CN110427951B - 一种基于非均匀采样策略的傅里叶单像素成像方法 - Google Patents
一种基于非均匀采样策略的傅里叶单像素成像方法 Download PDFInfo
- Publication number
- CN110427951B CN110427951B CN201910652291.5A CN201910652291A CN110427951B CN 110427951 B CN110427951 B CN 110427951B CN 201910652291 A CN201910652291 A CN 201910652291A CN 110427951 B CN110427951 B CN 110427951B
- Authority
- CN
- China
- Prior art keywords
- fourier
- image
- sampling
- reconstructing
- pixel 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Discrete Mathematics (AREA)
- Multimedia (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
Abstract
本发明公开的一种基于非均匀采样策略的傅里叶单像素成像方法,属于光电成像技术领域。本发明实现方法为:首先是初始化参数,并对采样次数进行分组;然后采样获取P1次后根据傅里叶系数重构图像;将重构的图像进行插值得到插值后的图像,对插值后的图像进行离散傅里叶变换得到一个数组,对变换后的数组进行降序排列,取前Pn个值作为待采样的系数;根据Pn个值所对应的傅里叶频谱元素位置生成对应的傅里叶投影图案,进行傅里叶单像素采样Pn次;然后根据P1~Pn重构得到待插值的图像,循环上述过程直到n=N后,最后根据P={P1,P2,…,PN}次采样的数据重构最终的图像。本发明能够将非均匀采样策略与单像素成像结合,有效提高单像素成像采样细节信息的性能。
Description
技术领域
本发明涉及一种单像素成像方法,尤其涉及一种基于非均匀采样策略的傅里叶单像素成像方法,属于光电成像技术领域。
背景技术
与传统的基于CCD、CMOS这样的阵列成像相比,单像素成像具有成本低、质量高、体积小等特点。目前单像素成像在二维和三维成像、生物医学工程、保密通信、遥感、显微成像和散射成像等领域得到了广泛的应用,具有探测灵敏度高、无透镜、抗湍流等优点。利用傅里叶基模式进行傅里叶单像素成像是傅里叶单像素成像(FSI)的代表。由于原图像在傅里叶域中是稀疏的,FSI可以采用欠采样测量的方式来重建高质量的图像。但在采样过程中如果只对低频系数进行采样,忽略了高频系数,就会只描述了目标的轮廓,忽略了细节的信息。
发明内容
为了解决现有单像素成像方法中均匀采样策略忽略细节信息的问题,本发明的目的是提供一种基于非均匀采样策略的傅里叶单像素成像方法,能够获得有效的傅里叶系数,提高单像素成像采样细节信息的性能。
本发明的目的是通过下述技术方案实现的。
本发明公开的一种基于非均匀采样策略的傅里叶单像素成像方法,首先是初始化参数,并对采样次数进行分组。然后采样获取P1次后根据傅里叶系数重构图像。将重构的图像进行插值得到插值后的图像,对插值后的图像进行离散傅里叶变换得到一个数组,对变换后的数组进行降序排列,取前Pn个值作为待采样的系数。根据Pn个值所对应的傅里叶频谱元素位置生成对应的傅里叶投影图案,进行傅里叶单像素采样Pn次。然后根据P1~Pn重构得到待插值的图像,循环上述过程直到n=N后,最后根据P={P1,P2,…,PN}次采样的数据重构最终的图像。本发明能够将非均匀采样策略与单像素成像结合,有效提高单像素成像采样细节信息的性能。
本发明公开的一种非均匀采样策略的傅里叶单像素成像方法,包括如下步骤:
步骤一、初始化采样参数,并对采样次数进行分组。
根据分组数N将采样的总次数P分为N组:P={P1,P2,…,PN}。
步骤二、进行P1次采样,然后根据采样的傅里叶系数重构图像,在每次重构完成后将n变为n+1。
进行P1次采样,然后根据采样的傅里叶系数重构图像,重构的计算公式如式(1)所示。
式(1)中In为I*J的矩阵,其中x=0,1,2,…,I-1和y=0,1,2,…,J-1,F(u,v)为In的傅里叶变换,其中u=0,1,2,…,I-1和v=0,1,2,…·,J-1。
在每次重构完成后将n变为n+1。
步骤三、将重构后的低分辨率图像In-1进行插值得到插值后的高分辨率图像en。
步骤四、对步骤三插值后的高分辨率图像en进行离散傅里叶变换得到一个数组En。变换公式如式(2)所示。
步骤五、对变换后的数组En中未采样的数值进行降序排列,取前Pn个值作为待采样的系数。
步骤六、根据Pn个值所对应的傅里叶频谱元素位置生成对应的傅里叶投影图案,进行傅里叶单像素采样Pn次。
步骤七、根据前P={P1,P2,…,Pn}次采样的数据重构得到图像In。重构完成后将n变为n+1。
步骤八、判断n是否大于N,当n不大于N时跳转至步骤三;当n大于N时,此时通过P={P1,P2,…,PN}次采样的数据重构图像,得到具有更多的细节信息的重构图像IN。
有益效果:
1、与传统均匀采样策略相比,本发明公开的一种基于非均匀采样策略的傅里叶单像素成像方法,首先是初始化参数,然后采样获取P1次后根据傅里叶系数重构图像;将重构的图像进行插值得到插值后的图像,对插值后的图像进行离散傅里叶变换得到一个数组,对变换后的数组进行降序排列,取前Pn个值作为待采样的系数。根据Pn个值所对应的傅里叶频谱元素位置生成对应的傅里叶投影图案,进行傅里叶单像素采样Pn次。然后根据P1~Pn重构得到待插值的图像,循环上述过程直到n=N后,最后根据P={P1,P2,…,PN}次采样的数据重构图像,得到具有更多的细节信息的重构图像IN。即本发明能够将非均匀采样策略与单像素成像结合,在相同的采样率下非均匀采样策略相比传统均匀采样策略能够获得更高的PSNR和SSIM,获得图像更多的细节信息。
2、与传统的基于CCD、CMOS这样的阵列成像相比,本发明公开的一种基于非均匀采样策略的傅里叶单像素成像方法,是单像素成像方法,具有成本低、质量高、体积小等优点。目前单像素成像在二维和三维成像、生物医学工程、保密通信、遥感、显微成像和散射成像等领域得到了广泛的应用,具有探测灵敏度高、无透镜、抗湍流等优点。
附图说明
图1基于非均匀采样策略的傅里叶单像素成像方法流程图;
图2基于非均匀采样策略的傅里叶单像素成像系统原理结构图;
图3传统圆形均匀采样策略的傅里叶单像素成像方法与基于非均匀采样策略的傅里叶单像素成像方法重建结果对比图。
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。
实施实例1
本实施例公开的一种基于非均匀采样策略的傅里叶单像素成像方法,方法流程图如图1所示,所应用系统结构如图2所示,具体实现步骤如下:
步骤一、初始化参数,即设置在0.1的采样率下的采样次数为3276、分组数为4、以及参数n为1。
待采样分辨率设为256*256。
根据分组数将3276次采样分为4组:P={512,1460,800,504}。
步骤二、进行512次采样,通过采样的傅里叶系数重构生成分辨率为32*32的图像I1,重构的计算公式如式(3)所示。
式(3)中In为I*J的矩阵,其中x=0,1,2,…,I-1和y=0,1,2,…,J-1,F(u,v)为In的傅里叶变换,其中u=0,1,2,…,I-1和v=0,1,2,…·,J-1。
在重构完成后将n变为2。
步骤三、采用图像插值法对图像I1进行插值得到分辨率为64*64的图像e2。
步骤四、对插值得到的e2进行离散傅里叶变换为E2,变换公式如式(4)所示。
步骤五、将变换后E2中之前未采样的数值降序排列,取前1460个值作为待采样的系数。
步骤六、根据1460个值所对应的傅里叶频谱元素位置生成对应的傅里叶投影图案,上位机控制激光器出射激光,空间光调制器上显示生成的傅里叶投影图案,经过发射光学系统照射至目标上,经目标的散射光和反射光经接收光学系统后会聚在点探测器上,点探测器将光信号转换为电信号,经过采集卡的采集后,采集结果输回上位机中。通过以上过程进行傅里叶单像素采样1460次。
步骤七、根据前P={512,1460}次即1972次采样的数据重构得到图像I2。
重构完成后将2变为3。
步骤八、判断n是否大于4,当n不大于4时跳转至步骤三;当n大于4时,此时通过P={512,1460,800,504}次采样重构的图像I4就是最终的重构图像。
利用峰值信噪比(PSNR,Peak Signal to Noise Ratio)和结构相似性(SSIM,Structural Similarity Index)对图像质量进行评价。
通过公式(5)计算峰值信噪比:
其中,MAXI表示图像中灰度的最大值,此处采用8位灰度计算,即此处为255,(m,n)表示图像中像素的位置。
通过公式(6)计算结构相似性:
其中μx是x的平均值,μy是y的平均值,σx是x的方差,σy是y的方差,σxy是x和y的协方差。c1=(k1L)2,c2=(k2L)2是用来维持稳定的常数。L是像素值的动态范围。k1=0.01,k2=0.03。
结构相似性的范围为0~1,当两张图像一模一样时,SSIM的值等于1。
其中,图3(a)为基于传统圆形均匀采样策略的傅里叶单像素成像方法重建的结果,图3(b)为基于非均匀采样策略的傅里叶单像素成像方法同样采样次数下重建的结果。通过对比能够发现,从图像评价指标峰值信噪比指标和结构相似性指标来看,基于非均匀采样策略的傅里叶单像素成像方法重建结果优于传统圆形均匀采样策略的傅里叶单像素成像方法重建结果。因此基于非均匀采样策略的傅里叶单像素成像方法能够在同样采样次数的情况下相比传统采样策略获得更多的细节信息,提高成像质量。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不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,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种非均匀采样策略的傅里叶单像素成像方法,其特征在于:包括如下步骤,
步骤一、初始化采样参数,并对采样次数进行分组,分组数N;
步骤二、进行P1次采样,然后根据采样的傅里叶系数重构图像,在每次重构完成后将n变为n+1;
步骤三、将重构后的低分辨率图像In-1进行插值得到插值后的高分辨率图像en;
步骤四、对步骤三插值后的高分辨率图像en进行离散傅里叶变换得到一个数组En;
步骤五、对变换后的数组En中未采样的数值进行降序排列,取前Pn个值作为待采样的系数;
步骤六、根据Pn个值所对应的傅里叶频谱元素位置生成对应的傅里叶投影图案,进行傅里叶单像素采样Pn次;
步骤七、根据前P={P1,P2,…,Pn}次采样的数据重构得到图像In,重构完成后将n变为n+1;
步骤八、判断n是否大于N,当n不大于N时跳转至步骤三;当n大于N时,此时通过P={P1,P2,…,PN}次采样的数据重构图像,得到具有更多的细节信息的重构图像IN。
2.如权利要求1所述的一种非均匀采样策略的傅里叶单像素成像方法,其特征在于:步骤一实现方法为,
根据分组数N将采样的总次数P分为N组:P={P1,P2,…,PN}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910652291.5A CN110427951B (zh) | 2019-07-18 | 2019-07-18 | 一种基于非均匀采样策略的傅里叶单像素成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910652291.5A CN110427951B (zh) | 2019-07-18 | 2019-07-18 | 一种基于非均匀采样策略的傅里叶单像素成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110427951A CN110427951A (zh) | 2019-11-08 |
CN110427951B true CN110427951B (zh) | 2021-09-28 |
Family
ID=68410016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910652291.5A Active CN110427951B (zh) | 2019-07-18 | 2019-07-18 | 一种基于非均匀采样策略的傅里叶单像素成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427951B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111968032B (zh) * | 2020-07-23 | 2022-09-09 | 太原理工大学 | 一种自适应采样的单像素成像方法 |
CN112801082B (zh) * | 2021-01-22 | 2024-01-12 | 北京百度网讯科技有限公司 | 图像的采样方法、装置及电子设备 |
CN113114882B (zh) * | 2021-03-26 | 2023-01-06 | 暨南大学 | 一种高采样效率的傅里叶单像素成像方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103105610A (zh) * | 2013-01-18 | 2013-05-15 | 北京理工大学 | 基于非均匀采样的dpc-mab sar成像方法 |
CN108181625A (zh) * | 2018-01-30 | 2018-06-19 | 电子科技大学 | 一种基于非均匀频谱估计的钻孔雷达成像方法 |
CN108648147A (zh) * | 2018-05-08 | 2018-10-12 | 北京理工大学 | 一种人眼视网膜机理的超分辨率图像获取方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106646512B (zh) * | 2016-12-29 | 2019-01-08 | 北京理工大学 | 一种基于仿生视觉机理的鬼成像方法及系统 |
CN108259865A (zh) * | 2018-03-09 | 2018-07-06 | 暨南大学 | 一种基于单像素探测器的彩色成像方法和系统 |
CN108564090B (zh) * | 2018-03-30 | 2021-07-09 | 中国科学院合肥物质科学研究院 | 一种基于信号加权的快速傅里叶单像素成像方法 |
-
2019
- 2019-07-18 CN CN201910652291.5A patent/CN110427951B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103105610A (zh) * | 2013-01-18 | 2013-05-15 | 北京理工大学 | 基于非均匀采样的dpc-mab sar成像方法 |
CN108181625A (zh) * | 2018-01-30 | 2018-06-19 | 电子科技大学 | 一种基于非均匀频谱估计的钻孔雷达成像方法 |
CN108648147A (zh) * | 2018-05-08 | 2018-10-12 | 北京理工大学 | 一种人眼视网膜机理的超分辨率图像获取方法及系统 |
Non-Patent Citations (1)
Title |
---|
Single Pixel Camera with Compressive Sensing by Non-Uniform Sampling;Mihai-Alexandru Petrovici1 等;《IEEE》;20161231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110427951A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427951B (zh) | 一种基于非均匀采样策略的傅里叶单像素成像方法 | |
Sun et al. | Coil: Coordinate-based internal learning for tomographic imaging | |
CN111709895A (zh) | 基于注意力机制的图像盲去模糊方法及系统 | |
CN111598778B (zh) | 一种绝缘子图像超分辨率重建方法 | |
CN107306333B (zh) | 一种高速单像素成像方法 | |
CN110675326B (zh) | 基于U-Net网络的计算鬼成像重建恢复的方法 | |
CN113688941B (zh) | 基于生成对抗网络的小样本声呐图像分类识别优化方法 | |
CN113962858B (zh) | 一种多视角深度获取方法 | |
CN110111271B (zh) | 一种基于侧抑制网络的单像素成像方法 | |
CN109146787B (zh) | 一种基于插值的双相机光谱成像系统的实时重建方法 | |
CN109447930B (zh) | 小波域光场全聚焦图像生成算法 | |
CN112102173B (zh) | 光场图像角度超分辨率重建方法 | |
CN110097634B (zh) | 一种自适应多尺度的三维鬼成像方法 | |
CN113763271A (zh) | 一种基于物理噪声模型的高质量光谱去噪方法 | |
CN111932452B (zh) | 基于可见光图像增强的红外图像卷积神经网络超分辨方法 | |
CN112712467A (zh) | 基于计算机视觉与色彩滤波阵列的图像处理方法 | |
CN110751700A (zh) | 用于单像素成像的采样和重建集成深度学习网络及其训练方法 | |
CN115880158A (zh) | 一种基于变分自编码的盲图像超分辨率重建方法及系统 | |
CN111008930B (zh) | 一种织物图像超分辨率重建方法 | |
CN114612305B (zh) | 一种基于立体图建模的事件驱动视频超分辨率方法 | |
CN110926611A (zh) | 一种应用于压缩感知光谱成像系统的噪声抑制方法 | |
CN113674154B (zh) | 一种基于生成对抗网络的单幅图像超分辨率重建方法及系统 | |
CN113240610B (zh) | 一种基于仿人眼机制的双通道鬼成像重建方法及系统 | |
CN112967370B (zh) | 三维光场重建方法、装置及存储介质 | |
CN114742907A (zh) | 图像增强方法、装置、电子设备和计算机可读存储介质 |
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 |