CN110471082A - 单像素激光计算成像装置及方法 - Google Patents
单像素激光计算成像装置及方法 Download PDFInfo
- Publication number
- CN110471082A CN110471082A CN201910742959.5A CN201910742959A CN110471082A CN 110471082 A CN110471082 A CN 110471082A CN 201910742959 A CN201910742959 A CN 201910742959A CN 110471082 A CN110471082 A CN 110471082A
- Authority
- CN
- China
- Prior art keywords
- target scene
- matrix
- imaging
- dmd
- single pixel
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mechanical Light Control Or Optical Switches (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种单像素激光计算成像装置，包括主动照明模块，用于对待成像的目标场景进行照明；第一成像镜组，对经过目标场景反射的照明信息汇聚成像；DMD调制模块，产生多次编码的高斯随机编码模板矩阵，并根据所述高斯随机编码模板矩阵对目标场景信息进行随机编码调制获得编码后的目标场景信号；第二成像镜组，对所述编码后的目标场景信号进行畸变校正和二次成像；数据采集模块，对编码后的目标场景信号进行采集和转换获得两个反射方向上的目标场景信息的总强度值；高分辨率计算成像模块：对目标场景信息的总强度值进行压缩感知重构运算获得高分辨率图像；还公开了一种单像素激光计算成像方法。
Description
技术领域
本发明属于激光成像技术领域，具体涉及一种单像素激光计算成像装置及方法。
背景技术
激光成像作为一种主动探测方式，通过主动照明目标，接收端接收目标反射的光信号并通过后期信号处理获得目标的轮廓、距离等信息。相比于微波探测、红外成像等技术，激光成像具有抗干扰能力强、探测精度高、灵敏度高和体积重量小等优点；无机械扫描装置的激光成像具有成像速度快、高帧频、分辨率高等优点，同时可克服扫描式体积大，质量重，可靠性差等缺点，因此，在林业监测、数字城市、地形测绘、洪水制图、管线设计和维护和着陆导航等领域具有广泛应用前景。
激光成像的优点也得益于增益大、灵敏度高的单光子探测器，但是由于制造工艺的限制，现有单光子器件的分辨率较低，导致激光成像的空间分辨率低于传统光学成像，无法满足现实应用中对成像分辨率的要求。随着压缩感知理论的发展与应用、空间光调制器与数字微镜阵列(DMD)等器件的出现，计算成像方式层出不穷，因此，将计算方法和激光成像技术结合，以可行的技术途径和较低成本，通过计算成像提高成像系统的最终分辨率已成为目前激光成像的热门研究方向。
发明内容
有鉴于此，本发明的主要目的在于提供一种单像素激光计算成像装置及方法。
为达到上述目的，本发明的技术方案是这样实现的：
本发明实施例提供一种单像素激光计算成像装置，包括主动照明模块、第一成像镜组、DMD调制模块、第二成像镜组、数据采集模块、高分辨率计算成像模块；
所述主动照明模块，用于对待成像的目标场景进行照明；
所述第一成像镜组，用于对经过目标场景反射的照明信息汇聚成像，使其像面和DMD调制模块中DMD的靶面重合；
所述DMD调制模块，用于产生多次编码的高斯随机编码模板矩阵，并根据所述高斯随机编码模板矩阵对目标场景信息进行随机编码调制获得编码后的目标场景信号；
所述第二成像镜组，用于对所述编码后的目标场景信号进行畸变校正和二次成像，使其像面和数据采集模块的光敏区域重合；
所述数据采集模块，用于对编码后的目标场景信号进行采集和转换获得两个反射方向上的目标场景信息的总强度值；
所述高分辨率计算成像模块：用于根据计算编码成像的重构原理对数据采集模块获取的目标场景信息的总强度值进行压缩感知重构运算获得高分辨率图像。
上述方案中，所述主动照明模块包括激光器和准直扩束镜组；
所述激光器，用于对待成像的目标场景进行照射；
所述准直扩束镜组，用于对激光器出射的光束整形进行准直和扩束后照射到待成像的目标场景。
上述方案中，所述DMD调制模块包括矩阵生成模板和DMD；
所述阵生成模板，用于通过预先生成多次测量加载的高斯随机编码模板矩阵，矩阵元素的取值为“0”和“1”，且服从高斯随机分布；
所述DMD，用于根据生成的高斯随机编码模板矩阵控制微反射镜的翻转角度，其中，“0”表示微反射镜翻转-12°，“1”表示微反射镜翻转+12°，所有微镜状态与观测矩阵的元素对应，调制后的目标场景信息存在两个不同的反射方向，并且两个反射方向的矩阵元素为互补关系。
上述方案中，所述数据采集模块包括两个单像素探测器和硬件同步电路；
所述单像素探测器，用于分别采集每次编码调制后两个不同反射方向上的目标编码信息的总强度值；
所述硬件同步电路，用于在DMD完成每次翻转后向单像素探测器发送同步脉冲，控制两个单像探测器进行同步数据采集，所述DMD每翻转M1次即进行2M1次同步数据采集。
本发明实施例还提供一种单像素激光计算成像方法，该方法为：
根据高斯随机编码模板矩阵对目标场景反射的信息进行随机编码调制获得编码后的目标场景信号；
分别采集和转换所述编码后的目标场景信号从两个反射方向上的目标场景信息的总强度值；
根据计算编码成像的重构原理对目标编码信息的总强度值进行压缩感知重构运算，获得目标场景的高分辨率图像。
上述方案中，所述根据高斯随机编码模板矩阵对目标场景反射的信息进行随机编码调制获得编码后的目标场景信号，具体为：加载高斯随机编码模板矩阵，通过改变微镜翻转状态使目标场景信息随机进行反射；所述高斯随机编码模板矩阵的矩阵元素的取值为0或1，且服从独立正态分布。
上述方案中，所述通过改变微镜翻转状态使目标场景信息随机进行反射，具体为：反射的目标场景信息经过第一成像镜组照射到由N个微镜结构组成的DMD靶面，获得一个N维信号X，通过采样测量矩阵Φ进行压缩观测获得最终的观测测量值并传输存储至高分辨率计算成像模块；采样测量矩阵Φ＝(Φ1Φ2···ΦM)T，Φ为二进制矩阵，Φi(i＝1,2,···M)与DMD的镜片翻转状态对应，将获得最终的观测测量值并传输存储至高分辨率计算成像模块。
上述方案中，所述通过采样测量矩阵Φ进行压缩观测获得最终的观测测量值，具体为：观测测量值的获得可表示为：Y＝ΦX；式中，Y是一个由N维原始信号X通过压缩观测得到的M维观测信号Y，Φ是二进制的M×N维观测矩阵。
上述方案中，还包括对所述原始信号X进行稀疏变换并且重构原始信号X，具体为，
将稀疏表示为：X＝Ψθ；式中，θ是原始信号X在基Ψ下进行稀疏表示的稀疏系数，Ψ为Q×Q维稀疏变换矩阵；
将Y＝ΦX重新表示为：Y＝X＝ΦΨθ＝Θθ；式中，Θ为P×Q维矩阵，求解该式的逆问题求解稀疏系数θ，此过程表示为：min||θ||1 s.t.Y＝Θθ；
对原始稀疏系数θ的凸优化求解：式中，第一项为模型与测量数据之间差值的l2范数最小化，第二项为重构系数的l1范数，表示其稀疏性，参数γ>0为调节因子；
通过压缩感知重构算法求解获得最优化解根据获得的重构得到原始信号X表示为：
与现有技术相比，本发明结构紧凑简单，无需机械扫描部件；通过采集两路编码信息增加压缩采样数，减少采样时间，加快了成像速度；通过低成本的单元探测器进行压缩采样，重构出高分辨率图像，实现面阵探测器成像的效果。
附图说明
图1为本发明实施例提供一种单像素激光计算成像装置的结构示意图；
图2为本本发明实施例提供一种单像素激光计算成像装置中DMD加载一个的高斯随机编码模板矩阵的示意图；
图3为本发明实施例提供一种单像素激光计算成像方法的流程图；
图4为通过本发明实施例提供一种单像素激光计算成像方法获得的高分辨率激光图像。
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仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种单像素激光计算成像装置，如图1所示，包括主动照明模块、第一成像镜组、DMD调制模块、第二成像镜组、数据采集模块、高分辨率计算成像模块；
所述主动照明模块用于对待成像的目标场景进行照明；
所述第一成像镜组用于对经过目标场景反射的照明信息汇聚成像，使其像面和DMD调制模块中DMD的靶面重合；
所述DMD调制模块用于产生多次编码的高斯随机编码模板矩阵，并根据所述高斯随机编码模板矩阵对目标场景信息进行随机编码调制获得编码后的目标场景信号；
所述第二成像镜组用于对所述编码后的目标场景信号进行畸变校正和二次成像，使其像面和数据采集模块的光敏区域重合；
所述数据采集模块用于对编码后的目标场景信号进行采集和转换获得两个反射方向上的目标场景信息；
所述高分辨率计算成像模块用于根据计算编码成像的重构原理对数据采集模块获取的目标场景信息进行压缩感知重构运算获得高分辨率图像。
具体地，所述主动照明模块包括激光器和准直扩束镜组；
所述激光器用于对待成像的目标场景进行照射；
所述准直扩束镜组用于对激光器出射的光束整形进行准直和扩束后照射到待成像的目标场景。
所述准直扩束镜组用于对激光器出射的光束整形以提高光束质量，通过对其进行准直和扩束增大照明面积、增加照明均匀程度；激光光束到达目标场景之后发生反射，反射的目标尝尽信息通过光学系统的第一成像镜组进行汇聚成像，使其像面和DMD的靶面重合。
所述DMD调制模块包括矩阵生成模板和DMD；
所述阵生成模板用于通过预先生成多次测量加载的高斯随机编码模板矩阵，矩阵元素的取值为“0”和“1”，且服从高斯随机分布，高斯随机编码模板矩阵具有大概率满足受限等距性质(RIP)的特点。；
所述DMD用于根据生成的高斯随机编码模板矩阵控制微反射镜的翻转角度，其中，“0”表示微反射镜翻转-12°，“1”表示微反射镜翻转+12°，所有微镜状态与观测矩阵的元素对应，调制后的目标场景信息存在两个不同的反射方向，并且两个反射方向的矩阵元素为互补关系，即方向1的矩阵中的元素“0”与方向2中的元素“1”相对应，方向1的矩阵中的元素“1”与方向2中的元素“0”相对应。
如图2所示，提前生成若干组分辨率为128×96的高斯随机编码模板矩阵，矩阵元素的取值“0”和“1”，且服从高斯随机分布。由于DMD的分辨率为1024×768，因此使DMD的8×8个像素组成“超级像素”作为编码模板的一个像素，矩阵的“0”元素表示微反射镜翻转-12°，“1”元素表示微反射镜翻转+12°，通过DMD控制板改变微反射镜的翻转状态对系统接收的信号光信息进行编码，实现对目标场景调制。
所述数据采集模块包括两个单像素探测器和硬件同步电路；
所述单像素探测器用于分别采集每次编码调制后两个不同反射方向上的目标编码信息的总强度值；
所述硬件同步电路用于在DMD完成每次翻转后向单像素探测器发送同步脉冲，控制两个单像探测器进行同步数据采集，所述DMD每翻转M1次即进行2M1次同步数据采集。
本发明实施例还提供一种单像素激光计算成像方法，该方法为：
步骤1：根据高斯随机编码模板矩阵对目标场景反射的信息进行随机编码调制获得编码后的目标场景信号；
具体地，反射的目标信息经过第一成像镜组汇聚到由N个微镜结构组成的DMD靶面，DMD加载高斯随机编码模板矩阵，通过改变微镜翻转状态，使目标场景信息随机进行反射，完成对目标场景的编码调制，得到一个N维信号X，通过高斯随机编码模板矩阵Φ进行压缩观测，高斯随机编码模板矩阵Φ＝(Φ1Φ2···ΦM)T，Φ为二进制矩阵，Φi(i＝1,2,···M)与DMD微镜的翻转状态对应。
如图2所示，提前生成若干组分辨率为128×96的高斯随机编码模板矩阵，矩阵元素的取值“0”和“1”，且服从高斯随机分布。由于DMD的分辨率为1024×768，因此使DMD的8×8个像素组成“超级像素”作为编码模板的一个像素，矩阵的“0”元素表示微反射镜翻转-12°，“1”元素表示微反射镜翻转+12°，通过DMD控制板改变微反射镜的翻转状态对系统接收的信号光信息进行编码，实现对目标场景调制。
步骤2：分别采集和转换所述编码后的目标场景信号从两个反射方向上的目标场景信息的总强度值；
具体地，第二成像镜组用于对经过DMD编码调制的目标场景信息进行畸变校正和二次成像，使其像面和后端数据采集模块的光敏区域重合；
分别采集每次编码调制后两个不同反射方向上的目标编码信息的总强度值；在DMD完成每次翻转后向单像素探测器发送同步脉冲，控制两个单像探测器进行同步数据采集，DMD翻转M1次即获得2M1次数据采集。
所述数据采集模块的单像素探测器每次采集图像都获取一个强度值，多次采集的总强度值即为观测值。
如图3所示，3a)观测值获取：
数据采集模块获取的观测测量值的可表示为：
Y＝ΦX
式中，Y是一个由N维原始信号X通过压缩观测得到的M维观测信号Y，Φ是二进制的M×N维观测矩阵，通过控制DMD全帧翻转M1次，硬件同步电路控制数据采集模块的两个单像素探测器共采集M＝2M1数据，通过M次观测获得测量值Y；
3b)信号的稀疏表示：
为确保高分辨率图像的精确反演，对原始信号X进行稀疏变换，使其满足压缩感知理论的前提条件，将其稀疏表示为：
X＝Ψθ
式中，θ是原始信号X在稀疏基Ψ下的稀疏系数，Ψ为Q×Q维稀疏变换矩阵；于是，将Y＝ΦX重新表示为：
Y＝ΦX＝ΦΨθ＝Θθ
式中，Θ为P×Q维传感矩阵。
3c)稀疏系数求解：
能够通过求解上式的逆问题求解稀疏系数θ，此过程可以表示为：
min||θ||1 s.t.Y＝Θθ
考虑误差项和稀疏基后，将上式等价于对原始稀疏系数θ的凸优化求解：
式中，第一项为模型与测量数据之间差值的l2范数最小化，第二项为重构系数的l1范数，表示其稀疏性，参数γ>0为调节因子。通过压缩感知重构算法如两步迭代收缩TWIST算法求解上式的最优化解并由此反演得到原始目标场景X的高分辨率图像，重构得到原始信号X表示为：
步骤3：根据计算编码成像的重构原理对目标编码信息的总强度值进行压缩感知重构运算，获得目标场景的高分辨率图像。
具体地，如图4，通过连续加载4000组随机编码模板，采样率为32.55％时，完成对目标场景的压缩采样，利用压缩感知重构算法TWIST重构得到的高分辨率图像。
以上所述，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。
Claims (9)
1.一种单像素激光计算成像装置，其特征在于，包括主动照明模块、第一成像镜组、DMD调制模块、第二成像镜组、数据采集模块、高分辨率计算成像模块；
所述主动照明模块，用于对待成像的目标场景进行照明；
所述第一成像镜组，用于对经过目标场景反射的照明信息汇聚成像，使其像面和DMD调制模块中DMD的靶面重合；
所述DMD调制模块，用于产生多次编码的高斯随机编码模板矩阵，并根据所述高斯随机编码模板矩阵对目标场景信息进行随机编码调制获得编码后的目标场景信号；
所述第二成像镜组，用于对所述编码后的目标场景信号进行畸变校正和二次成像，使其像面和数据采集模块的光敏区域重合；
所述数据采集模块，用于对编码后的目标场景信号进行采集和转换获得两个反射方向上的目标场景信息的总强度值；
所述高分辨率计算成像模块：用于根据计算编码成像的重构原理对数据采集模块获取的目标场景信息的总强度值进行压缩感知重构运算获得高分辨率图像。
2.根据权利要求1所述的单像素激光计算成像装置，其特征在于，所述主动照明模块包括激光器和准直扩束镜组；
所述激光器，用于对待成像的目标场景进行照射；
所述准直扩束镜组，用于对激光器出射的光束整形进行准直和扩束后照射到待成像的目标场景。
3.根据权利要求1或2所述的单像素激光计算成像装置，其特征在于，所述DMD调制模块包括矩阵生成模板和DMD；
所述阵生成模板，用于通过预先生成多次测量加载的高斯随机编码模板矩阵，矩阵元素的取值为“0”和“1”，且服从高斯随机分布；
所述DMD，用于根据生成的高斯随机编码模板矩阵控制微反射镜的翻转角度，其中，“0”表示微反射镜翻转-12°，“1”表示微反射镜翻转+12°，所有微镜状态与观测矩阵的元素对应，调制后的目标场景信息存在两个不同的反射方向，并且两个反射方向的矩阵元素为互补关系。
4.根据权利要求3所述的单像素激光计算成像装置，其特征在于，所述数据采集模块包括两个单像素探测器和硬件同步电路；
所述单像素探测器，用于分别采集每次编码调制后两个不同反射方向上的目标编码信息的总强度值；
所述硬件同步电路，用于在DMD完成每次翻转后向单像素探测器发送同步脉冲，控制两个单像探测器进行同步数据采集，所述DMD每翻转M1次即进行2M1次同步数据采集。
5.一种单像素激光计算成像方法，其特征在于，该方法为：
根据高斯随机编码模板矩阵对目标场景反射的信息进行随机编码调制获得编码后的目标场景信号；
分别采集和转换所述编码后的目标场景信号从两个反射方向上的目标场景信息的总强度值；
根据计算编码成像的重构原理对目标编码信息的总强度值进行压缩感知重构运算，获得目标场景的高分辨率图像。
6.根据权利要求5所述的单像素激光计算成像方法，其特征在于，所述根据高斯随机编码模板矩阵对目标场景反射的信息进行随机编码调制获得编码后的目标场景信号，具体为：加载高斯随机编码模板矩阵，通过改变微镜翻转状态使目标场景信息随机进行反射；所述高斯随机编码模板矩阵的矩阵元素的取值为0或1，且服从独立正态分布。
7.根据权利要求6所述的单像素激光计算成像方法，其特征在于，所述通过改变微镜翻转状态使目标场景信息随机进行反射，具体为：反射的目标场景信息经过第一成像镜组照射到由N个微镜结构组成的DMD靶面，获得一个N维信号X，通过采样测量矩阵Φ进行压缩观测获得最终的观测测量值并传输存储至高分辨率计算成像模块；采样测量矩阵Φ＝(Φ1Φ2 … ΦM)T，Φ为二进制矩阵，Φi(i＝1,2,…M)与DMD的镜片翻转状态对应，将获得最终的观测测量值并传输存储至高分辨率计算成像模块。
8.根据权利要求7所述的单像素激光计算成像方法，其特征在于，所述通过采样测量矩阵Φ进行压缩观测获得最终的观测测量值，具体为：观测测量值的获得可表示为：Y＝ΦX；式中，Y是一个由N维原始信号X通过压缩观测得到的M维观测信号Y，Φ是二进制的M×N维观测矩阵。
9.根据权利要求8所述的单像素激光计算成像方法，其特征在于，还包括对所述原始信号X进行稀疏变换并且重构原始信号X，具体为，
将稀疏表示为：X＝Ψθ；式中，θ是原始信号X在基Ψ下进行稀疏表示的稀疏系数，Ψ为Q×Q维稀疏变换矩阵；
将Y＝ΦX重新表示为：Y＝X＝ΦΨθ＝Θθ；式中，Θ为P×Q维矩阵，求解该式的逆问题求解稀疏系数θ，此过程表示为：min||θ||1s.t.Y＝Θθ；
对原始稀疏系数θ的凸优化求解：式中，第一项为模型与测量数据之间差值的l2范数最小化，第二项为重构系数的l1范数，表示其稀疏性，参数γ>0为调节因子；
通过压缩感知重构算法求解获得最优化解根据获得的重构得到原始信号X表示为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910742959.5A CN110471082B (zh) | 2019-08-13 | 2019-08-13 | 单像素激光计算成像装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910742959.5A CN110471082B (zh) | 2019-08-13 | 2019-08-13 | 单像素激光计算成像装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110471082A true CN110471082A (zh) | 2019-11-19 |
| CN110471082B CN110471082B (zh) | 2022-01-07 |
Family
ID=68510579
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910742959.5A Active CN110471082B (zh) | 2019-08-13 | 2019-08-13 | 单像素激光计算成像装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110471082B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110823990A (zh) * | 2019-11-20 | 2020-02-21 | 清华大学 | 一种单像素质谱成像方法和系统 |
| CN110967823A (zh) * | 2019-12-16 | 2020-04-07 | 北京仿真中心 | 数字微镜阵列dmd扩束装置 |
| CN111443358A (zh) * | 2020-03-12 | 2020-07-24 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 单点探测成像系统 |
| CN114859377A (zh) * | 2022-04-22 | 2022-08-05 | 中国科学院合肥物质科学研究院 | 一种运动目标实时捕获单像素成像方法及设备 |
| WO2023029344A1 (zh) * | 2021-09-06 | 2023-03-09 | 中国科学院合肥物质科学研究院 | 一种互补单像素质心探测系统及方法 |
| CN116609794A (zh) * | 2023-07-21 | 2023-08-18 | 中国人民解放军国防科技大学 | 基于径向切比雪夫光场的单像素成像方法、装置及设备 |
| CN116883625A (zh) * | 2023-06-09 | 2023-10-13 | 江苏泽景汽车电子股份有限公司 | 一种图像展示方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103925997A (zh) * | 2014-04-09 | 2014-07-16 | 辽宁大学 | 编码模板多目标超分辨率主动成像系统及方法 |
| CN104154999A (zh) * | 2014-08-15 | 2014-11-19 | 中国科学院上海技术物理研究所 | 一种基于压缩感知的计算多光谱成像系统 |
| CN105223582A (zh) * | 2015-09-01 | 2016-01-06 | 西安交通大学 | 一种基于压缩感知的激光雷达成像装置及成像方法 |
| CN106066481A (zh) * | 2016-05-24 | 2016-11-02 | 西安深穹光电科技有限公司 | 一种基于dmd的四维激光雷达成像装置及方法 |
-
2019
- 2019-08-13 CN CN201910742959.5A patent/CN110471082B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103925997A (zh) * | 2014-04-09 | 2014-07-16 | 辽宁大学 | 编码模板多目标超分辨率主动成像系统及方法 |
| CN104154999A (zh) * | 2014-08-15 | 2014-11-19 | 中国科学院上海技术物理研究所 | 一种基于压缩感知的计算多光谱成像系统 |
| CN105223582A (zh) * | 2015-09-01 | 2016-01-06 | 西安交通大学 | 一种基于压缩感知的激光雷达成像装置及成像方法 |
| CN106066481A (zh) * | 2016-05-24 | 2016-11-02 | 西安深穹光电科技有限公司 | 一种基于dmd的四维激光雷达成像装置及方法 |
Non-Patent Citations (2)
| Title |
|---|
| YAN LIU ET AL.: "Laser Illumination Compressed Sensing Imaging Based on Deep Learning", 《ANNUAL CONFERENCE OF CHINESE-SOCIETY-OF-OPTICAL-ENGINEERING (CSOE)-AI IN OPTICS AND PHOTONICS (AOPC)》 * |
| 马彦鹏: "基于压缩感知的计算成像技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110823990A (zh) * | 2019-11-20 | 2020-02-21 | 清华大学 | 一种单像素质谱成像方法和系统 |
| CN110823990B (zh) * | 2019-11-20 | 2020-12-11 | 清华大学 | 一种单像素质谱成像方法和系统 |
| CN110967823A (zh) * | 2019-12-16 | 2020-04-07 | 北京仿真中心 | 数字微镜阵列dmd扩束装置 |
| CN110967823B (zh) * | 2019-12-16 | 2022-03-04 | 北京仿真中心 | 数字微镜阵列dmd扩束装置 |
| CN111443358A (zh) * | 2020-03-12 | 2020-07-24 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 单点探测成像系统 |
| CN111443358B (zh) * | 2020-03-12 | 2022-06-03 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 单点探测成像系统 |
| WO2023029344A1 (zh) * | 2021-09-06 | 2023-03-09 | 中国科学院合肥物质科学研究院 | 一种互补单像素质心探测系统及方法 |
| CN114859377A (zh) * | 2022-04-22 | 2022-08-05 | 中国科学院合肥物质科学研究院 | 一种运动目标实时捕获单像素成像方法及设备 |
| CN116883625A (zh) * | 2023-06-09 | 2023-10-13 | 江苏泽景汽车电子股份有限公司 | 一种图像展示方法、装置、电子设备及存储介质 |
| CN116883625B (zh) * | 2023-06-09 | 2024-03-22 | 江苏泽景汽车电子股份有限公司 | 一种图像展示方法、装置、电子设备及存储介质 |
| CN116609794A (zh) * | 2023-07-21 | 2023-08-18 | 中国人民解放军国防科技大学 | 基于径向切比雪夫光场的单像素成像方法、装置及设备 |
| CN116609794B (zh) * | 2023-07-21 | 2023-09-26 | 中国人民解放军国防科技大学 | 基于径向切比雪夫光场的单像素成像方法、装置及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110471082B (zh) | 2022-01-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110471082A (zh) | 单像素激光计算成像装置及方法 | |
| US11906286B2 (en) | Deep learning-based temporal phase unwrapping method for fringe projection profilometry | |
| CN110425986B (zh) | 基于单像素传感器的三维计算成像方法及装置 | |
| Radwell et al. | Deep learning optimized single-pixel LiDAR | |
| JP5882264B2 (ja) | 三次元ビデオスキャナ | |
| CN111047681B (zh) | 基于深度学习的单像素三维端到端重建方法及装置 | |
| CN103472456B (zh) | 一种基于稀疏孔径压缩计算关联的主动成像系统及方法 | |
| CN107306333B (zh) | 一种高速单像素成像方法 | |
| CN107817641B (zh) | 基于多模光纤的单像素相机系统 | |
| CN107451956B (zh) | 一种编码孔径光谱成像系统的重构方法 | |
| CN103234479B (zh) | 基于压缩感知脉冲编码调制的三维信息获取装置和方法 | |
| CN104992424B (zh) | 一种基于离散余弦变换的单像素快速主动成像系统 | |
| CN107024850B (zh) | 高速结构光三维成像系统 | |
| CN102353449A (zh) | 一种极弱光多光谱成像方法及其系统 | |
| CN103925997B (zh) | 编码模板多目标超分辨率主动成像系统及方法 | |
| Ma et al. | Single pixel 3D imaging with phase-shifting fringe projection | |
| CN108663118A (zh) | 红外宽波段高光谱计算成像装置及其方法 | |
| CN109297925A (zh) | 一种基于分块压缩感知的太赫兹高分辨率快速成像装置 | |
| CN109520969A (zh) | 一种基于大气介质自调制的分布式散射成像方法 | |
| CN114721006B (zh) | 高精度单像素成像方法及系统 | |
| CN111833265A (zh) | 一种基于组稀疏循环调制的鬼成像图像恢复方案 | |
| CN107121682A (zh) | 一种基于相位式激光测距的三维关联成像方法 | |
| CN114659634A (zh) | 微型快照式压缩光谱成像探测装置及探测方法 | |
| CN115931123A (zh) | 基于自适应优化稀疏字典的光谱重建计算方法及光谱系统 | |
| Lyu et al. | Structured light-based underwater 3-D reconstruction techniques: A comparative study |
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 |