缩照明散斑,则RGB三个颜色通道的随机压缩照明散斑表示为:
利用计算机把产生的RGB三个颜色的随机压缩散斑进行整合得到三色混合照明散斑,并加载到LCD系统中,利用产生的系列三色混合随机压缩照明散斑对物体进行照明;
3)目标物体反射或透射的信号经汇聚透镜,汇聚到单像素探测器上,单像素探测器输出的电信号经数据采集系统进行模拟-数字转换;假设第j次照明时物体反射或透射信号的采集过程用如下数学形式表达:
Sj=∑(CR*BR,j*TR+CG*BG,j*TG+CB*BB,j*TB) (3);
其中,Sj表示探测器探测到的强度信息,TR,TG和TB表示物体在不同波段下的反射率或透射率,C是系统在不同波段下的修正系数,由探测器在不同波段下具有不同的响应造成;修正系数可以用系统进行RGB三个单独颜色照明下的探测器响应值进行标定来获取,利用公式(2)可以进一步对上式进行改写为:
Sj=∑Bj*T (4);
其中,T=CR*AR*TR+CG*AG*TG+CB*AB*TB表示物体在不同波段下的反射率或透射率信息的编码采样混合形式;利用系列三色混合随机压缩散斑对物体进行照明,并探测采集相应的强度信息,利用已知的信息进行关联运算或者相应算法获取物体信息T;
4)利用上述步骤获取的物体信息T进行运算得到不同波段下的物体编码采样信息,利用编码矩阵AR,AG和AB对T进行点乘运算可得:
对上式进一步进行简化为
其中,YR=AR*T,YG=AG*T,YB=AB*T为已知量,AR、AG和AB为已知光谱压缩矩阵,XR=CR*TR,XG=CG*TG,XB=CB*TB为未知的表征物体在不同波段下的完整信息;
5)利用已知量并采用压缩感知算法对等式(6)进行求解,可以获取物体在不同波段下的完整信息;至此实现了对物体的多光谱成像,对不同波段下的完整物体信息进行组合就可以得到表征物体的彩色图像信息;
所述的LCD调制系统具有透射红、绿、蓝混合光的功能,能够对透过混合光模式进行控制,实现对光谱的压缩,用于对物体进行照明。
2.根据权利要求1所述的基于压缩光谱的关联成像系统的方法,其特征在于:所述的汇聚透镜用于对物体反射或者透射的光进行汇聚。
3.根据权利要求1所述的基于压缩光谱的关联成像系统的方法,其特征在于:单个所述的单像素探测器用于对汇聚光进行光电转换。
4.根据权利要求1所述的基于压缩光谱的关联成像系统的方法,其特征在于:所述的数据采集系统用于对单像素探测器的电信号进行模拟-数字转换。
5.根据权利要求1所述的基于压缩光谱的关联成像系统的方法,其特征在于:所述的计算机用于预制产生随机散斑,并加载到LCD调制系统中,利用光源照射LCD调制系统并使用投影镜头对物体照明;通过数据采集系统采集并保存物体反射或者透射的探测信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611216826.7A CN106679808B (zh) | 2016-12-26 | 2016-12-26 | 基于压缩光谱的关联成像系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611216826.7A CN106679808B (zh) | 2016-12-26 | 2016-12-26 | 基于压缩光谱的关联成像系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106679808A CN106679808A (zh) | 2017-05-17 |
CN106679808B true CN106679808B (zh) | 2021-03-02 |
Family
ID=58871528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611216826.7A Active CN106679808B (zh) | 2016-12-26 | 2016-12-26 | 基于压缩光谱的关联成像系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106679808B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107783148A (zh) * | 2017-11-29 | 2018-03-09 | 苏州蛟视智能科技有限公司 | 压缩感知成像装置及方法 |
CN108801457B (zh) * | 2018-03-27 | 2021-02-09 | 浙江大学 | 基于编码采样板设计以及二次能量约束校正的三维图谱获取及重建方法 |
CN110319790A (zh) * | 2019-04-23 | 2019-10-11 | 首都师范大学 | 一种基于彩色散斑场的全彩色计算鬼成像方法 |
CN112484702A (zh) * | 2020-10-10 | 2021-03-12 | 清华大学 | 基于色差的单像素多层成像方法及装置 |
CN113048907B (zh) * | 2021-02-08 | 2022-04-22 | 浙江大学 | 一种基于宏像素分割的单像素多光谱成像方法及装置 |
CN113325648A (zh) * | 2021-07-07 | 2021-08-31 | 台州安奇灵智能科技有限公司 | 一种基于宾主液晶可调滤光片的光谱成像系统 |
CN114279330B (zh) * | 2021-12-27 | 2023-11-21 | 中国科学院合肥物质科学研究院 | 一种高速调制与同步采集关联成像方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103363924B (zh) * | 2013-07-15 | 2016-02-03 | 中国科学院空间科学与应用研究中心 | 一种压缩的三维计算鬼成像系统及方法 |
CN104486617B (zh) * | 2014-12-19 | 2016-09-21 | 南京理工大学 | 基于高阶鬼成像像质模型的最佳阶数拟合方法 |
CN104883449B (zh) * | 2015-06-05 | 2018-02-13 | 上海斐讯数据通信技术有限公司 | 一种基于关联成像的探测方法和系统 |
-
2016
- 2016-12-26 CN CN201611216826.7A patent/CN106679808B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106679808A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106679808B (zh) | 基于压缩光谱的关联成像系统及其方法 | |
Oh et al. | Do it yourself hyperspectral imaging with everyday digital cameras | |
CN102279050B (zh) | 一种多光谱计算重构方法及系统 | |
WO2012174940A1 (zh) | 一种极弱光多光谱成像方法及其系统 | |
CN105380587A (zh) | 图像采集系统和电子内窥镜系统 | |
CN103268499A (zh) | 基于多光谱成像的人体皮肤检测方法 | |
WO2021083163A1 (zh) | 一种用于火焰拍摄的高速高精度光谱视频系统及方法 | |
CN117152636B (zh) | 一种基于双波段关系的浅海底质反射率遥感监测方法 | |
CN107076611A (zh) | 光谱成像方法与系统 | |
CN108896494A (zh) | 一种基于光谱和深度学习的物体识别仪 | |
CN115731191A (zh) | 一种基于神经网络的窄波段光谱成像方法 | |
Cai et al. | The design and implementation of portable rotational scanning imaging spectrometer | |
CN108428237A (zh) | 基于稀疏非负矩阵欠近似的高光谱彩绘文物线稿提取方法 | |
Yang et al. | Deep‐learning based on‐chip rapid spectral imaging with high spatial resolution | |
CN108955879B (zh) | 便携式液晶多光谱成像系统 | |
Fauch et al. | Recovery of reflection spectra in a multispectral imaging system with light emitting diodes | |
CN114022364A (zh) | 基于光谱库优化学习的多光谱图像光谱超分方法和系统 | |
CN113790798A (zh) | 动态点目标跟踪测量用无缝光谱成像装置、系统及方法 | |
CN114216867A (zh) | 高光谱图像采集识别装置及方法 | |
CN117853423A (zh) | 果品中可溶性固形物的检测方法、电子设备、存储介质 | |
CN207197669U (zh) | 宽带滤光光谱成像仪 | |
CN106842195B (zh) | 基于计算关联成像的多物体同时成像及加密方法 | |
US10966611B2 (en) | Imaging biological tissue or other subjects | |
Abed | Pigment identification of paintings based on Kubelka-Munk theory and spectral images | |
CN108267426A (zh) | 基于多光谱成像的绘画颜料识别系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220928 Address after: B423-428, Golden Block, Tuoji City Plaza, No. 687, Changjiang West Road, High-tech Zone, Hefei City, Anhui Province, 230000 Patentee after: Hefei Zhongke Dihong Automation Co.,Ltd. Address before: 230031 Shushan Lake Road, Shushan District, Hefei, Anhui 350 Patentee before: HEFEI INSTITUTES OF PHYSICAL SCIENCE, CHINESE ACADEMY OF SCIENCES |
|
TR01 | Transfer of patent right |