CN114067011A - 射线计算鬼成像中编码版压缩方法 - Google Patents
射线计算鬼成像中编码版压缩方法 Download PDFInfo
- Publication number
- CN114067011A CN114067011A CN202111434754.4A CN202111434754A CN114067011A CN 114067011 A CN114067011 A CN 114067011A CN 202111434754 A CN202111434754 A CN 202111434754A CN 114067011 A CN114067011 A CN 114067011A
- Authority
- CN
- China
- Prior art keywords
- coding
- sub
- matrix
- plate
- plates
- 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
- G06T9/00—Image coding
- G06T9/002—Image coding using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种射线计算鬼成像中编码版压缩方法,包括选择一基于N阶Hadamard方阵编码的整体编码板,所述整体编码板由N个分编码板组成;将N个分编码板依次标记,预设成像区域、分编码板的移动方向、和单次移动距离;建立空白矩阵,将其构建成移动距离矩阵,再结合移动距离矩阵和蚁群算法,用采用单序列切割方法或多通路重构方法得到压缩编码板。本发明利用Hadamard矩阵编码间区域相似性,重新排列分编码板的顺序,使具有相同区域的分编码板排列在一起,并使相同区域重叠,重复利用相同区域的像素,减少整体编码板的像素数和机械移动的距离,同时降低编码板的制造难度、制造成本和机械移动的时间。
Description
技术领域
本发明涉及一种编码板压缩方法,尤其涉及一种射线计算鬼成像中编码版压缩方法。
背景技术
射线成像技术是探索物质内部结构的有力工具,对于物理学、材料学、生命科学等多领域的发展具有重要的推动作用。目前,应用最为广泛的成像方法还是利用射线场的一阶关联特性进行直接测量成像。但是这类传统的成像方式一直受到探测器阵列自身高昂的制造成本,探测器间的测量串扰噪声和探测器几何尺寸导致的低空间分辨率等因素困扰。如今有一种系统整体复杂度低,结构简单的全新的成像形式——计算鬼成像技术,在遥感成像、高光谱成像、激光雷达探测,荧光成像等领域具有广泛的应用前景。其成像原理为射线源发射射线,经准直器照射编码板、被探测物体后,被后面的桶探测器探测到。计算鬼成像技术最大的特点是将造价昂贵的探测器阵列换成一个强度探测器和时变编码板组合的形式,以编码采集与解码重构的形式完成辐射成像。这将极大减少设备成本以及使用单个探测器将避免了探测器间串扰问题以收集到低噪声高灵敏的二阶强度信号。尤其重要的是,可以摆脱探测器尺寸限制,使用更小像素尺寸的时变编码板以达到更优的空间分辨率,可实现高精度辐射成像。
但是需要注意的是,射线计算鬼成像不同于一般的光学计算鬼成像。由于射线穿透本领远强于光线,目前只能通过射线在编码板中的物理衰减起到对入射射线的编码。目前暂时没法发展出类似光学中DMD(digital micro mirror device)装置实现对射线的编码。所以需要将每一次测量所需的不同分编码板全部制作出来并进行拼接,形成整体编码板,最后通过机械移动完成整体编码板中,分编码板的变化。本发明所述整体编码板是基于Hadamard方阵来的,其是计算鬼成像中最常见的编码方式。例如一个64阶整体编码板,首先它是一个64阶的Hadamard方阵,将64阶Hadamard方阵编码的每一行1×64个元素,按列逐渐增加的形式,变型为大小是8×8=64的测量矩阵,最终,64阶Hadamard矩阵拆解为64个8×8大小的测量矩阵,根据测量矩阵的数值分布构成分编码板,其中1,代表允许射线通过,没有填充材料阻隔;-1,代表不允许射线通过,有填充材料阻隔。所以传统的64阶整体编码板,是由64个8×8的分编码板无重合放置而成的方形编码板。每个分编码板的图形是不同的,在用分编码板进行测量时,需要按顺序依次将每个分编码板对准射线源和准直器,射线从射线源产生并经准直器准直后,照射在第一个分编码板上,然后移动整体编码板,第二次测量使射线照射在第二个分编码板上,依此类推,直到完成所有分编码板的测量。
由于这个特点,就使像素数为K^4的整体编码板存在极大的制造难度和制造成本;整体编码板所占空间较大,也限制了射线计算鬼成像仪器的一些应用场景,而且在测量过程中,消耗时间最大的部分就是在编码板的机械移动。
发明内容
本发明的目的就在于提供一种解决上述问题,在不影响使用的前提下,尽可能减少像素、降低编码板的制造难度、制造成本、能缩短测量时间的射线计算鬼成像中编码版压缩方法。
为了实现上述目的,本发明采用的技术方案是这样的:(1)选择一基于N阶Hadamard方阵编码的整体编码板,所述整体编码板由N个分编码板组成,且一个分编码板包含K×K个像素,K为2的幂且K≥2,K×K=N;
(2)将N个分编码板依次标记为C1-CN,预设成像区域、分编码板的移动方向、和单次移动距离,所述成像区域为K×K个像素、所述移动方向为上、下、左或右,单次移动距离为1个像素;
(3)建立一N×N的空白矩阵,其行从左到右依次对应C1-CN,其列从上到下依次对应C1-CN;
(4)构建空白矩阵的第一行元素;
(41)将C1置于成像区域中,按移动方向移动1个像素,此时共(K-1)×K个像素置于成像区域中,形成一(K-1)×K个像素的图形P1,查找所有分编码板中,是否有与P1完全相同的区域,若有,则将空白矩阵第一行对应该分编码板的位置,填写为1;
(42)将C1置于成像区域中,按移动方向再移动1个像素,此时共(K-2)×K个像素置于成像区域中,形成一(K-2)×K个像素的图形P2,找到空白矩阵第一行中剩余的空白位置,得到与空白位置对应的分编码板,查与空白位置对应的分编码板中,是否有与P2完全相同的区域,若有,则将空白矩阵第一行对应该分编码板的位置,填写为2,本次累积移动2个像素;
(43)按照(42)的方法,依次移动分编码板,填写空白矩阵;每次填写的数字为当次累积移动的像素数;直到C1完全移出成像区域,其中,第k次共0个像素置于成像区域中,空白矩阵的剩余空白位置填写为K,此时得到空白矩阵的第一行元素;
(5)按照步骤(4),依次将C2-CN置于成像区域中,得到空白矩阵的第二行到第N行元素,此时形成的矩阵为C1-CN间的移动距离矩阵;
(6)采用单序列切割方法或多通路重构方法得到压缩编码板;
所述单序列切割方法包括(a1)-(a3):
(a1)将N个分编码板作为节点,将移动距离矩阵的元素作为各节点之间的距离,用蚁群算法进行路径规划,求解遍历所有节点的最短路径,将构成该最短路径时分编码板顺序,作为最优化目标进行输出;
(a2)将N个分编码板,按最优化目标排成一行,并在不拆分分编码板的情况下,将相邻分编码板完全相同的区域重叠,重构出一整体长度减少的长条编码板;
(a3)将长条编码板切割,重构成压缩编码板;
所述多通路重构方法包括(b1)-(b6):
(b1)水平放置长条编码板,根据长度和宽度预设其需分为M个分段;
(b2)初始化蚁群算法,将N个分编码板作为节点,将移动距离矩阵的元素作为各节点之间的距离,将蚁群中的所有蚂蚁均分为M份,每份P只,并预设迭代次数;
(b3)将M份蚂蚁随机放置在M个不同的起点,用于形成M个通路,设置通路路径最小值为无穷大,M个起点各出一只蚂蚁构成一组,共P组;
(b4)用蚁群算法进行路径规划,一组蚂蚁共同完成遍历所有节点任务,记录该组中单只蚂蚁的最大距离,则第一组到第P组中单只蚂蚁的最大距离分别标记为L1MAX-LPMAX,找到L1MAX-LPMAX中的最小值,记录该最小值所在组的路径;
(b5)用最小值所在组的路径,更新蚁群算法的信息素浓度,重复步骤(b3)-(b4),直到完成迭代,得到最终路径;
(b6)在最终路径中,按第一只蚂蚁经过的节点顺序排列分编码板,作为压缩编码板的第一行;并按按第二只蚂蚁到第M只蚂蚁经过的节点顺序排列分编码板,作为压缩编码板的第二行到第M行,得到压缩编码板。
作为优选:所述步骤(1)中,整体编码板和分编码板的关系为:
根据整体编码板的大小,生成一N阶Hadamard方阵,将N阶Hadamard方阵编码的每一行1×N个元素,变型为K×K的测量矩阵,共N个测量矩阵,根据每个测量矩阵的数值分布构成一分编码板,共N个分编码板。
作为优选:所述步骤(a3)具体为:
(S1)水平放置长条编码板,根据其长度和宽度预设M-1个初始分割点,能将其分为M个长度为L个像素的分段,并在长条编码板上边沿建立坐标轴,第S个初始分割点位坐标为NS,S=2~(M-1),预设N1=L,预设一允许误差,长度为J;
(S2)根据第一个初始分割点确定其对应的待分割区域A1=[N1-J,N1+J];
(S3)在待分割区域A1中,标记出所有待选分割点,所述待选分割点位于相邻两个分编码板的起始位置和结束位置,初筛待选分割点,若沿该点切割后无法得到一块完整的分编码板,则排除,将剩余的待选分割点构成一集合B1;
(S4)对集合B1中的一个待选分割点,确定其左、右两侧的分编码板分别为Ci和Cj,查找移动距离矩阵中的第i行第j列的值,作为该待选分割点的对应值,其中i=1~N,j=1~N;
(S5)按(S4)的方法,得到集合B1中所有待选分割点的对应值,选对应值最小的待选分割点作为理想分割点,若多个待选分割点的对应值均最小,则选取离N1最近作为理想分割点,得到第一个分段的理想分割点,其坐标标记为N’1,该理想分割点后剩余的长条编码板为剩余分割区域;
(S6)确定下一个初始分割点NS的位置,NS=N’S-1+L,S=2~(M-1),其对应的待分割区域为AS=[NS-J,NS+J],对比AS与剩余分割区域的大小:
若AS≥剩余分割区域,则至步骤(S7);
若AS<剩余分割区域,则至步骤(S9);
(S7)按照(S3)-(S6)的方法,依次得到第2~第M-1个理想分割点的坐标N’2~N’M-1;
(S8)判断第M-1个理想分割点的位置,是否位于长条编码板上,若是:则按理想分割点将长条编码板进行切割,否则至步骤(S9);
(S9)调整J的值,按照(S2)-(S7)重新进行分割,直到满足(S8);
(S10)将第二个分段、到第M个分段,与第一个分段的一端对齐,并以此水平排列在第一个分段下方,构成一压缩编码板。
本发明思路为:
(1)把未压缩的原始编码板称为整体编码板,该整体编码板本身是由N个K×K大小的分编码板无重合的拼接而成,分编码板与整体编码板的关系为:将整体编码板对应的N阶Hadamard方阵中,每一行元素变型成的K×K大小的测量矩阵,而根据测量矩阵的数值分布构成的编码板,称之为分编码板。
(2)本发明直接根据分编码板进行计算,构建出一移动距离矩阵。该移动距离矩阵中,第i行第j列的元素值可以表示Ci号编码板移动几次后残留在成像区域中的图形,与Cj号编码板中有完全相同的区域,移动次数×单次移动距离,则为Ci移动至与Cj有完全相同区域所需最短单次移动距离。
(3)将C1-CN作为节点,移动距离矩阵中的对应数据作为个节点间的距离,采用蚁群算法进行路径规划,得到一组节点的排列顺序,该顺序构成的路径,基本满足遍历各节点的最短路径;在进行蚁群算法进行路径规划时,又分为两种思路:
思路1:直接采用单通路的蚁群算法进行路径规划,得到一组节点的排列顺序,直接按该顺序,将C1-CN排成一长排,形成长条状,这个排序能让相似度更高的分编码板挨在一起,也就是有相同区域的分编码板挨在一起,该相同区域能与前一个分编码板的一部分形成一个完整的分编码板,又能与后一个分编码板的一部分形成另一个完整的分编码板。因此,相邻分编码板间相同区域只制造一次,重复利用,最终缩短了长条编码板的整体长度。再对长条编码板进行拆分,拆分成几段以后,将这几段拼接在一起。
在对长条编码板进行拆分时,选择合适的分割点至关重要,经过分析,最佳分割点因符合如下三条标准:
第一:保证每个分段的整体长度保持大体一致。
第二:分割点的选取要避免破坏测量板的整体性。需要分割点取在一块分编码板结束的位置,以避免为了完整测量所需要的不必要的补充像素操作。
第三:分割点索取应该在区域相似性低的编码板之间,这样才能完美发挥出压缩编码板对像素减少效果。
思路2:采用多通路的蚁群算法:预先就根据长条编码板的长度和宽度预设其需分为M个分段,然后将蚁群中的所有蚂蚁均分为M份,用于放置在M个不同的起点,形成M个通路,蚂蚁随机从M个起点出发合力完成全节点的遍历;本方法直接在蚁群算法中增加限制参数,将每个通路的通路路径最小值设为无穷大,也就是不必去限定蚂蚁行走的最短距离。最终通过两端逼近的方式,在不断的迭代优化过程,逐步实现多通路总路径的最小优化目标。
得到最小的优化目标后,该目标中,每个通路中蚂蚁经过的节点顺序,就是其对应分段中分编码板的排列顺序,例如,按第一只蚂蚁经过的节点顺序排列分编码板,作为压缩编码板的第一行;依次类推,按第二只蚂蚁到第M只蚂蚁经过的节点顺序排列分编码板,作为压缩编码板的第二行到第M行,最终得到压缩编码板。该方法由于根据M个分段预设M个通路,所以无需再进行切割。
移动距离矩阵的目的是:体现各分编码板间的区间相似性的相似程度,为后面使用蚁群求解最优的排序方式,提供依据。
蚁群算法的目的是:基于移动距离矩阵进行路径规划,求解出一最短路径,再去找该最短路径中分编码板的排列顺序,按该顺序排列最终实现像素的压缩。
与现有技术相比,本发明的优点在于:利用Hadamard矩阵编码间区域相似性,重新排列分编码板的顺序,使具有相同区域的分编码板排列在一起,并使相同区域重叠,重复利用相同区域的像素,减来整体编码板的尺寸和机械移动的距离,同时降低编码板的制造难度、制造成本。
本发明中得到的重排顺序,是基于移动距离矩阵和蚁群算法得到的。移动距离矩阵能体现各分编码板的相似程度,数字越小,相似度越高,如果组合在一起,则共用的重复区域越大。
本着充分重复利用像素的原则,本发明通过蚁群算法进行路径规划,适当的排布这些分编码板,且重排后,按移动顺序能复用的区域进行重叠,最终形成的整体,具有分编码板图形完整、整体像素数最少的特点。由于像素的减少,相当于对整体编码板进行了压缩,就形成了本发明的压缩编码板,所以本发明能够很好地实现高相似性区域的编码板间的压缩,对编码板进行重构。
附图说明
图1为本发明流程图;
图2为本发明以C1举例移动分编码板的示意图;
图3为实施例2中步骤(a2)中,两个相邻分编码板完全相同的区域重叠示意图;
图4为实施例2中待分割区域A1的示意图;
图5为图4中待分割区域A1的放大图;
图6为实施例4中的16阶整体编码板的形状示意图;
图7为图6形状对应的编码分布图;
图8为实施例4得到的移动距离矩阵;
图9为实施例4得到的长条编码板的形状示意图;
图10为图9形状对应的编码分布图;
图11为多通路重构方法得到的压缩编码板的形状示意图;
图12为图11形状对应的编码分布图;
图13为实施例5中压缩编码板与整体编码板的像素数对比图。
具体实施方式
下面将结合附图对本发明作进一步说明。
实施例1:参见图1-图2,一种射线计算鬼成像中编码版压缩方法,包括以下步骤;
(1)选择一基于N阶Hadamard方阵编码的整体编码板,所述整体编码板由N个分编码板组成,且一个分编码板包含K×K个像素,K为2的幂且K≥2,K×K=N;
(2)将N个分编码板依次标记为C1-CN,预设成像区域、分编码板的移动方向、和单次移动距离,所述成像区域为K×K个像素、所述移动方向为上、下、左或右,单次移动距离为1个像素;
(3)建立一N×N的空白矩阵,其行从左到右依次对应C1-CN,其列从上到下依次对应C1-CN;
(4)构建空白矩阵的第一行元素;
(41)将C1置于成像区域中,按移动方向移动1个像素,此时共(K-1)×K个像素置于成像区域中,形成一(K-1)×K个像素的图形P1,查找所有分编码板中,是否有与P1完全相同的区域,若有,则将空白矩阵第一行对应该分编码板的位置,填写为1;
(42)将C1置于成像区域中,按移动方向再移动1个像素,此时共(K-2)×K个像素置于成像区域中,形成一(K-2)×K个像素的图形P2,找到空白矩阵第一行中剩余的空白位置,得到与空白位置对应的分编码板,查与空白位置对应的分编码板中,是否有与P2完全相同的区域,若有,则将空白矩阵第一行对应该分编码板的位置,填写为2,本次累积移动2个像素;
(43)按照(42)的方法,依次移动分编码板,填写空白矩阵;每次填写的数字为当次累积移动的像素数;直到C1完全移出成像区域,其中,第k次共0个像素置于成像区域中,空白矩阵的剩余空白位置填写为K,此时得到空白矩阵的第一行元素;
(5)按照步骤(4),依次将C2-CN置于成像区域中,得到空白矩阵的第二行到第N行元素,此时形成的矩阵为C1-CN间的移动距离矩阵;
(6)采用单序列切割方法或多通路重构方法得到压缩编码板;
所述单序列切割方法包括(a1)-(a3):
(a1)将N个分编码板作为节点,将移动距离矩阵的元素作为各节点之间的距离,用蚁群算法进行路径规划,求解遍历所有节点的最短路径,将构成该最短路径时分编码板顺序,作为最优化目标进行输出;
(a2)将N个分编码板,按最优化目标排成一行,并在不拆分分编码板的情况下,将相邻分编码板完全相同的区域重叠,重构出一整体长度减少的长条编码板;
(a3)将长条编码板切割,重构成压缩编码板;
所述多通路重构方法包括(b1)-(b6):
(b1)水平放置长条编码板,根据长度和宽度预设其需分为M个分段;
(b2)初始化蚁群算法,将N个分编码板作为节点,将移动距离矩阵的元素作为各节点之间的距离,将蚁群中的所有蚂蚁均分为M份,每份P只,并预设迭代次数;
(b3)将M份蚂蚁随机放置在M个不同的起点,用于形成M个通路,设置通路路径最小值为无穷大,M个起点各出一只蚂蚁构成一组,共P组;
(b4)用蚁群算法进行路径规划,一组蚂蚁共同完成遍历所有节点任务,记录该组中单只蚂蚁的最大距离,则第一组到第P组中单只蚂蚁的最大距离分别标记为L1MAX-LPMAX,找到L1MAX-LPMAX中的最小值,记录该最小值所在组的路径;
(b5)用最小值所在组的路径,更新蚁群算法的信息素浓度,重复步骤(b3)-(b4),直到完成迭代,得到最终路径;
(b6)在最终路径中,按第一只蚂蚁经过的节点顺序排列分编码板,作为压缩编码板的第一行;并按按第二只蚂蚁到第M只蚂蚁经过的节点顺序排列分编码板,作为压缩编码板的第二行到第M行,得到压缩编码板。
本实施例中:所述步骤(1)中,整体编码板和分编码板的关系为:
根据整体编码板的大小,生成一N阶Hadamard方阵,将N阶Hadamard方阵编码的每一行1×N个元素,变型为K×K的测量矩阵,共N个测量矩阵,根据每个测量矩阵的数值分布构成一分编码板,共N个分编码板。
所述步骤(a3)具体为:
(S1)水平放置长条编码板,根据其长度和宽度预设M-1个初始分割点,能将其分为M个长度为L个像素的分段,并在长条编码板上边沿建立坐标轴,第S个初始分割点位坐标为NS,S=2~(M-1),预设N1=L,预设一允许误差,长度为J;
(S2)根据第一个初始分割点确定其对应的待分割区域A1=[N1-J,N1+J];
(S3)在待分割区域A1中,标记出所有待选分割点,所述待选分割点位于相邻两个分编码板的起始位置和结束位置,初筛待选分割点,若沿该点切割后无法得到一块完整的分编码板,则排除,将剩余的待选分割点构成一集合B1;
(S4)对集合B1中的一个待选分割点,确定其左、右两侧的分编码板分别为Ci和Cj,查找移动距离矩阵中的第i行第j列的值,作为该待选分割点的对应值,其中i=1~N,j=1~N;
(S5)按(S4)的方法,得到集合B1中所有待选分割点的对应值,选对应值最小的待选分割点作为理想分割点,若多个待选分割点的对应值均最小,则选取离N1最近作为理想分割点,得到第一个分段的理想分割点,其坐标标记为N’1,该理想分割点后剩余的长条编码板为剩余分割区域;
(S6)确定下一个初始分割点NS的位置,NS=N’S-1+L,S=2~(M-1),其对应的待分割区域为AS=[NS-J,NS+J],对比AS与剩余分割区域的大小:
若AS≥剩余分割区域,则至步骤(S7);
若AS<剩余分割区域,则至步骤(S9);
(S7)按照(S3)-(S6)的方法,依次得到第2~第M-1个理想分割点的坐标N’2~N’M-1;
(S8)判断第M-1个理想分割点的位置,是否位于长条编码板上,若是:则按理想分割点将长条编码板进行切割,否则至步骤(S9);
(S9)调整J的值,按照(S2)-(S7)重新进行分割,直到满足(S8);
(S10)将第二个分段、到第M个分段,与第一个分段的一端对齐,并以此水平排列在第一个分段下方,构成一压缩编码板。
实施例2:参见图1到图5,为了方便描述,本发明用一个小点的整体编码板来举例,方法如下:
(1)整体编码板基于64阶Hadamard方阵编码而成,该64阶Hadamard方阵编码,有64行,每行1×64个元素,变型为8×8的测量矩阵,共64个测量矩阵,根据每个测量矩阵的数值分布构成一分编码板,共64个分编码板;
(2)将64个分编码板依次标记为C1-C64,预设成像区域、分编码板的移动方向、和单次移动距离,所述成像区域为8×8个像素、本实施例中,移动方向为左,单次移动距离为1个像素;
(3)建立一64×64的空白矩阵,其行从左到右依次对应C1-C64,其列从上到下依次对应C1-C64;
(4)构建空白矩阵的第一行元素,参见图2;
(41)将C1置于成像区域中,按移动方向移动1个像素,此时共7×8个像素置于成像区域中,形成一7×8个像素的图形P1,查找所有分编码板中,是否有与P1完全相同的区域,若有,则将空白矩阵第一行对应该分编码板的位置,填写为1;假设本次,C7、C12、C36有与P1完全相同的区域,则在空白矩阵第一行的第7、12、36列,填1;
(42)将C1置于成像区域中,按移动方向移动1个像素,此时共6×8个像素置于成像区域中,形成一6×8个像素的图形P2,在空白矩阵第一行中排除第7、12、36列这三个位置,还剩64-3=61个空白位置,找到这61个空白位置对应的分编码板中,是否有与P2完全相同的区域,若有,则将空白矩阵第一行对应该分编码板的位置,填写为2,本次累积移动2个像素;假设本次为C24、C33、C45有P2完全相同的区域,就在空白矩阵第一行的第24、33、45列,填2;
(43)按照(42)的方法,依次移动分编码板,填写空白矩阵;第三次只需要找64-6=58个分编码板去对比,有完全相同的区域则空白矩阵对应位置填3,表示对于图形P3,由C1变换成某一分编码板所需要移动的最小距离为3;依次类推,最终第八次,C1完全移出成像区域,空白矩阵的剩余空白位置填写为8,表示对于图形P8,由C1变换成某一分编码板所需要移动的最小距离为8,此时空白矩阵的第一行元素就构建完成。
(5)按照步骤(4),依次将C2-C64置于成像区域中,得到空白矩阵的第二行到第64行元素,此时形成的矩阵为C1-C64间的移动距离矩阵,且该移动距离矩阵中。
(6)采用单序列切割方法或多通路重构方法得到压缩编码板,本实施例为单序列切割方法:
(a1)将64个分编码板作为节点,将移动距离矩阵的元素作为各节点之间的距离,用蚁群算法进行路径规划,求解遍历所有节点的最短路径,将构成该最短路径时分编码板顺序,作为最优化目标进行输出;假设此时最优化目标的顺序为:C32、C41、C7……C45、C64;
(a2)将64块分编码板按C32、C41、C7……C45、C6的顺序排列成一行,此时,C32、C41相邻,C32、C41的分编码板如图3所示,箭头左边从左到右依次为C32、C41,图3中虚线区域,表示它们二者间完全相同的区域。在不拆分分编码板的情况下,将相邻分编码板完全相同的区域重叠,重构出一整体长度减少的长条编码板,如图3箭头右侧所示,这样,就将2个8行8列的分编码板,拼接成了1个8行12列的压缩板。在最终利用本发明进行鬼成像的时候,先利用前8行8列,完成一次采集,再利用后8行8列,完成一次采集。
(a3)将长条编码板切割,重构成压缩编码板;具体包括(S1)-(S10);
(S1)水平放置长条编码板,根据其长度和宽度预设M-1个初始分割点,能将其分为M个长度为L个像素的分段,并在长条编码板上边沿建立坐标轴,第S个初始分割点位坐标为NS,S=2~(M-1),预设N1=L,预设一允许误差,长度为J;
(S2)根据N1确定其对应的待分割区域A1=[N1-J,N1+J];步骤(S1)(S2)见图4;为了更好的说明该步骤,我们将图4中[N1-J,N1+J]这段区域放大,如图5所示,且图5中,每个虚线框表示一个分编码板,从图5中可以看出,一共3块编码板,其中前两块有重叠区域;
(S3)在待分割区域A中,N1表示第1个初始分割点的位置,我们还需要标记出所有的待选分割点,所述待选分割点位于相邻两个分编码板的起始位置和结束位置,如图5所示,满足该标准的有待选分割点有B1、B2、B3,初筛待选分割点,若沿该点切割后无法得到一块完整的分编码板,则排除,图5中,B1点无法保证左侧第一块分编码板的完整,故排除,则集合B中只有B2、B3点;
(S4)对点B2,确定其左右两侧的分编码板,在图5中为第一个虚线框和第二个虚线框,分别标记第一个虚线框和第二个虚线框对应的分编码板为Ci和Cj,去移动距离矩阵中查找第i行第j列的值为3;
(S5)对点B3,它两侧的分编码板为图5中第二个虚线框和第三个虚线框所示,两者不重叠,变换时在移动距离矩阵中查找的值为=8,B2对应值最小且离N1最近,故作为理想分割点,得到第一个分段的理想分割点,该理想分割点后剩余的长条编码板为剩余分割区域;
(S6)确定下一个初始分割点NS的位置,NS=N’S-1+L,S=2~(M-1),,其对应的待分割区域AS=[NS-J,NS+J];对比AS与剩余分割区域的大小:
若AS≥剩余分割区域,则至步骤(S7);
若AS<剩余分割区域,则至步骤(S9);
(S7)按照(S3)-(S6)的方法,得到第2~第M-1个理想分割点的坐标N’2~N’M-1;
(S8)判断第M-1个理想分割点的位置,是否位于长条编码板上,若是:则按理想分割点将长条编码板进行切割,否则至步骤(S9);
(S9)调整J的值,按照(S2)-(S7)重新进行分割,直到满足(S8);
(S10)将第二个分段、到第M个分段,与第一个分段的一端对齐,并以此水平排列在第一个分段下方,构成一压缩编码板。
实施例3:参见图1到图5,该实施例步骤(1)-(5),同实施例2中步骤(1)-(5)。本实施例步骤(6)如下:
(6)采用多通路重构方法得到压缩编码板,包括(b1)-(b6):
(b1)水平放置长条编码板,根据长度和宽度预设其需分为M个分段;
(b2)初始化蚁群算法,将N个分编码板作为节点,将移动距离矩阵的元素作为各节点之间的距离,将蚁群中的所有蚂蚁均分为M份,每份P只,并预设迭代次数;
(b3)将M份蚂蚁随机放置在M个不同的起点,用于形成M个通路,设置通路路径最小值为无穷大,M个起点各出一只蚂蚁构成一组,共P组;
(b4)用蚁群算法进行路径规划,一组蚂蚁共同完成遍历所有节点任务,记录该组中单只蚂蚁的最大距离,则第一组到第P组中单只蚂蚁的最大距离分别标记为L1MAX-LPMAX,找到L1MAX-LPMAX中的最小值,记录该最小值所在组的路径;
(b5)用最小值所在组的路径,更新蚁群算法的信息素浓度,重复步骤(b3)-(b4),直到完成迭代,得到一最终路径;
(b6)在最终路径中,按第一只蚂蚁经过的节点顺序排列分编码板,作为压缩编码板的第一行;并按按第二只蚂蚁到第M只蚂蚁经过的节点顺序排列分编码板,作为压缩编码板的第二行到第M行,得到压缩编码板。
实施例4:参见图6到图12,在实施例1-3的基础上,我们给出一个实际的整体编码板例子,并对其按本发明方法进行改进,得到压缩编码板。
(1)选择一基于16阶Hadamard方阵编码的整体编码板,由16个分编码板组成,且一个分编码板包含4×4个像素;整体编码板参见图6,它对应的编码分布情况见图7,其中负1代表编码板对应区域有填充材料,在图9中为黑色区域,1代表无填充,在图9中为白色区域。
(2)16个分编码板依次标记为C1-C16,预设成像区域为4×4个像素、分编码板的移动方向为左、单次移动距离为1个像素,所述成像区域为4×4个像素;
(3)建立一16×16的空白矩阵,其行从左到右依次对应C1-C16,其列从上到下依次对应C1-C16;
(4)同实施例1;
(5)同实施例1,最终得到本实施例对应的移动距离矩阵,如图8;
(6)采用单序列切割方法或多通路重构方法得到压缩编码板;
其中,单序列切割方法的最优化目标为一组分编码板顺序,相邻两编码板对应在移动距离矩阵中的值可以对应图8查到,则最优化目标及相邻分编码板对应在移动距离矩阵中的值参见下表1:
表1:最优化目标及相邻分编码板对应在移动距离矩阵中的值
按最优化目标,将16个编码板排成一行,重构出一整体长度减少的长条编码板,参见图9,其中负1代表编码板对应区域有填充材料,在图9中为黑色区域,1代表没有填充,在图9中为白色区域。再将长条编码板切割、重构成压缩编码板。
在切割时,根据本实施例中长条编码板的长度和宽度,我们预设3个分段,则M=3,L取值为11,误差长度J取值为2;最终根据分割点选取算法得到分段点并进行分段,其各段的分编码板排列方式见下表2:
表2:单序列切割方法得到的压缩编码板中各分编码板排列方式
第一行 | C<sub>15</sub> | C<sub>11</sub> | C<sub>3</sub> | C<sub>6</sub> |
第二行 | C<sub>14</sub> | C<sub>10</sub> | C<sub>2</sub> | C<sub>8</sub> |
第三行 | C<sub>16</sub> | C<sub>12</sub> | C<sub>4</sub> | C<sub>5</sub> |
采用多通路重构方法得到压缩编码板时,得到长条编码板的方式与单序列切割方法相同,参见图9,还包括下列步骤:
(b1)根据长条编码板的长度和宽度预设其需分为3个分段;
(b2)将16个分编码板作为节点,将移动距离矩阵的元素作为各节点之间的距离,将蚁群中的所有蚂蚁均分为3份,每份P只,并预设迭代次数;
(b3)中,将3份蚂蚁随机放置在3个不同的起点,用于形成3个通路,设置通路路径最小值为无穷大,3个起点各出一只蚂蚁构成一组,共P组;
(b4)-(b6),同实施例1,得到压缩编码板,该压缩编码板三行压缩编码板中的排列方式同上表2,最终压缩编码板的示意图参见图11、图12。
图6的整体编码板像素数为16×(4×4)=256,而压缩编码板像素数为12×11=132,减少46.8%的像素数。
实施例5:基于本发明的方法,我们针对32阶的整体编码板,共包含1024个分编码板,使用本发明单序列切割方法得到的压缩编码板,其与未压缩前的整体编码板的像素数对比结果如图13所示。
压缩编码板相较于传统排序的整体编码板可以减少46.8%的像素数,极大的减少了制造成本和制造成本。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种射线计算鬼成像中编码版压缩方法,其特征在于:包括以下步骤;
(1)选择一基于N阶Hadamard方阵编码的整体编码板,所述整体编码板由N个分编码板组成,且一个分编码板包含K×K个像素,K为2的幂且K≥2,K×K=N;
(2)将N个分编码板依次标记为C1-CN,预设成像区域、分编码板的移动方向、和单次移动距离,所述成像区域为K×K个像素、所述移动方向为上、下、左或右,单次移动距离为1个像素;
(3)建立一N×N的空白矩阵,其行从左到右依次对应C1-CN,其列从上到下依次对应C1-CN;
(4)构建空白矩阵的第一行元素;
(41)将C1置于成像区域中,按移动方向移动1个像素,此时共(K-1)×K个像素置于成像区域中,形成一(K-1)×K个像素的图形P1,查找所有分编码板中,是否有与P1完全相同的区域,若有,则将空白矩阵第一行对应该分编码板的位置,填写为1;
(42)将C1置于成像区域中,按移动方向再移动1个像素,此时共(K-2)×K个像素置于成像区域中,形成一(K-2)×K个像素的图形P2,找到空白矩阵第一行中剩余的空白位置,得到与空白位置对应的分编码板,查与空白位置对应的分编码板中,是否有与P2完全相同的区域,若有,则将空白矩阵第一行对应该分编码板的位置,填写为2,本次累积移动2个像素;
(43)按照(42)的方法,依次移动分编码板,填写空白矩阵;每次填写的数字为当次累积移动的像素数;直到C1完全移出成像区域,其中,第k次共0个像素置于成像区域中,空白矩阵的剩余空白位置填写为K,此时得到空白矩阵的第一行元素;
(5)按照步骤(4),依次将C2-CN置于成像区域中,得到空白矩阵的第二行到第N行元素,此时形成的矩阵为C1-CN间的移动距离矩阵;
(6)采用单序列切割方法或多通路重构方法得到压缩编码板;
所述单序列切割方法包括(a1)-(a3):
(a1)将N个分编码板作为节点,将移动距离矩阵的元素作为各节点之间的距离,用蚁群算法进行路径规划,求解遍历所有节点的最短路径,将构成该最短路径时分编码板顺序,作为最优化目标进行输出;
(a2)将N个分编码板,按最优化目标排成一行,并在不拆分分编码板的情况下,将相邻分编码板完全相同的区域重叠,重构出一整体长度减少的长条编码板;
(a3)将长条编码板切割,重构成压缩编码板;
所述多通路重构方法包括(b1)-(b6):
(b1)水平放置长条编码板,根据长度和宽度预设其需分为M个分段;
(b2)初始化蚁群算法,将N个分编码板作为节点,将移动距离矩阵的元素作为各节点之间的距离,将蚁群中的所有蚂蚁均分为M份,每份P只,并预设迭代次数;
(b3)将M份蚂蚁随机放置在M个不同的起点,用于形成M个通路,设置通路路径最小值为无穷大,M个起点各出一只蚂蚁构成一组,共P组;
(b4)用蚁群算法进行路径规划,一组蚂蚁共同完成遍历所有节点任务,记录该组中单只蚂蚁的最大距离,则第一组到第P组中单只蚂蚁的最大距离分别标记为L1MAX-LPMAX,找到L1MAX-LPMAX中的最小值,记录该最小值所在组的路径;
(b5)用最小值所在组的路径,更新蚁群算法的信息素浓度,重复步骤(b3)-(b4),直到完成迭代,得到最终路径;
(b6)在最终路径中,按第一只蚂蚁经过的节点顺序排列分编码板,作为压缩编码板的第一行;并按按第二只蚂蚁到第M只蚂蚁经过的节点顺序排列分编码板,作为压缩编码板的第二行到第M行,得到压缩编码板。
2.根据权利要求1所述的射线计算鬼成像中编码版压缩方法,其特征在于:所述步骤(1)中,整体编码板和分编码板的关系为:
根据整体编码板的大小,生成一N阶Hadamard方阵,将N阶Hadamard方阵编码的每一行1×N个元素,变型为K×K的测量矩阵,共N个测量矩阵,根据每个测量矩阵的数值分布构成一分编码板,共N个分编码板。
3.根据权利要求1所述的射线计算鬼成像中编码版压缩方法,其特征在于:所述步骤(a3)具体为:
(S1)水平放置长条编码板,根据其长度和宽度预设M-1个初始分割点,能将其分为M个长度为L个像素的分段,并在长条编码板上边沿建立坐标轴,第S个初始分割点位坐标为NS,S=2~(M-1),预设N1=L,预设一允许误差,长度为J;
(S2)根据第一个初始分割点确定其对应的待分割区域A1=[N1-J,N1+J];
(S3)在待分割区域A1中,标记出所有待选分割点,所述待选分割点位于相邻两个分编码板的起始位置和结束位置,初筛待选分割点,若沿该点切割后无法得到一块完整的分编码板,则排除,将剩余的待选分割点构成一集合B1;
(S4)对集合B1中的一个待选分割点,确定其左、右两侧的分编码板分别为Ci和Cj,查找移动距离矩阵中的第i行第j列的值,作为该待选分割点的对应值,其中i=1~N,j=1~N;
(S5)按(S4)的方法,得到集合B1中所有待选分割点的对应值,选对应值最小的待选分割点作为理想分割点,若多个待选分割点的对应值均最小,则选取离N1最近作为理想分割点,得到第一个分段的理想分割点,其坐标标记为N’ 1,该理想分割点后剩余的长条编码板为剩余分割区域;
(S6)确定下一个初始分割点NS的位置,NS=N’ S-1+L,S=2~(M-1),其对应的待分割区域为AS=[NS-J,NS+J],对比AS与剩余分割区域的大小:
若AS≥剩余分割区域,则至步骤(S7);
若AS<剩余分割区域,则至步骤(S9);
(S7)按照(S3)-(S6)的方法,依次得到第2~第M-1个理想分割点的坐标N’ 2~N’ M-1;
(S8)判断第M-1个理想分割点的位置,是否位于长条编码板上,若是:则按理想分割点将长条编码板进行切割,否则至步骤(S9);
(S9)调整J的值,按照(S2)-(S7)重新进行分割,直到满足(S8);
(S10)将第二个分段、到第M个分段,与第一个分段的一端对齐,并以此水平排列在第一个分段下方,构成一压缩编码板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111434754.4A CN114067011B (zh) | 2021-11-29 | 2021-11-29 | 射线计算鬼成像中编码板压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111434754.4A CN114067011B (zh) | 2021-11-29 | 2021-11-29 | 射线计算鬼成像中编码板压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114067011A true CN114067011A (zh) | 2022-02-18 |
CN114067011B CN114067011B (zh) | 2023-02-28 |
Family
ID=80277304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111434754.4A Active CN114067011B (zh) | 2021-11-29 | 2021-11-29 | 射线计算鬼成像中编码板压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114067011B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114690236A (zh) * | 2022-06-01 | 2022-07-01 | 成都理工大学 | 针对束流强度分布的快速鬼成像方法 |
CN115567102A (zh) * | 2022-09-23 | 2023-01-03 | 中国联合网络通信集团有限公司 | 衰减确定方法、装置、设备及存储介质 |
CN115955250A (zh) * | 2023-03-14 | 2023-04-11 | 燕山大学 | 一种高校科研数据采集管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080230707A1 (en) * | 2007-03-23 | 2008-09-25 | Verista Imaging, Inc. | High resolution near-field imaging method and apparatus |
CN110319790A (zh) * | 2019-04-23 | 2019-10-11 | 首都师范大学 | 一种基于彩色散斑场的全彩色计算鬼成像方法 |
CN111130556A (zh) * | 2019-12-25 | 2020-05-08 | 北京航天控制仪器研究所 | 一种对Hadamard测量基进行排序的方法 |
-
2021
- 2021-11-29 CN CN202111434754.4A patent/CN114067011B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080230707A1 (en) * | 2007-03-23 | 2008-09-25 | Verista Imaging, Inc. | High resolution near-field imaging method and apparatus |
CN110319790A (zh) * | 2019-04-23 | 2019-10-11 | 首都师范大学 | 一种基于彩色散斑场的全彩色计算鬼成像方法 |
CN111130556A (zh) * | 2019-12-25 | 2020-05-08 | 北京航天控制仪器研究所 | 一种对Hadamard测量基进行排序的方法 |
Non-Patent Citations (5)
Title |
---|
严海月等: "基于成像变换测量矩阵的太赫兹关联成像", 《中国激光》 * |
张海薇等: "溴化镧闪烁体探测器性能及应用研究(英文)", 《光谱学与光谱分析》 * |
杨照华等: "基于阈值分割的并行压缩鬼成像方法", 《光学技术》 * |
王肖霞 等: "基于多散斑图组合-调制的鬼成像优化方法", 《光子学报》 * |
闫昱琪等: "太赫兹主动关联成像技术研究", 《中国激光》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114690236A (zh) * | 2022-06-01 | 2022-07-01 | 成都理工大学 | 针对束流强度分布的快速鬼成像方法 |
CN114690236B (zh) * | 2022-06-01 | 2022-08-02 | 成都理工大学 | 针对束流强度分布的快速鬼成像方法 |
CN115567102A (zh) * | 2022-09-23 | 2023-01-03 | 中国联合网络通信集团有限公司 | 衰减确定方法、装置、设备及存储介质 |
CN115567102B (zh) * | 2022-09-23 | 2024-06-11 | 中国联合网络通信集团有限公司 | 衰减确定方法、装置、设备及存储介质 |
CN115955250A (zh) * | 2023-03-14 | 2023-04-11 | 燕山大学 | 一种高校科研数据采集管理系统 |
CN115955250B (zh) * | 2023-03-14 | 2023-05-12 | 燕山大学 | 一种高校科研数据采集管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114067011B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114067011B (zh) | 射线计算鬼成像中编码板压缩方法 | |
Yu et al. | Width & depth pruning for vision transformers | |
CN103415870B (zh) | 测量场景中的深度值的方法 | |
US7916932B2 (en) | Method and system of structural light-based 3D depth imaging using signal separation coding and error correction thereof | |
CN111926065B (zh) | 一种高效的核酸检测和基因测序方法及其装置 | |
US11092670B2 (en) | Signal compression method, signal compression apparatus, vehicle, and light detection and ranging (LIDAR) system | |
DE102005053733B4 (de) | System zum Erfassen einer absoluten Position in zwei Dimensionen unter Verwendung eines Zielmusters | |
CN111047681A (zh) | 基于深度学习的单像素三维端到端重建方法及装置 | |
CN111652059B (zh) | 基于计算鬼成像的目标识别模型构建、识别方法及装置 | |
CN109946753B (zh) | 基于低阶Hadamard基矢计算鬼成像的编码方法 | |
CN109540023A (zh) | 基于二值网格编码模板结构光的物体表面深度值测量方法 | |
CN117765313A (zh) | 一种基于空间连续视图对比学习的多源遥感图像分类方法 | |
CN110044927B (zh) | 一种空间编码光场对曲面玻璃表面缺陷的检测方法 | |
CN118279272A (zh) | 一种基于改进YOLOv8的钢板表面缺陷检测方法 | |
CN112200264A (zh) | 基于散射复用的高通量免成像分类方法与装置 | |
CN111130556B (zh) | 一种对Hadamard测量基进行排序的方法 | |
CN111579521B (zh) | 一种基于数据选择的太赫兹压缩成像优化方法及系统 | |
CN108564636A (zh) | 一种基于三支决策的荧光目标重建结果后处理方法 | |
CN107133348A (zh) | 大规模图片集中基于语义一致性的近似搜索方法 | |
CN105528623A (zh) | 一种基于地物类别分类冗余字典的成像光谱图像稀疏表示方法 | |
CN111161234B (zh) | 一种离散余弦变换测量基排序方法 | |
CN110868933A (zh) | 相位对比成像方法 | |
Timpu et al. | Laser-Written Waveguide Array Optimized for Individual Control of Trapped Ion Qubits in a Chain | |
CN116266377A (zh) | 基于lstm的岩心图像微观结构三维重建方法 | |
CN112229514B (zh) | 液晶高光谱计算成像系统的三维数据重构方法 |
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 |