CN108537804A - 一种并行压缩感知成像系统的感兴趣目标提取方法 - Google Patents

一种并行压缩感知成像系统的感兴趣目标提取方法 Download PDF

Info

Publication number
CN108537804A
CN108537804A CN201810300894.4A CN201810300894A CN108537804A CN 108537804 A CN108537804 A CN 108537804A CN 201810300894 A CN201810300894 A CN 201810300894A CN 108537804 A CN108537804 A CN 108537804A
Authority
CN
China
Prior art keywords
interesting target
imaging system
observation
parallelly compressed
extracting method
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.)
Granted
Application number
CN201810300894.4A
Other languages
English (en)
Other versions
CN108537804B (zh
Inventor
李云辉
王稚
王晓东
刘文光
周大立
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Original Assignee
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changchun Institute of Optics Fine Mechanics and Physics of CAS filed Critical Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority to CN201810300894.4A priority Critical patent/CN108537804B/zh
Publication of CN108537804A publication Critical patent/CN108537804A/zh
Application granted granted Critical
Publication of CN108537804B publication Critical patent/CN108537804B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10032Satellite or aerial image; Remote sensing

Abstract

本发明公开了一种并行压缩感知成像系统的感兴趣目标提取方法,包括步骤:对目标场景进行概略观测;根据概略观测结果选取感兴趣目标区域;对所述感兴趣目标区域进行细致观测。本发明公开的一种并行压缩感知成像系统的感兴趣目标提取方法通过首先对视场内目标场景进行概略成像,然后根据选取的感兴趣区域位置及大小,完成对感兴趣区域的高分辨率成像,降低了系统的硬件需求和数据存储和传输的压力。

Description

一种并行压缩感知成像系统的感兴趣目标提取方法
技术领域
本发明涉及航天光学遥感计算成像技术领域,特别涉及一种并行压缩感知成像系统的感兴趣目标提取方法。
背景技术
随着环境监测、军事侦察等应用领域的发展,对空间光学遥感器的成像幅宽、空间分辨率等指标要求越来越高,而成像幅宽和分辨率指标相互矛盾,难以同时提高。目前卫星载荷上通常采用低分辨率、中分辨率和高分辨率相机组合的方式来同时实现宽画幅成像和高分辨率成像。通过低分辨率相机观测地形全貌,提取出感兴趣区域后通过高分辨率相机进行高分成像。这种方式增加了系统的复杂性,体积、质量、功耗、成本等都会增加,目前亟需一种光学成像系统同时实现上述功能。
由Donoho和Candes等人提出的压缩感知理论为成像模式带来了新的解决方案,突破了传统成像过程目标景物与探测器的一一对应关系,使信息采样过程不再受到Nyquist采样定理的限制。基于压缩感知理论,国内外许多学者提出了多种编码形式的压缩感知成像系统,其中以Rice大学的Duarte M F提出的单像素相机最为典型。该系统采用DMD阵列作为编码器件,以点探测器作为图像信息采集设备,降低了系统的复杂度及成本。但在大规模成像场合,其编码感知时间较长,且大规模图像对算法恢复也带来了较大的时间成本。基于上述考虑,欧阳瑶提出了一种并行压缩感知成像系统,以面阵探测器替代点探测器,通过对图像的分块并行处理减少了编码次数,同时降低了恢复算法的耗时。
在并行压缩感知成像系统中,有两个重要的参数与系统性能密切相关,分别为分块数M和观测压缩比D。分块数M越大,编码观测次数越少,算法恢复时间也得到缩减,系统实时性提高。但M越大,则对应所需系统的探测器像元规模越大,同时由于分块数的增多,破坏图像的稀疏特性,使相同观测压缩比D时图像恢复质量下降。观测压缩比D与系统采集的数据总量成正比,观测压缩比D越大,则采集图像信息越多,对图像恢复有利,因此恢复图像质量越高。另一方面,D越大,系统的总数据量越大,加重了系统的数据存储及传输的负担。
因此将该系统应用于空间遥感成像时,若要实现高分辨率的成像,则需要的编码观测时间和图像算法恢复时间的代价都较高。若要实现宽画幅成像,则由于分块并行处理会导致成像质量下降。因此需要提供一个优化成像控制策略。实际遥感系统对地外行星或卫星观测时,画幅内的大部分图像是无用的,通常只关心存在明显特征的感兴趣目标区域。因此应用该系统完成对大范围场景的扫描,提取感兴趣的目标区域,进而对感兴趣目标区域高分辨率成像具有重要应用价值。
发明内容
本发明旨在克服现有技术存在的缺陷,本发明采用以下技术方案:
一方面,本发明实施例提供了一种并行压缩感知成像系统的感兴趣目标提取方法,包括步骤:
对目标场景进行概略观测;
根据概略观测结果选取感兴趣目标区域;
对所述感兴趣目标区域进行细致观测。
在一些实施例中,所述并行压缩感知成像系统的感兴趣目标提取方法还包括:在步骤:对目标场景进行概略观测后,对概略观测后的数据进行采集并将该数据下传到地面站,由地面站完成图像的算法恢复及显示。
在一些实施例中,所述并行压缩感知成像系统的感兴趣目标提取方法还包括:在步骤对所述感兴趣目标区域进行细致观测后,对细致观测后的数据进行采集并将该数据下传到地面站,由地面站完成图像的数据整合及显示。
在一些实施例中,所述步骤:根据概略观测结果选取感兴趣目标区域,具体为:根据概略观测结果选择感兴趣的图像区域,并将所述图像区域的位置及尺寸信息反馈给并行压缩感知成像系统;所述并行压缩感知成像系统接收到所述图像区域的位置及尺寸信息后,重新调整并行压缩感知系统成像参数。
在一些实施例中,所述概略观测包括步骤:
选取与待成像目标特性相近的图像,作为目标场景先验模型建立的对象;
以所述图像为分析对象,选取并行分块数;
在所选并行分块数的条件下,计算不同观测压缩比时恢复图像的峰值信噪比;
设定恢复图像的阈值,选择高于该阈值的最小观测压缩比;
将上述选取的分块数和观测压缩比作为所述并行压缩感知成像系统概略观测阶段的成像参数。
在一些实施例中,所述选取并行分块数与所述并行压缩感知成像系统的探测器的像元规模相同。
在一些实施例中,所述探测器为面阵探测器。
在一些实施例中,所述对感兴趣目标区域进行细致观测包括:
根据选取的感兴趣目标区域的位置和尺寸,选择能够全覆盖所述感兴趣目标区域的的最小数字微镜阵列区域和探测器区域;
驱动数字微镜阵列对所述感兴趣目标区域进行观测;
采集所述并行压缩感知成像系统的探测器中所述感兴趣目标区域的观测数据。
在一些实施例中,所述驱动数字微镜阵列对所述感兴趣目标区域进行观测具体为:所述驱动数字微镜阵列对所述感兴趣目标区域进行并行非压缩编码观测。
在一些实施例中,在驱动数字微镜阵列对所述感兴趣目标区域进行观测时,在每个分块内一次观测采集一个场景像素点的数据。
本发明的技术效果:本发明公开的并行压缩感知成像系统的感兴趣目标提取方法在并行压缩感知成像系统的架构下,通过首先对视场内目标场景进行概略成像,然后根据选取的感兴趣区域位置及大小,完成对感兴趣区域的高分辨率成像。通过单台设备同时实现了宽画幅成像和高分辨率成像功能,同时降低了系统的硬件需求和数据存储和传输的压力。
附图说明
图1是根据本发明一个实施例的并行压缩感知成像系统的结构示意图;
图2是根据本发明一个实施例的并行压缩感知成像系统的感兴趣目标提取方法流程图;
图3是根据本发明另一个实施例的并行压缩感知成像系统的感兴趣目标提取方法流程图;
图4是根据本发明一个实施例的并行压缩感知成像系统的感兴趣目标提取方法中恢复图像的值信噪比随观测压缩比的变化曲线图;
图5是根据本发明一个实施例的并行压缩感知成像系统的感兴趣目标提取方法中概略观测阶段获取的概略图像;
图6是根据本发明一个实施例的并行压缩感知成像系统的感兴趣目标提取方法中精细观测获取的感兴趣区域的高分图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,而不构成对本发明的限制。
参考图1所示,示意出了根据本发明一个实施例的并行压缩感知成像系统100。本发明实施例提供的并行压缩感知成像系统100包括:前端镜组2,数字微镜阵列(DMD)3,匹配镜组4,以及面阵探测器5;
所述前端镜组2,用于实现目标场景1和所述数字微镜阵列3的匹配,所述前端镜组2设置在所述目标场景1和所述数字微镜阵列3之间,所述目标场景1可经所述前端镜组2入射到数字微镜阵列3上;
所述数字微镜阵列(DMD)3,可将所述目标场景1的光线反射至匹配镜组4;
所述匹配镜组4,用于实现数字微镜阵列(DMD)3与所述面阵探测器5的匹配,所述匹配镜组4将由所述数字微镜阵列(DMD)3反射的所述目标场景1的光线输出至所述面阵探测器5;
在一些实施例中,所述匹配镜组4,将由所述数字微镜阵列3反射的所述目标场景1的光线输出至所述面阵探测器5的焦面。
如图2所示,本发明实施例提供了一种并行压缩感知成像系统的感兴趣目标提取方法,包括步骤:
S1,对目标场景进行概略观测;
S2,根据概略观测结果选取感兴趣目标区域;
S3,对所述感兴趣目标区域进行细致观测。
在一些实施例中,所述并行压缩感知成像系统的感兴趣目标提取方法还包括:在步骤:对目标场景进行概略观测后,对概略观测后的数据进行采集并将该数据下传到地面站,由地面站完成图像的算法恢复及显示。
在一些实施例中,所述并行压缩感知成像系统的感兴趣目标提取方法还包括:在步骤对所述感兴趣目标区域进行细致观测后,对细致观测后的数据进行采集并将该数据下传到地面站,由地面站完成图像的数据整合及显示。
在一些实施例中,所述步骤:根据概略观测结果选取感兴趣目标区域,具体为:根据概略观测结果选择感兴趣的图像区域,并将所述图像区域的位置及尺寸信息反馈给并行压缩感知成像系统;所述并行压缩感知成像系统接收到所述图像区域的位置及尺寸信息后,重新调整并行压缩感知系统成像参数。
在一些实施例中,所述概略观测包括步骤:
选取与待成像目标特性相近的图像,作为目标场景先验模型建立的对象;
以所述图像为分析对象,选取并行分块数;
在所选并行分块数的条件下,计算不同观测压缩比时恢复图像的峰值信噪比;
设定恢复图像的阈值,选择高于该阈值的最小观测压缩比;
将上述选取的分块数和观测压缩比作为所述并行压缩感知成像系统概略观测阶段的成像参数。
在一些实施例中,所述选取并行分块数与所述并行压缩感知成像系统的探测器的像元规模相同。
在一些实施例中,所述探测器为面阵探测器。
在一些实施例中,所述对感兴趣目标区域进行细致观测包括:
根据选取的感兴趣目标区域的位置和尺寸,选择能够全覆盖所述感兴趣目标区域的的最小数字微镜阵列区域和探测器区域;
驱动数字微镜阵列对所述感兴趣目标区域进行观测;
采集所述并行压缩感知成像系统的探测器中所述感兴趣目标区域的观测数据。
在一些实施例中,所述驱动数字微镜阵列对所述感兴趣目标区域进行观测具体为:所述驱动数字微镜阵列对所述感兴趣目标区域进行并行非压缩编码观测。
在一些实施例中,在驱动数字微镜阵列对所述感兴趣目标区域进行观测时,在每个分块内一次观测采集一个场景像素点的数据。
在进入细致观测阶段,只针对所述感兴趣目标区域进行编码感知成像。由于需要对所述感兴趣目标区域进行细致观测,对成像质量要求较高,因此采取非压缩感知成像方式。同时为缩减观测时间,仍然采用分块编码方式,其分块数与选定区域所对应的探测器像元数一致。
由于此时只针对局部区域进行成像,因此编码次数、总数据量都在可控范围内,不会有过高的代价。同时采用非压缩观测也省去了图像计算恢复的环节。在编码数据采集完成后,将该区域图像数据传输到地面站直接进行显示。
本发明的技术效果:本发明公开的并行压缩感知成像系统的感兴趣目标提取方法在并行压缩感知成像系统的架构下,通过首先对视场内目标场景进行概略成像,然后根据选取的感兴趣区域位置及大小,完成对感兴趣区域的高分辨率成像。通过单台设备同时实现了宽画幅成像和高分辨率成像功能,同时降低了系统的硬件需求和数据存储和传输的压力。
下面结合具体的实施例对本发明提供的并行压缩感知成像系统100进行详细的说明。
实施例1:
参考图1所示,示意出了根据本发明一个实施例的并行压缩感知成像系统100。本发明实施例提供的并行压缩感知成像系统100包括:前端镜组2,数字微镜阵列(DMD)3,匹配镜组4,以及面阵探测器5;
所述前端镜组2,用于实现目标场景1和所述数字微镜阵列3的匹配,所述前端镜组2设置在所述目标场景1和所述数字微镜阵列3之间,所述目标场景1可经所述前端镜组2入射到数字微镜阵列3上;
所述数字微镜阵列(DMD)3,可将所述目标场景1的光线反射至匹配镜组4;
所述匹配镜组4,用于实现数字微镜阵列(DMD)3与所述面阵探测器5的匹配,所述匹配镜组4将由所述数字微镜阵列(DMD)3反射的所述目标场景1的光线输出至所述面阵探测器5;
在一些实施例中,所述匹配镜组4,将由所述数字微镜阵列3反射的所述目标场景1的光线输出至所述面阵探测器5的焦面。
该并行压缩感知成像系统的感兴趣目标提取方法对目标场景的分辨率取决于数字微镜阵列的规模,设数字微镜阵列的规模为N×N,面阵探测器的像元规模为M×M,则一个探测器像元对应的数字微镜微镜数目为n×n,其中n=N/M。系统并行处理的分块规模也即为M×M。并行观测能够减小编码观测时间及恢复算法计算时间,因此分块数M越大,系统的实时性越好,但同时由于图像分块导致的系统稀疏特性恶化,进而带来的图像恢复质量降低。同时采用压缩观测时,系统采集数据要小于传统方法采集到的数据,二者之比即为观测压缩比D,表示为D=m/n2,其中m为观测次数。该参数与系统总数据量成正相关,同时也决定了一幅图像的总观测时间。因此上述分块数M和观测压缩比D是系统两项重要参数。
本发明实施例还提出了并行压缩感知成像系统的感兴趣目标提取方法。
如图3所示为本发明提出技术方案的工作流程。首先,系统上电后,对成像参数进行初始化设置,根据指令对目标场景进行概略观测。将采集到的数据下传到地面站,由地面站完成图像的算法恢复及显示。接着选取感兴趣的局部目标区域,该数据信息被上传到成像系统,由成像系统根据该数据调整成像参数设置,进入到细致观测阶段,对目标区域进行细致观测,然后将数据下传到地面站,由地面站完成图像的数据整合及显示。上述系统在概略观测阶段的成像参数选取方法结合如下实例进行说明:
首先选取与待成像目标特性相近的图像,作为目标场景先验模型建立的对象。以一幅1024×1024分辨率的场景为分析对象,系统采用面阵探测器的像元规模为512×512。该阶段的观测对图像质量要求不高,而对图像获取的实时性要求较高,因此应选择较大的分块数M和较低的观测压缩比D。受探测器像元规模的限制,此处选择分块数M与探测器像元数相同,即M=512。
设定概略观测阶段的恢复图像质量峰值信噪比(PSNR)阈值,本例中取14dB。在M=512条件下,计算观测压缩比D取不同值时的恢复图像PSNR,绘制曲线如图4所示。选取曲线中高于该设定阈值的最小观测压缩比D,即D=0.3作为系统参数设置。
以上得到了概略观测阶段的并行压缩感知成像系统的成像参数。
航天器在轨运行时,按上述系统参数设置完成后,对目标场景进行成像,将采集到的数据下传到地面站,由地面站计算机完成图像的恢复及显示。本实例中获取的图像如图5所示。
通过对概略图像的观察,选择感兴趣的图像区域,如图5中矩形框内所示,并将该区域的位置及尺寸信息反馈给成像系统。
成像系统接收到该信息后,重新调整系统成像参数,进入到细致观测阶段,只针对该区域进行编码感知成像。该阶段的成像参数设置及方法由以下步骤实现:
步骤一:在获取到待成像的感兴趣目标区域位置和尺寸后,选择能够全覆盖该区域的最小数字微镜(DMD)阵列区域和面阵探测器区域。
步骤二:由于需要对该区域进行细致观测,对成像质量要求较高,因此通过数字微镜(DMD)阵列对该区域进行非压缩感知成像方式。同时为缩减观测时间,仍然采用分块编码方式,其分块数与选定区域所对应的探测器像元数一致。
步骤三:调整成像系统参数,对目标场景进行再次细致观测。
步骤四:只采集面阵探测器中所选定区域内的观测数据,将数据下传到地面站。
步骤五:由于采用非压缩观测方式,地面站接收到图像信息后,直接进行处理及显示,省去了图像恢复的算法迭代环节,节省了大量时间。获取的感兴趣目标区域高分图像如图6所示。
上述采用的非压缩感知成像方式,是指在每次观测时,数字微镜(DMD)阵列中只有1个偏转状态为“1”,其它均为“0”,这样一次观测采集到的为一个场景像素点的数据。依此方式完成该子分块内逐个像素点观测,再通过各分块的数据拼接,即可得到整个区域内的图像数据。
本领域内的技术人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。

Claims (10)

1.一种并行压缩感知成像系统的感兴趣目标提取方法,其特征在于,所述并行压缩感知成像系统的感兴趣目标提取方法包括步骤:
对目标场景进行概略观测;
根据概略观测结果选取感兴趣目标区域;
对所述感兴趣目标区域进行细致观测。
2.根据权利要求1所述的并行压缩感知成像系统的感兴趣目标提取方法,其特征在于,所述并行压缩感知成像系统的感兴趣目标提取方法还包括:在对目标场景进行概略观测后,对概略观测后的数据进行采集并将该数据下传到地面站,由地面站完成图像的算法恢复及显示。
3.根据权利要求1所述的并行压缩感知成像系统的感兴趣目标提取方法,其特征在于,所述并行压缩感知成像系统的感兴趣目标提取方法还包括:在对所述感兴趣目标区域进行细致观测后,对细致观测后的数据进行采集并将该数据下传到地面站,由地面站完成图像的数据整合及显示。
4.根据权利要求1所述的并行压缩感知成像系统的感兴趣目标提取方法,其特征在于,根据概略观测结果选取感兴趣目标区域,具体为:根据概略观测结果选择感兴趣的图像区域,并将所述图像区域的位置及尺寸信息反馈给并行压缩感知成像系统;所述并行压缩感知成像系统接收到所述图像区域的位置及尺寸信息后,重新调整并行压缩感知系统成像参数。
5.根据权利要求1所述的并行压缩感知成像系统的感兴趣目标提取方法,其特征在于,所述概略观测包括步骤:
选取与待成像目标特性相近的图像,作为目标场景先验模型建立的对象;
以所述图像为分析对象,选取并行分块数;
在所选并行分块数的条件下,计算不同观测压缩比时恢复图像的峰值信噪比;
设定恢复图像的阈值,选择高于该阈值的最小观测压缩比;
将上述选取的分块数和观测压缩比作为所述并行压缩感知成像系统概略观测阶段的成像参数。
6.根据权利要求5所述的并行压缩感知成像系统的感兴趣目标提取方法,其特征在于,所述选取并行分块数与所述并行压缩感知成像系统的探测器的像元规模相同。
7.根据权利要求6所述的并行压缩感知成像系统的感兴趣目标提取方法,其特征在于,所述探测器为面阵探测器。
8.根据权利要求5所述的并行压缩感知成像系统的感兴趣目标提取方法,其特征在于,所述对感兴趣目标区域进行细致观测包括:
根据选取的感兴趣目标区域的位置和尺寸,选择能够全覆盖所述感兴趣目标区域的最小数字微镜阵列区域和探测器区域;
驱动数字微镜阵列对所述感兴趣目标区域进行观测;
采集所述并行压缩感知成像系统的探测器中所述感兴趣目标区域的观测数据。
9.根据权利要求8所述的并行压缩感知成像系统的感兴趣目标提取方法,其特征在于,所述驱动数字微镜阵列对所述感兴趣目标区域进行观测具体为:所述驱动数字微镜阵列对所述感兴趣目标区域进行并行非压缩编码观测。
10.根据权利要求8所述的并行压缩感知成像系统的感兴趣目标提取方法,其特征在于,在驱动数字微镜阵列对所述感兴趣目标区域进行观测时,在每个分块内一次观测采集一个场景像素点的数据。
CN201810300894.4A 2018-04-04 2018-04-04 一种并行压缩感知成像系统的感兴趣目标提取方法 Active CN108537804B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810300894.4A CN108537804B (zh) 2018-04-04 2018-04-04 一种并行压缩感知成像系统的感兴趣目标提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810300894.4A CN108537804B (zh) 2018-04-04 2018-04-04 一种并行压缩感知成像系统的感兴趣目标提取方法

Publications (2)

Publication Number Publication Date
CN108537804A true CN108537804A (zh) 2018-09-14
CN108537804B CN108537804B (zh) 2022-02-22

Family

ID=63483219

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810300894.4A Active CN108537804B (zh) 2018-04-04 2018-04-04 一种并行压缩感知成像系统的感兴趣目标提取方法

Country Status (1)

Country Link
CN (1) CN108537804B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112268519A (zh) * 2020-09-27 2021-01-26 西北工业大学宁波研究院 基于dmd的光谱成像目标检测方法及系统
CN113365014A (zh) * 2021-05-11 2021-09-07 中国科学院国家空间科学中心 一种并行压缩感知gpu加速实时成像系统与方法
CN113992840A (zh) * 2021-09-15 2022-01-28 中国航天科工集团第二研究院 一种基于压缩感知的大视场高分辨成像方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2686696A1 (en) * 2011-03-17 2014-01-22 Koninklijke Philips N.V. Restriction of the imaging region for mri in an inhomogeneous magnetic field
CN103592026A (zh) * 2013-11-19 2014-02-19 中国科学院空间科学与应用研究中心 基于压缩感知和编码变换的时间飞行成像光谱系统及方法
CN104199029A (zh) * 2014-09-03 2014-12-10 西安电子科技大学 一种提高压缩感知雷达目标成像性能的测量矩阵设计方法
CN106162089A (zh) * 2016-07-26 2016-11-23 广东容祺智能科技有限公司 一种电力巡线图像自动识别分析系统及其分析方法
US9594139B2 (en) * 2014-03-28 2017-03-14 General Electric Company Systems and methods for magnetic resonance bone depiction
CN107248139A (zh) * 2016-08-15 2017-10-13 南京大学 基于显著视觉和dmd阵列分区控制的压缩感知成像方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2686696A1 (en) * 2011-03-17 2014-01-22 Koninklijke Philips N.V. Restriction of the imaging region for mri in an inhomogeneous magnetic field
CN103592026A (zh) * 2013-11-19 2014-02-19 中国科学院空间科学与应用研究中心 基于压缩感知和编码变换的时间飞行成像光谱系统及方法
US9594139B2 (en) * 2014-03-28 2017-03-14 General Electric Company Systems and methods for magnetic resonance bone depiction
CN104199029A (zh) * 2014-09-03 2014-12-10 西安电子科技大学 一种提高压缩感知雷达目标成像性能的测量矩阵设计方法
CN106162089A (zh) * 2016-07-26 2016-11-23 广东容祺智能科技有限公司 一种电力巡线图像自动识别分析系统及其分析方法
CN107248139A (zh) * 2016-08-15 2017-10-13 南京大学 基于显著视觉和dmd阵列分区控制的压缩感知成像方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DEANNA NEEDELL等: "An asynchronous parallel approach to sparse recovery", 《2017 INFORMATION THEORY AND APPLICATIONS WORKSHOP (ITA)》 *
张淑清等: "基于混合采样的压缩感知重构算法", 《计量学报》 *
黎胜亮: "压缩感知遥感视频成像理论与方法研究", 《中国博士学位论文全文数据库信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112268519A (zh) * 2020-09-27 2021-01-26 西北工业大学宁波研究院 基于dmd的光谱成像目标检测方法及系统
CN112268519B (zh) * 2020-09-27 2022-04-19 西北工业大学宁波研究院 基于dmd的光谱成像目标检测方法及系统
CN113365014A (zh) * 2021-05-11 2021-09-07 中国科学院国家空间科学中心 一种并行压缩感知gpu加速实时成像系统与方法
CN113992840A (zh) * 2021-09-15 2022-01-28 中国航天科工集团第二研究院 一种基于压缩感知的大视场高分辨成像方法及装置
CN113992840B (zh) * 2021-09-15 2023-06-23 中国航天科工集团第二研究院 一种基于压缩感知的大视场高分辨成像方法及装置

Also Published As

Publication number Publication date
CN108537804B (zh) 2022-02-22

Similar Documents

Publication Publication Date Title
CN108074218A (zh) 基于光场采集装置的图像超分辨率方法及装置
CN101685535B (zh) 图象处理方法
CN108537804A (zh) 一种并行压缩感知成像系统的感兴趣目标提取方法
CN109413407B (zh) 高空间分辨率光场采集装置与图像生成方法
TW201618545A (zh) 用於全視差光場壓縮之預處理器
CN104020430B (zh) 磁共振成像运动伪影的校正方法及系统
CN104156957B (zh) 一种稳定高效的高分辨率立体匹配方法
CN113223072B (zh) 一种脊柱Cobb角测量方法和系统
CN105678728A (zh) 分区域管理的高效超分辨率成像装置及方法
CN108288256A (zh) 一种多光谱马赛克图像复原方法
CN105225207B (zh) 一种基于观测矩阵的压缩感知成像及图像重建方法
CN104008543A (zh) 一种图像融合质量评价方法
CN108230223A (zh) 基于卷积神经网络的光场角度超分辨率方法及装置
CN107727238A (zh) 基于掩膜板调制的红外并行压缩成像系统及成像方法
CN113436130B (zh) 一种非结构光场智能感知系统与装置
CN111598962A (zh) 基于矩阵草图分析的单像素成像方法和装置
CN106530226A (zh) 获取高分辨率高清晰工业图像的实现方法
CN104217412B (zh) 一种机载超分辨率图像重建装置及重建方法
CN109889743A (zh) 一种高低增益联合存贮的夜光遥感相机大动态范围图像获取方法
CN103986936B (zh) 一种视频压缩采集系统及其采集方法
CN109785235A (zh) 基于压缩感知的红外行人图像超分辨率重建方法及系统
Sun et al. A two-stage spatiotemporal fusion method for remote sensing images
CN108053368B (zh) 跨尺度分辨率的光场图像超分辨率及深度估计方法及装置
CN110675427A (zh) 智能振动检测方法及相关产品
CN108844899A (zh) 一种并行压缩感知成像系统

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