CN111640063A - 基于空间频域多尺度调制与重建的压缩成像系统及方法 - Google Patents
基于空间频域多尺度调制与重建的压缩成像系统及方法 Download PDFInfo
- Publication number
- CN111640063A CN111640063A CN202010429371.7A CN202010429371A CN111640063A CN 111640063 A CN111640063 A CN 111640063A CN 202010429371 A CN202010429371 A CN 202010429371A CN 111640063 A CN111640063 A CN 111640063A
- Authority
- CN
- China
- Prior art keywords
- pixel resolution
- matrices
- matrix
- image
- reconstruction
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4053—Super resolution, i.e. output image resolution higher than sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明公开了基于空间频域多尺度调制与重建的压缩成像系统及方法,该系统包括成像镜头、空间光调制器、探测器、控制模块和存储计算模块;控制模块用于将产生的n个1像素分辨率矩阵A1与n个2像素分辨率矩阵A2发送到存储计算模块,并将对应的n对具有空间频域多尺度特征的互补矩阵B1和B2发送至空间光调制器;空间光调制器用于根据n对互补矩阵B1和B2,分别对待成像目标进行调制;探测器用于收集两路调制后的光信号,分别获得两路调制后图像的总光强测量结果,发送到存储计算模块;存储计算模块用于根据1像素分辨率矩阵A1、2像素分辨率矩阵A2以及探测器的测量结果,利用多尺度压缩感知重建算法进行图像重建,获得待成像目标的重建图像。
Description
技术领域
本发明涉及光学领域,特别涉及基于空间频域多尺度调制与重建的压缩成像系统及方法。
背景技术
近年来,基于压缩感知的成像技术引起极大的关注。压缩感知理论是由Tao,Donoho和Candès等提出的一种基于下采样的采样定理,其出现打破了奈奎斯特采样定理。其优势在于对图像进行空间调制后,仅需使用一个探测器进行测量,为单像素成像提供了可行性。在多次调制与测量之后,将调制矩阵以及探测器的测量结果利用压缩感知算法,即可获得重建图像。由于压缩感知成像技术能够有效降低对探测器的要求,其被广泛应用于成像光谱、3D雷达、生物成像等方面。
然而,压缩感知成像面临的一个最重要的挑战就是成像质量上仍存在不足。由于图像是通过压缩感知算法的后处理获得,而不是直接通过测量得到,不可避免其会产生重建误差。在众多解决方案中,优化测量矩阵的设计就是其中一项重要举措。由于测量矩阵必须满足RIP准则,最初使用的测量矩阵有高斯随机矩阵和随机二值矩阵,然而普通的随机矩阵始终存在一定局限性;随后,优化的哈德曼矩阵、傅里叶矩阵以及其它改进过的矩阵被提出,以取代高斯随机矩阵,其在一定程度上提高了成像质量。
而压缩感知成像的质量同样与测量矩阵的分辨率有关,由于成像过程仅使用一个探测器进行测量,其成像分辨率实际上是由空间调制提供。因此,一般情况下,采用高空间分辨率调制是提高成像分辨率的首选。然而,对于某一固定场景,更精细的空间调制通常需要更多的像素进行重建。在使用通过模数转换的光强测量的压缩感知成像中,高的成像像素数通常会放大量化噪声从而降低成像质量,而在光子计数区,像素尺寸的增加也有类似的影响。因此,测量矩阵的设计必须考虑空间分辨率。
综上所述,目前如何通过利用不同分辨率的测量矩阵以提高成像质量成为一个亟待解决的技术难题。
发明内容
本发明的目的在于克服上述技术缺陷,提供一种基于空间频域多尺度调制与重建的压缩感知成像系统及其方法,可在采样率低的情况下提高图像重建质量。
本发明的实施例1提出了一种基于空间频域多尺度调制与重建的压缩成像系统,所述系统包括光学元件和电学元件;其中,所述光学元件包括成像镜头和空间光调制器;所述电学元件包括探测器、控制模块和存储计算模块;
所述控制模块,用于将产生的n个1像素分辨率矩阵A1与n个2像素分辨率矩阵A2发送到存储计算模块,并将对应的n对具有空间频域多尺度特征的互补矩阵B1和B2发送至空间光调制器;
所述成像镜头,用于将成像目标的光信号汇聚到空间光调制器;
所述空间光调制器,用于根据n对互补矩阵B1和B2,分别对待成像目标进行调制;
所述探测器,用于收集两路调制后的光信号,分别获得两路调制后图像的总光强测量结果,发送到存储计算模块;
所述存储计算模块,用于将n个互补矩阵B1调制后图像的总光强测量结果组成 y1,将n个互补矩阵B2调制后图像的总光强测量结果组成y2;然后基于n个1像素分辨率矩阵A1和n个2像素分辨率矩阵A2,利用多尺度压缩感知重建算法分别获得1像素分辨率重建图像和2像素分辨率重建图像根据1像素分辨率重建图像和2像素分辨率重建图像获得待成像目标的重建图像。
作为上述系统的一种改进,所述成像镜头为单个透镜或透镜组;所述的空间光调制器为微反射镜阵列或液晶空间光调制器;所述的探测器为光电倍增管、雪崩二极管、光电倍增管或电荷耦合器件。
作为上述系统的一种改进,所述控制模块的具体实现过程为:
构造一个2像素分辨率的p-q随机二值矩阵A2,使其在每2×2区域内取值相同,划分2×2区域的起点随机;
将矩阵A2分解为一对互补矩阵B1和B2,使B1在每个2×2区域服从0-p的伯努利分布,同时B2在每个2×2区域服从0-q的伯努利分布;或者使B1在每个 2×2区域服从0-q的伯努利分布,同时B2在每个2×2区域服从0-p的伯努利分布;
将B1和B2矩阵相减获得1像素分辨率矩阵A1:
A1=B1-B2
重复以上步骤n次,产生n个2像素分辨率矩阵A2、n对互补矩阵B1、B2和n个1像素分辨率矩阵A1;
将n对具有空间频域多尺度特征的测量矩阵B1和B2发送至空间光调制器;
将n对1像素分辨率矩阵A1和2像素分辨率矩阵A2发送至存储计算模块。
作为上述系统的一种改进,所述空间光调制器的具体实现过程为:
其中,e1和e2均表示误差。
作为上述系统的一种改进,所述存储计算模块的具体实现过称为:
将n个矩阵B1调制后图像的总光强测量结果组成列矩阵y1,将n个矩阵B2调制后图像的总光强测量结果组成列矩阵y2;
利用y1-y2作为n个1像素分辨率矩阵A1的测量结果,y1+y2作为n个2 像素分辨率矩阵A2的测量结果;
基于上述系统,本发明的实施例2提供了一种基于空间频域多尺度调制与重建的压缩成像方法,所述方法包括:
所述控制模块将产生的n个1像素分辨率矩阵A1与n个2像素分辨率矩阵A2发送到存储计算模块,并将对应的n对具有空间频域多尺度特征的互补矩阵B1和B2发送至空间光调制器;
所述空间光调制器根据n对互补矩阵B1和B2,分别对待成像目标进行调制;
所述探测器收集两路调制后的光信号,分别获得两路调制后图像的总光强测量结果,发送到存储计算模块;
所述存储计算模块将n个互补矩阵B1调制后图像的总光强测量结果组成y1,将 n个互补矩阵B2调制后图像的总光强测量结果组成y2;然后基于n个1像素分辨率矩阵A1和n个2像素分辨率矩阵A2,利用多尺度压缩感知重建算法分别获得1像素分辨率重建图像和2像素分辨率重建图像根据1像素分辨率重建图像和2像素分辨率重建图像获得待成像目标的重建图像。
作为上述方法的一种改进,所述控制模块将产生的n个1像素分辨率矩阵A1与 n个2像素分辨率矩阵A2发送到存储计算模块,并将对应的n对具有空间频域多尺度特征的互补矩阵B1和B2发送至空间光调制器,具体包括:
所述控制模块构造一个2像素分辨率的p-q随机二值矩阵A2,使其在每2×2 区域内取值相同,划分2×2区域的起点随机;
将矩阵A2分解为一对互补矩阵B1和B2,使B1在每个2×2区域服从0-p的伯努利分布,同时B2在每个2×2区域服从0-q的伯努利分布;或者使B1在每个 2×2区域服从0-q的伯努利分布,同时B2在每个2×2区域服从0-p的伯努利分布;
将B1和B2矩阵相减获得1像素分辨率矩阵A1:
A1=B1-B2
重复以上步骤n次,产生n个2像素分辨率矩阵A2、n对互补矩阵B1、B2和 n个1像素分辨率矩阵A1;
将n对具有空间频域多尺度特征的测量矩阵B1和B2发送至空间光调制器;
将n对1像素分辨率矩阵A1和2像素分辨率矩阵A2发送至存储计算模块。
作为上述方法的一种改进,所述空间光调制器根据n对互补矩阵B1和B2,分别对待成像目标进行调制,具体包括:
其中,e1和e2均表示误差。
作为上述方法的一种改进,所述存储计算模块将n个互补矩阵B1调制后图像的总光强测量结果组成y1,将n个互补矩阵B2调制后图像的总光强测量结果组成y2;然后基于n个1像素分辨率矩阵A1和n个2像素分辨率矩阵A2,利用多尺度压缩感知重建算法分别获得1像素分辨率重建图像和2像素分辨率重建图像根据 1像素分辨率重建图像和2像素分辨率重建图像获得待成像目标的重建图像,具体包括:
将n个矩阵B1调制后图像的总光强测量结果组成列矩阵y1,将n个矩阵B2调制后图像的总光强测量结果组成列矩阵y2;
利用y1-y2作为n个1像素分辨率矩阵A1的测量结果,y1+y2作为n个2 像素分辨率矩阵A2的测量结果;
作为上述方法的一种改进,所述多尺度压缩感知重建算法为TV算法或 MBTV_NLLM算法本发明的优点在于:
1、本发明使用多尺度调制与重建方法实现压缩感知成像,与现有单一尺度重建相比,能够同时实现图像低频成分和高频成分的重建质量,提高图像重建信噪比;
2、本发明的系统可以提高低采样率的图像重建质量,因此在采样时间有限的生物成像、动态成像上有广泛的应用价值。
附图说明
图1是本发明的基于空间频域多尺度调制与重建的压缩感知成像系统的结构示意图;
图2是本发明的基于空间频域多尺度调制与重建的压缩感知成像系统的矩阵构造示意图。
附图标识
I光学单元
1、成像镜头 2、空间光调制器
II电学单元
3、探测器 4、控制模块
5、存储计算模块
具体实施方式
下面结合附图对本发明的技术方案进行进一步的描述。
本发明的基于空间频域多尺度调制与重建的压缩感知成像系统利用了压缩感知(Compressive Sensing,简称CS)原理,所述的压缩感知原理是由Donoho、Tao和 Candès等人提出的一个全新数学理论。压缩感知主要可分为三个步骤:压缩采样、稀疏变换与算法重建;其中,压缩采样,是指在对信号进行采样时,测量次数少于信号数量,其过程可被描述为y=Ax,其中x为待测目标,A为测量矩阵,y为测量值;所述的稀疏变换是通过对稀疏基Ψ的适当选择,使原始信号x在稀疏基Ψ的作用下转变为稀疏的信号x',即x可在Ψ框架下稀疏表达;所述的算法重建是根据已知信息即测量值y、测量矩阵A和稀疏基Ψ来求解方程y=AΨx'+e的过程,再根据方程反演出x。
实施例1
如图1所示,本发明的实施例1提出了基于空间频域多尺度调制与重建的压缩成像系统,包括光学元件I和电学元件II;其中,光学元件I包括成像镜头1和空间光调制器2;电学元件II包括探测器3、控制模块4和存储计算模块5;成像目标经成像镜头1和空间光调制器2成像到探测器3上;当光信号传到空间光调制器2时,所述空间光调制器2对其进行调制,将光信号反射到不同方向,以实现光强度的空间调制;调制后的光信号被成像至探测器3;所述探测器3将测量结果发送到存储计算模块5;所述存储计算模块5根据多尺度测量矩阵与待成像目标图像的对应关系,利用压缩感知算法进行图像重建,重建出成像目标;所述控制模块4用于产生空间频域多尺度测量矩阵,并发送给空间光调制器2,使所述空间光调制器2按照预定方式对光信号进行调制,并将多尺度测量矩阵传输至存储计算模块5。
以上是对本发明基于空间频域多尺度调制与重建的压缩感知成像系统的总体结构的描述下面对基于空间频域多尺度调制与重建的压缩感知成像系统中各个部件的具体实现做进一步的描述。
成像镜头1由单个透镜或透镜组实现;
空间光调制器2为微反射镜阵列或液晶空间光调制器。
探测器3为光电倍增管、雪崩二极管、光电倍增管或电荷耦合器件。
控制模块4产生的测量矩阵具有空间频域多尺度特征。其构造方法参考图2,首先构造一个2像素分辨率的p-q随机二值矩阵A2,然后将A2分解为一对互补矩阵 B1、B2之和,使B1在每个2×2区域服从0-p的伯努利分布,同时B2在每个2×2 区域服从0-q的伯努利分布;或者使B1在每个2×2区域服从0-q的伯努利分布,同时B2在每个2×2区域服从0-p的伯努利分布;将B1、B2矩阵相减获得1像素分辨率矩阵A1,B1、B2即为具有空间频域多尺度特征的测量矩阵。
存储计算模块5通过多尺度压缩感知重建算法实现图像重建。其重建方法为,测量矩阵B1、B2对应测量结果分别为y1,y2,利用y1-y2作为1像素分辨率矩阵A1的测量结果,y1+y2作为2像素分辨率矩阵A2的测量结果;利用TV算法、 MBTV_NLLM算法等压缩感知算法,获得1像素分辨率重建图像与2像素分辨率重建图像提取1像素分辨率重建图像的高频部分与2像素分辨率重建图像的低频部分,二者相叠加,获得待成像目标的重建图像。
基于上述基于空间频域多尺度调制与重建的压缩感知成像系统,本发明的实施例2还提出了基于空间频域多尺度调制与重建的压缩成像方法,包括以下步骤:
步骤一,控制模块4产生空间频域多尺度测量矩阵:
①构造一个2像素分辨率的p-q随机二值矩阵A2,使其在每2×2区域内取值相同,划分2×2区域的起点随机;
②将矩阵A2分解为一对互补矩阵B1、B2,使B1在每个2×2区域服从0-p的伯努利分布,同时B2在每个2×2区域服从0-q的伯努利分布;或者使B1在每个 2×2区域服从0-q的伯努利分布,同时B2在每个2×2区域服从0-p的伯努利分布;1像素分辨率矩阵A1将矩阵B1、B2相减获得:
A1=B1-B2
矩阵的构造如图2所示,重复以上步骤n次,产生n对互补矩阵B1、B2;
步骤二,根据互补矩阵B1、B2分别对待成像目标采样,获得测量结果y1、y2:
在控制模块4产生n对互补矩阵B1、B2的条件下,控制模块4将n对矩阵B1、 B2按固定频率发送矩阵至空间光调制器2,按照预定方式对光信号进行调制,调制后的光信号被成像至探测器3;1像素分辨率矩阵A1和2像素分辨率矩阵A2由控制模块4传输至存储计算模块5,探测器3将调制后图像的光强度测量结果传输至存储计算模块5,B1、B2为施加在成像目标上的实际空间调制:
其中,e1和e2均表示误差。
将n个矩阵B1调制后图像的总光强测量结果组成列矩阵y1,将n个矩阵B2调制后图像的总光强测量结果组成列矩阵y2;
在获得测量结果y1、y2的条件下,将方程联立:
y1-y2=(B1-B2)x+e1-e2=A1x+e1-e2
y1+y2=(B1+B2)x+e1+e2=A2x+e1+e2
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种基于空间频域多尺度调制与重建的压缩成像系统,其特征在于,所述系统包括光学元件(I)和电学元件(II);其中,所述光学元件(I)包括成像镜头(1)和空间光调制器(2);所述电学元件(II)包括探测器(3)、控制模块(4)和存储计算模块(5);
所述控制模块(4),用于将产生的n个1像素分辨率矩阵A1与n个2像素分辨率矩阵A2发送到存储计算模块(5),并将对应的n对具有空间频域多尺度特征的互补矩阵B1和B2发送至空间光调制器(2);
所述成像镜头(1),用于将成像目标的光信号汇聚到空间光调制器(2);
所述空间光调制器(2),用于根据n对互补矩阵B1和B2,分别对待成像目标进行调制;
所述探测器(3),用于收集两路调制后的光信号,分别获得两路调制后图像的总光强测量结果,发送到存储计算模块(5);
2.根据权利要求1所述的基于空间频域多尺度调制与重建的压缩成像系统,其特征在于,所述成像镜头(1)为单个透镜或透镜组;所述的空间光调制器(2)为微反射镜阵列或液晶空间光调制器;所述的探测器(3)为光电倍增管、雪崩二极管、光电倍增管或电荷耦合器件。
3.根据权利要求1所述的基于空间频域多尺度调制与重建的压缩成像系统,其特征在于,所述控制模块(4)的具体实现过程为:
构造一个2像素分辨率的p-q随机二值矩阵A2,使其在每2×2区域内取值相同,划分2×2区域的起点随机;
将矩阵A2分解为一对互补矩阵B1和B2,使B1在每个2×2区域服从0-p的伯努利分布,同时B2在每个2×2区域服从0-q的伯努利分布;或者使B1在每个2×2区域服从0-q的伯努利分布,同时B2在每个2×2区域服从0-p的伯努利分布;
将B1和B2矩阵相减获得1像素分辨率矩阵A1:
A1=B1-B2
重复以上步骤n次,产生n个2像素分辨率矩阵A2、n对互补矩阵B1、B2和n个1像素分辨率矩阵A1;
将n对具有空间频域多尺度特征的测量矩阵B1和B2发送至空间光调制器(2);
将n对1像素分辨率矩阵A1和2像素分辨率矩阵A2发送至存储计算模块(5)。
6.一种基于空间频域多尺度调制与重建的压缩成像方法,基于权利要求1-5之一所述的系统实现,所述方法包括:
所述控制模块(4)将产生的n个1像素分辨率矩阵A1与n个2像素分辨率矩阵A2发送到存储计算模块(5),并将对应的n对具有空间频域多尺度特征的互补矩阵B1和B2发送至空间光调制器(2);
所述空间光调制器(2)根据n对互补矩阵B1和B2,分别对待成像目标进行调制;
所述探测器(3)收集两路调制后的光信号,分别获得两路调制后图像的总光强测量结果,发送到存储计算模块(5);
7.根据权利要求6所述的基于空间频域多尺度调制与重建的压缩成像方法,其特征在于,所述控制模块(4)将产生的n个1像素分辨率矩阵A1与n个2像素分辨率矩阵A2发送到存储计算模块(5),并将对应的n对具有空间频域多尺度特征的互补矩阵B1和B2发送至空间光调制器(2),具体包括:
所述控制模块(4)构造一个2像素分辨率的p-q随机二值矩阵A2,使其在每2×2区域内取值相同,划分2×2区域的起点随机;
将矩阵A2分解为一对互补矩阵B1和B2,使B1在每个2×2区域服从0-p的伯努利分布,同时B2在每个2×2区域服从0-q的伯努利分布;或者使B1在每个2×2区域服从0-q的伯努利分布,同时B2在每个2×2区域服从0-p的伯努利分布;
将B1和B2矩阵相减获得1像素分辨率矩阵A1:
A1=B1-B2
重复以上步骤n次,产生n个2像素分辨率矩阵A2、n对互补矩阵B1、B2和n个1像素分辨率矩阵A1;
将n对具有空间频域多尺度特征的测量矩阵B1和B2发送至空间光调制器(2);
将n对1像素分辨率矩阵A1和2像素分辨率矩阵A2发送至存储计算模块(5)。
9.根据权利要求8所述的基于空间频域多尺度调制与重建的压缩成像方法,其特征在于,所述存储计算模块(5)将n个互补矩阵B1调制后图像的总光强测量结果组成y1,将n个互补矩阵B2调制后图像的总光强测量结果组成y2;然后基于n个1像素分辨率矩阵A1和n个2像素分辨率矩阵A2,利用多尺度压缩感知重建算法分别获得1像素分辨率重建图像和2像素分辨率重建图像根据1像素分辨率重建图像和2像素分辨率重建图像获得待成像目标的重建图像,具体包括:
将n个矩阵B1调制后图像的总光强测量结果组成列矩阵y1,将n个矩阵B2调制后图像的总光强测量结果组成列矩阵y2;
利用y1-y2作为n个1像素分辨率矩阵A1的测量结果,y1+y2作为n个2像素分辨率矩阵A2的测量结果;
10.根据权利要求6或9所述的基于空间频域多尺度调制与重建的压缩成像方法,其特征在于,所述多尺度压缩感知重建算法为TV算法或MBTV_NLLM算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010429371.7A CN111640063B (zh) | 2020-05-20 | 2020-05-20 | 基于空间频域多尺度调制与重建的压缩成像系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010429371.7A CN111640063B (zh) | 2020-05-20 | 2020-05-20 | 基于空间频域多尺度调制与重建的压缩成像系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111640063A true CN111640063A (zh) | 2020-09-08 |
CN111640063B CN111640063B (zh) | 2023-03-10 |
Family
ID=72328988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010429371.7A Active CN111640063B (zh) | 2020-05-20 | 2020-05-20 | 基于空间频域多尺度调制与重建的压缩成像系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111640063B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130016284A1 (en) * | 2011-07-12 | 2013-01-17 | Xerox Corporation | Hyperspectral image reconstruction via a compressed sensing framework |
CN110097634A (zh) * | 2019-04-19 | 2019-08-06 | 南京理工大学 | 一种自适应多尺度的三维鬼成像方法 |
CN110213467A (zh) * | 2019-05-27 | 2019-09-06 | 中国科学院国家空间科学中心 | 一种多尺度调制压缩感知成像系统及其成像方法 |
CN110827198A (zh) * | 2019-10-14 | 2020-02-21 | 唐山学院 | 基于压缩感知和超分辨率重构的多相机全景图像构建方法 |
-
2020
- 2020-05-20 CN CN202010429371.7A patent/CN111640063B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130016284A1 (en) * | 2011-07-12 | 2013-01-17 | Xerox Corporation | Hyperspectral image reconstruction via a compressed sensing framework |
CN110097634A (zh) * | 2019-04-19 | 2019-08-06 | 南京理工大学 | 一种自适应多尺度的三维鬼成像方法 |
CN110213467A (zh) * | 2019-05-27 | 2019-09-06 | 中国科学院国家空间科学中心 | 一种多尺度调制压缩感知成像系统及其成像方法 |
CN110827198A (zh) * | 2019-10-14 | 2020-02-21 | 唐山学院 | 基于压缩感知和超分辨率重构的多相机全景图像构建方法 |
Non-Patent Citations (1)
Title |
---|
ADRIAN GARCIA-RODRIGUEZ ET AL.: "LOW-COMPLEXITY COMPRESSIVE SENSING DETECTION FOR MULTI-USER SPATIAL MODULATION SYSTEMS", 《IEEE》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111640063B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9645377B2 (en) | Compressive imaging systems and methods | |
CN101893552B (zh) | 基于压缩感知的高光谱成像仪及成像方法 | |
CN107306333B (zh) | 一种高速单像素成像方法 | |
EP2685227B1 (en) | Single photon-counting imaging system and method thereof | |
US8319855B2 (en) | Method, apparatus and system for image acquisition and conversion | |
CN104065891A (zh) | 机器视觉3d线扫描图像获取及处理 | |
WO2012174940A1 (zh) | 一种极弱光多光谱成像方法及其系统 | |
CN108564090B (zh) | 一种基于信号加权的快速傅里叶单像素成像方法 | |
US20200120299A1 (en) | Method and system for time-of-flight imaging with high lateral resolution | |
CN110751700B (zh) | 用于单像素成像的采样和重建集成深度学习网络的训练方法 | |
CN113365014B (zh) | 一种并行压缩感知gpu加速实时成像系统与方法 | |
Dongfeng et al. | Polarization-multiplexing ghost imaging | |
Chen et al. | Discrete cosine single-pixel microscopic compressive imaging via fast binary modulation | |
US20170208347A1 (en) | Image compression method with negligible and quantifiable information loss and high compression ratio | |
Guo et al. | High-speed compressive microscopy of flowing cells using sinusoidal illumination patterns | |
CN111640063B (zh) | 基于空间频域多尺度调制与重建的压缩成像系统及方法 | |
Ma et al. | Multi-scale ghost imaging LiDAR via sparsity constraints using push-broom scanning | |
Nie et al. | Sub-Nyquist computational ghost imaging with orthonormal spectrum-encoded speckle patterns | |
CN108007385B (zh) | 一种大视场弹坑表面形貌成像系统及方法 | |
CN114387164A (zh) | 一种太赫兹单像素超分辨成像方法和系统 | |
Li et al. | Modeling and image motion analysis of parallel complementary compressive sensing imaging system | |
CN110213467B (zh) | 一种多尺度调制压缩感知成像系统及其成像方法 | |
CN109798978B (zh) | 一种采用异形蓝色噪声编码孔径的光谱成像方法 | |
CN114859377B (zh) | 一种运动目标实时捕获单像素成像方法及设备 | |
Matin et al. | Ultrafast imaging with optical encoding and compressive sensing |
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 |