CN113393379A - 基于像素编码的大f数衍射实时校正的高分辨成像方法 - Google Patents
基于像素编码的大f数衍射实时校正的高分辨成像方法 Download PDFInfo
- Publication number
- CN113393379A CN113393379A CN202110585886.0A CN202110585886A CN113393379A CN 113393379 A CN113393379 A CN 113393379A CN 202110585886 A CN202110585886 A CN 202110585886A CN 113393379 A CN113393379 A CN 113393379A
- Authority
- CN
- China
- Prior art keywords
- imaging
- image
- matrix
- resolution
- target
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 105
- 238000012937 correction Methods 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 64
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 6
- 238000012892 rational function Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 26
- 230000006870 function Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 238000012634 optical imaging Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 7
- 238000009792 diffusion process Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 4
- 210000001747 pupil Anatomy 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000005308 flint glass Substances 0.000 description 2
- 239000005304 optical glass Substances 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000005331 crown glasses (windows) Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 229910052746 lanthanum Inorganic materials 0.000 description 1
- FZLIPJUXYLNCLC-UHFFFAOYSA-N lanthanum atom Chemical compound [La] FZLIPJUXYLNCLC-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于像素编码的大F数衍射实时校正的高分辨成像方法，解决现有传统成像方法实现高分辨率成像需要采用长焦距、大口径的问题。该方法引入像素编码算法提高分辨率，具有口径小、长焦距、分辨率高、重量轻、图像质量高等优点。该高分辨成像方法，包括：步骤一、采用大F数、大Q值的成像镜头对星点板进行成像；步骤二、通过低噪声探测器将成像镜头多次采集的成像光转化为多幅星点图像；步骤三、获取成像镜头的二维点扩散函数PSF；步骤四、构建像素编码矩阵，利用步骤三获得的二维点扩散函数PSF，在空域中构建编码的块循环矩阵，根据矩阵定理求出循环矩阵相对应的逆矩阵；步骤五、图像读出解码。
Description
技术领域
本发明涉及大F数高分辨率可见光成像领域，具体涉及一种基于像素编码的大F数衍射实时校正的高分辨成像方法，适用于空间目标的清晰成像，可满足0.3m@300km空间分辨率的应用需求。
背景技术
在光电探测成像领域实现高分辨率成像一直是重要的研究和探索方向，尤其是在航天、遥感、目标识别等领域。根据瑞利判据可知，传统光学成像系统的角分辨率主要由光波波长λ和主镜尺寸D限制。在特定工作波长下，提高成像系统分辨率的主要手段只能通过增大主镜口径。但随着成像系统主镜口径的增大，其加工、镀膜、装配的难度也将大幅度提高，由此限制了主镜口径的增大方式。传统光学成像手段衍生出的合成孔径成像技术和阵列成像拼接技术等可提高成像分辨率，但是其本质都是通过扩大系统等效口径以达到提高成像分辨率的目的，但子孔径的共相位拼接、加工和装配等难点均限制了该技术的发展。
计算光学成像是将传统光学成像和数字信号处理相结合的一种新型成像方式，不同于传统光学成像，计算光学成像不直接通过光学系统得到最终图像，而是利用数字信号处理技术对中间图像进行处理，最终得到清晰图像。该类方法摆脱了传统成像系统的限制，能够使系统具有大景深、大动态范围、高分辨率等特性，极大地拓展了传统光学成像系统的潜力。由此衍生出的多帧图像融合、超分重建技术、超分辨光瞳滤波成像技术等在高分辨成像方面有显著优势。但是，超分重建技术需要目标的多幅图像才能进行图像的重建，通过牺牲时间分辨率或者增加系统的复杂性来提高空间分辨率，超分辨光瞳滤波技术利用光瞳调制技术压缩衍射光斑主瓣、提高分辨率，但是其伴随着旁瓣能量的显著增加，限制了在成像系统中的广泛推广。
为达到0.3m@300km同等空间分辨需求，现有传统成像技术手段可采用长焦距、大口径、小F数的方式，采用光学口径800mm方可保证奈奎斯特频率处的MTF＞0.15，使得目标成像清晰，边缘信息较为丰富，对比度较高，但该技术手段存在成像相机口径大、体积重、加工/装配难度加大、工程实施成本高等缺点。
发明内容
本发明的目的是解决现有传统成像方法实现高分辨率成像需要采用长焦距、大口径的问题，提供一种基于像素编码的大F数衍射实时校正的高分辨成像方法。该方法引入像素编码算法提高分辨率，具有口径小、长焦距、分辨率高、重量轻、图像质量高等优点。
为实现上述目的，本发明采用了如下技术方案：
一种基于像素编码的大F数衍射实时校正的高分辨成像方法，包括以下步骤：
步骤一、采用大F数、大Q值的成像镜头对星点板进行成像，F数＞20，Q值＞1.5；
步骤二、通过低噪声探测器将成像镜头多次采集的成像光转化为多幅星点图像；
步骤三、获取成像镜头的二维点扩散函数PSF；
对于步骤二得到的多幅星点图像，获取其对应中心点X、Y两方向的灰度分布曲线，对多条灰度分布曲线进行有理函数拟合分别得到成像镜头X、Y方向的一维点扩散函数，再利用X、Y方向的一维点扩散函数构建成像镜头的二维点扩散函数；
步骤四、构建像素编码矩阵；
利用步骤三获得的二维点扩散函数PSF，在空域中构建编码的块循环矩阵He，根据矩阵定理求出循环矩阵相对应的逆矩阵
即为成像镜头的编码矩阵；
步骤五、图像读出解码；
5.1)采用大F数、大Q值成像镜头对被测目标进行拍摄得到目标图像，目标图像在低噪声探测器上以矩阵形式呈现，然后将低噪声探测器上以矩阵形式呈现的目标图像按行顺序读出，得到目标图像的目标像向量ge；
5.2)将目标像向量ge与逆矩阵
相乘，得到经校正处理后的目标复原图像向量
再将该目标复原图像向量重组为矩阵，实现对目标图像的解码，从而得到高分辨率的目标图像。
进一步地，步骤5.1)中，成像镜头对被测目标进行拍摄得到目标图像，随后将目标图像按m×n大小进行分区域处理，获得多个子区域图像，然后将低噪声探测器上以矩阵形式呈现的子区域图像按行顺序读出，得到子区域图像的目标像向量ge；5.2)将子区域图像的目标像向量ge与逆矩阵
相乘，得到经校正处理后子区域图像的目标复原图像向量
再将该目标复原图像向量重组为矩阵，实现对子区域图像的解码，将各子区域图像按照已知的顺序进行组合，得到高分辨率的目标图像。
进一步地，所述低噪声探测器为CCD探测器。
与现有技术相比，本发明方法具有的有益技术效果如下：
本发明成像方法以大F数成像镜头作为成像平台，采用PSF像素化编码算法对图像进行处理，可得到高分辨率的图像。通过减小光学口径、增大F数以实现对目标的高分辨率成像，在同等成像分辨率、同等焦距下，所需的光学口径仅为传统成像系统口径的一半。同时，该成像方法采用基于像素编码的高分辨成像技术的提出则打破了传统的衍射限制，提高衍射MTF，使得光学成像分辨率不再受口径的限制，在较为简单的光学成像系统基础上获得物理分辨率超过其衍射极限的分辨能力。
附图说明
图1为本发明成像镜头的光路图；
图2为本发明成像镜头的MTF曲线图；
图3为本发明成像镜头的畸变曲线图；
图4为本发明成像镜头的点列图；
图5为本发明带有图像分块思想的像素编码工作原理示意图；
图6为本发明空域构建编码矩阵的过程示意图；
图7为本发明探测器图像串接读出形成向量过程示意图；
图8为本发明图像读出解码过程示意图；
图9a为本发明横条纹板图像经像素编码校正前示意图；
图9b为本发明横条纹板图像经像素编码校正后示意图；
图10a为本发明竖条纹板图像经像素编码校正前示意图；
图10b为本发明竖条纹板图像经像素编码校正后示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。本领域技术人员应当理解的是，这些实施方式仅仅用来解释本发明的技术原理，目的并不是用来限制本发明的保护范围。
本发明提出一种基于像素编码的大F数衍射实时校正的高分辨成像方法，该成像方法使用大F数、大Q值设计理念，大F数(F数＞20)光学系统衍射现象明显，同等奈奎斯特频率下MTF(MTF＜0.05)下降，同时通过增大Q值(Q值＞1.5)可降低由采样引起的高频/低频信息频率混叠效应。该成像方法采用基于系统PSF为运算核的像素编码算法，可弥补因大F数引起的MTF下降和图像降质问题，通过在空域下直接构建出系统的编码矩阵，求取相应的逆矩阵，后将探测器图像按行读出时与前述逆矩阵相乘，再将结果值重组为矩阵，以此提高图像分辨率和图像质量，最终以口径360mm、焦距9m的成像相机实现等效口径800mm的成像能力，在系统F数25、Q值1.67的情况下，可满足0.3m@300km空间分辨的应用需求。因此，本发明成像方法具有口径小、分辨率高、重量轻等特点，可满足在轨成像相机低发射成本的应用需求。
本发明像素编码算法以大F数成像镜头作为成像平台，通过提取镜头的PSF以构建编码矩阵，进而得到相应的逆矩阵，在探测器读取信号的过程中，利用编码矩阵对探测器接收到的降质图像进行“先编码后解码”处理，使得读出的图像为高质量图像，打破成像系统在MTF幅值较低时成像质量不佳的局限。
本发明像素编码算法是以系统点扩散函数PSF为基础，通过在空域直接构建出光学成像系统的编码矩阵，然后利用编码矩阵对输出图像进行解码，实现读出图像即为与原始目标场景接近的图像，以此提高图像分辨率和图像质量。将整个像素编码过程可表示为矩阵-向量相乘的形式：
其中，矩阵He是由点扩散函数构成的块循环矩阵，
是相对应的编码逆矩阵，fe、ge是目标及目标像按行串接的向量，ne是图像噪声，
是经校正处理后的目标复原图像按行串接的向量。
基于上述理论，本发明提供的基于像素编码的大F数衍射实时校正的高分辨成像方法具体包括以下步骤：
步骤一、采用大F数、大Q值成像镜头对星点板进行成像，F数＞20，Q值＞1.5；
步骤二、通过低噪声探测器将成像镜头多次采集的成像光转化为多幅星点图像；
步骤三、获取成像镜头的二维点扩散函数PSF；
利用成像镜头拍摄的多幅星点图像得到其对应中心点(灰度值最大点)X、Y两方向的灰度分布曲线，对多条灰度分布曲线进行有理函数拟合分别得到成像镜头X、Y方向的一维点扩散函数，再利用X、Y方向的一维点扩散函数构建成像镜头实际的二维点扩散函数，以此避免由大气晃动引起的点扩散函数估计误差；
步骤四、像素编码矩阵
的构建；
像素编码矩阵表征了图像每一点接收能量的多少，而点扩散函数恰恰表征的是相机整个系统对其入瞳处能量的编码，光学成像过程可具体表述为原始图像f与点扩散函数(模糊核)h先卷积，再与加性噪声n求和的过程：
g(x,y)＝f(x,y)*h(x,y)+n(x,y)
利用步骤三获得的二维点扩散函数PSF，在空域中构建编码的块循环矩阵He，根据矩阵定理求出循环矩阵相对应的逆矩阵
即为成像镜头的编码矩阵，是对相机自身编码图像过程的再编码；
步骤五、图像读出解码；
5.1)采用大F数、大Q值成像镜头对被测目标进行拍摄得到目标图像，目标图像在低噪声探测器上以矩阵形式呈现，然后将低噪声探测器上以矩阵形式呈现的目标图像按行顺序读出，得到目标图像的目标像向量ge；
5.2)将目标像向量ge与逆矩阵
相乘，得到经校正处理后的目标复原图像向量
再将该目标复原图像向量重组为矩阵，即得到接近原始目标的图像，实现对相机图像的解码，从而得到高分辨率的目标图像。
上述基于点扩散函数PSF的像素编码算法存在一定的弊端：1)目标像构成的向量比较庞大，在空间域利用编码矩阵得到的目标复原像向量会成指数倍的增加，因此，需要内存较大的运算平台，且运算速度始终难以提高；2)在对点扩散函数PSF构建的编码矩阵进行求解时易受目标图像噪声的影响。为了解决上述两个问题，本发明方法采用低噪声CCD探测器和图像分块处理思想两种处理方法，受制造工艺的影响CMOS引入的噪点比CCD多，会降低图像品质，因此选用低噪声的CCD探测器，以降低图像本底噪点，提高图像品质；图像分块处理思想即为将目标图像按m×n大小进行分区域处理，将每个m×n区域分别按照上述过程进行像素编码校正处理，处理结束后将各区域(m×n)按照已知的顺序进行组合，以获得最终结果图像，此时，本发明方法的步骤五具体包括以下过程：步骤5.1)中，成像镜头对被测目标进行拍摄得到目标图像，随后将目标图像按m×n大小进行分区域处理，获得多个子区域图像，然后将低噪声探测器上以矩阵形式呈现的子区域图像按行顺序读出，得到子区域图像的目标像向量ge；5.2)将子区域图像的目标像向量ge与逆矩阵
相乘，得到经校正处理后子区域图像的目标复原图像向量
再将该目标复原图像向量重组为矩阵，实现对子区域图像的解码，将各子区域图像按照已知的顺序进行组合，得到高分辨率的目标图像。
本发明方法以大F数成像相机作为成像平台，基于PSF像素化编码算法实现，可得到高分辨率的图像。从光学成像原理角度出发，基于PSF的成像退化模型，以像素编码算法为手段，结合信息处理技术，采用大F数、大Q值的设计理念，通过提取成像镜头的PSF，构造出块循环矩阵，进而得到像素编码矩阵；相机读出的图像按照行串接成向量，向量读出值与前述矩阵相乘，即可得到接近原始目标高分辨率的图像。
本发明成像相机通过减小光学口径、增大F数以实现对目标的高分辨率成像，在同等成像分辨率、同等焦距下，所需的光学口径仅为传统成像系统口径的一半。基于像素编码的高分辨成像技术的提出则打破了传统的衍射限制，提高衍射MTF，使得光学成像分辨率不再受口径的限制，在较为简单的光学成像系统基础上获得物理分辨率超过其衍射极限的分辨能力。
以Φ360mm成像镜头为平台，采用像素编码算法，对成像过程中的图像进行编码、解码，最终得到高分辨率图像。如图1所示，本发明成像镜头为大F数可见光镜头，其采用RC式主、次反射镜加校正镜组的折反射式结构型式，共有2个反射镜、4片光学玻璃，其中主反射镜为抛物面，次反射镜为双曲面，剩余表面均为球面，系统总焦距为9000mm，主、次反射镜组成的焦距为4000mm，校正镜组放大率为2.25倍，系统遮拦比＜30％。校正镜组包括由1个负光焦度弯向像面的高折射率、低色散的重火石光学玻璃；1个正光焦度双凸的高折射率、低色散的重火石玻璃；1个负光焦度双凹的高折射率、低色散的镧火石玻璃；1个正光焦度弯向物面的低折射率、高色散的轻冕玻璃。
如图2、图3、图4所示系统在空间频率55lp/mm时，轴外MTF＞0.11，畸变值≤0.3％，最大弥散斑直径为6.2mm，小于一个像元尺寸，残余像差量较小，具有良好的成像质量，筒长较短，结构紧凑，加工成本低。
Φ360mm成像镜头对条纹板成像，共有3组条纹，每组条纹包含9对黑白条纹，中间一组条纹对应奈奎斯特频率55lp/mm，在像素编码处理前，F25成像镜头拍摄的9对黑白条纹图像较为模糊，边缘分界不明显，可辨识度较差，经计算此时对应的MTF为0.02。经像素编码校正后的条纹板图像，9对黑白条纹可清晰分辨，黑白条纹分界明显，对比度明显提高，经计算此时对应的横向条纹MTF为0.127，竖向条纹MTF为0.115左右，校正后MTF提升了4倍左右。像素编码校正过程的工作原理、处理过程仿真图及实际处理的条纹图像对比图如图5～图8、图9a、图9b、图10a、图10b所示。
Claims (3)
1.一种基于像素编码的大F数衍射实时校正的高分辨成像方法，其特征在于，包括以下步骤：
步骤一、采用大F数、大Q值的成像镜头对星点板进行成像，F数＞20，Q值＞1.5；
步骤二、通过低噪声探测器将成像镜头多次采集的成像光转化为多幅星点图像；
步骤三、获取成像镜头的二维点扩散函数PSF；
对于步骤二得到的多幅星点图像，获取其对应中心点X、Y两方向的灰度分布曲线，对多条灰度分布曲线进行有理函数拟合分别得到成像镜头X、Y方向的一维点扩散函数，再利用X、Y方向的一维点扩散函数构建成像镜头的二维点扩散函数；
步骤四、构建像素编码矩阵；
利用步骤三获得的二维点扩散函数PSF，在空域中构建编码的块循环矩阵He，根据矩阵定理求出循环矩阵相对应的逆矩阵
即为成像镜头的编码矩阵；
步骤五、图像读出解码；
5.1)采用大F数、大Q值成像镜头对被测目标进行拍摄得到目标图像，目标图像在低噪声探测器上以矩阵形式呈现，然后将低噪声探测器上以矩阵形式呈现的目标图像按行顺序读出，得到目标图像的目标像向量ge；
5.2)将目标像向量ge与逆矩阵
相乘，得到经校正处理后的目标复原图像向量
再将该目标复原图像向量重组为矩阵，实现对目标图像的解码，从而得到高分辨率的目标图像。
2.根据权利要求1所述的基于像素编码的大F数衍射实时校正的高分辨成像方法，其特征在于：步骤5.1)中，成像镜头对被测目标进行拍摄得到目标图像，随后将目标图像按m×n大小进行分区域处理，获得多个子区域图像，然后将低噪声探测器上以矩阵形式呈现的子区域图像按行顺序读出，得到子区域图像的目标像向量ge；
5.2)将子区域图像的目标像向量ge与逆矩阵
相乘，得到经校正处理后子区域图像的目标复原图像向量
再将该目标复原图像向量重组为矩阵，实现对子区域图像的解码，将各子区域图像按照已知的顺序进行组合，得到高分辨率的目标图像。
3.根据权利要求2所述的基于像素编码的大F数衍射实时校正的高分辨成像方法，其特征在于：所述低噪声探测器为CCD探测器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110585886.0A CN113393379B (zh) | 2021-05-27 | 2021-05-27 | 基于像素编码的大f数衍射实时校正的高分辨成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110585886.0A CN113393379B (zh) | 2021-05-27 | 2021-05-27 | 基于像素编码的大f数衍射实时校正的高分辨成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113393379A true CN113393379A (zh) | 2021-09-14 |
| CN113393379B CN113393379B (zh) | 2024-04-09 |
Family
ID=77619360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110585886.0A Active CN113393379B (zh) | 2021-05-27 | 2021-05-27 | 基于像素编码的大f数衍射实时校正的高分辨成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113393379B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113588082A (zh) * | 2021-07-09 | 2021-11-02 | 中国科学院西安光学精密机械研究所 | 一种偏轴棱镜色散型高光谱成像仪的高精度快速装调方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170026633A1 (en) * | 2015-05-28 | 2017-01-26 | University College Cork - National University Of Ireland, Cork | Coded access optical sensor |
| CN111031264A (zh) * | 2019-11-29 | 2020-04-17 | 南京理工大学 | 一种基于透射式红外孔径编码成像系统及其超分辨方法 |
| WO2020124992A1 (zh) * | 2018-12-19 | 2020-06-25 | 南京理工大学 | 一种基于透射式双缝孔径编码成像系统及其超分辨方法 |
-
2021
- 2021-05-27 CN CN202110585886.0A patent/CN113393379B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170026633A1 (en) * | 2015-05-28 | 2017-01-26 | University College Cork - National University Of Ireland, Cork | Coded access optical sensor |
| WO2020124992A1 (zh) * | 2018-12-19 | 2020-06-25 | 南京理工大学 | 一种基于透射式双缝孔径编码成像系统及其超分辨方法 |
| CN111031264A (zh) * | 2019-11-29 | 2020-04-17 | 南京理工大学 | 一种基于透射式红外孔径编码成像系统及其超分辨方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵惠;魏静萱;庞志海;刘美莹;: "波前编码超分辨成像技术", 红外与激光工程, no. 04, 25 April 2016 (2016-04-25) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113588082A (zh) * | 2021-07-09 | 2021-11-02 | 中国科学院西安光学精密机械研究所 | 一种偏轴棱镜色散型高光谱成像仪的高精度快速装调方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113393379B (zh) | 2024-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447930B (zh) | 小波域光场全聚焦图像生成算法 | |
| CN109413407B (zh) | 高空间分辨率光场采集装置与图像生成方法 | |
| JP7101646B2 (ja) | イメージ復元方法及び装置 | |
| CN111986084B (zh) | 一种基于多任务融合的多相机低光照图像质量增强方法 | |
| KR20170106931A (ko) | 광 필드 데이터 처리 방법 및 디바이스 | |
| CN110880163B (zh) | 一种基于深度学习的弱光彩色成像方法 | |
| Nayar et al. | Assorted pixels: Multi-sampled imaging with structural models | |
| EP4156685A1 (en) | Light field image processing method, light field image encoder and decoder, and storage medium | |
| CN108154493B (zh) | 一种基于fpga的双波段红外图像伪彩融合算法 | |
| CN116071243A (zh) | 一种基于边缘增强的红外图像超分辨率重建方法 | |
| CN116128735B (zh) | 基于密集连接残差网络的多光谱图像去马赛克结构及方法 | |
| 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 | |
| CN116245726A (zh) | 基于深度学习框架的压缩感知偏振超分辨成像方法 | |
| Zhang et al. | An effective decomposition-enhancement method to restore light field images captured in the dark | |
| JP2020060763A (ja) | イメージセンサ及びイメージ検出方法 | |
| CN113393379B (zh) | 基于像素编码的大f数衍射实时校正的高分辨成像方法 | |
| CN113393380B (zh) | 基于像素编码的大f数衍射实时校正的高分辨成像相机 | |
| US10446600B2 (en) | Imaging system and imaging device having a random optical filter array | |
| CN113645422A (zh) | 图像传感器 | |
| KR102614908B1 (ko) | 이미지 복원 방법 및 장치 | |
| Zhao et al. | FOV expansion of bioinspired multiband polarimetric imagers with convolutional neural networks | |
| KR102644944B1 (ko) | 이미지 센서 및 이미지 센싱 방법 | |
| CN114463192A (zh) | 一种基于深度学习的红外视频畸变校正的方法 | |
| CN113163117A (zh) | 一种光场相机的重聚焦方法 | |
| Carles et al. | Multi-aperture imaging in the visible and thermal infrared |
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 |