CN114549335A - 一种扩展单像素成像的动态范围的方法 - Google Patents
一种扩展单像素成像的动态范围的方法 Download PDFInfo
- Publication number
- CN114549335A CN114549335A CN202111320618.2A CN202111320618A CN114549335A CN 114549335 A CN114549335 A CN 114549335A CN 202111320618 A CN202111320618 A CN 202111320618A CN 114549335 A CN114549335 A CN 114549335A
- Authority
- CN
- China
- Prior art keywords
- bright
- image
- target
- dark
- resolution
- 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.)
- Pending
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 230000006835 compression Effects 0.000 claims abstract description 4
- 238000007906 compression Methods 0.000 claims abstract description 4
- 230000008447 perception Effects 0.000 claims abstract description 3
- 238000005259 measurement Methods 0.000 claims description 8
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000001788 irregular Effects 0.000 abstract description 3
- 238000005070 sampling Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 238000002310 reflectometry Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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 using two or more images, e.g. averaging or subtraction
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种扩展单像素成像的动态范围的方法,首先对目标场景进行低分辨率成像,再根据阈值划分亮暗目标区域,并生成对应区域的投影图案,然后分别使用PIN(低增益)和PMT(高增益)采集亮暗区域的光强信息,利用TVAL3压缩感知算法重构亮暗目标图像,最后融合亮暗目标图像得到目标场景图像。本发明完成了对不规则区域的单像素成像;使用TVAL3作为重构算法,减少了恢复图像背景噪声,同时降低了哈达玛矩阵正交性缺失对重构图像质量的影响;抑制了暗目标被擦除的效应,实现了对暗目标的增强,提高了成像的动态范围,使得单像素成像技术得以实际应用。
Description
技术领域
本发明属于光学成像领域,具体是一种扩展单像素成像的动态范围的方法。
背景技术
单像素成像,亦称鬼成像或关联成像,是一种新型的成像技术,通过不同的 照明图案依次调制目标物体所在的光场,使用没有空间分辨率的单像素传感器 记录一维光强信号,然后根据照明图案和单像素信号的关联性重建物体的图像。 单像素成像技术是量子成像的一种具体形式,基于量子光源实现的非定域性成像。 它最初采用量子纠缠光源实现,后来被证实可以使用经典光源实现。在过去二十 年的发展过程中,其经历了由量子鬼成像到经典鬼成像再到计算式鬼成像的发展 过程。
按照光场调制方式的不同,单像素成像可以分为主动单像素成像和被动单像 素成像。两者的工作机制类似,都是由光源、DMD和单像素传感器组成,只是在 光线依次经过的装置的顺序上有所差别。在主动单像素成像中,调制器放置在光 源前方,光源产生的光束经过调制器后生成调制照明图案,然后照射向物体;在 被动单像素成像中,调制器放置在传感器前方,光线经由物体反射后再通过调制 器调制。相比于传统的成像方法,单像素成像使用较为廉价的单像素探测器替代 像素单元阵列探测器,尤其在非可见光波段可发挥成本优势,并且可以完成非视 域成像和弱光成像等传统相机较难完成的任务。
目前已经提出了各种应用于单像素成像的重建算法,包括差分算法、高阶关 联算法以及压缩感知算法等。压缩感知是近年来提出的一种采样理论,打破了奈 奎斯特采样定理对采样频率的限制,它证明进行少量采样即可重建出稀疏信号。 TVAL3算法是一种广泛应用在单像素成像中的压缩感知重构算法,相比于其它的 重构算法,TVAL3算法需要较少的采样数和较短的运行时间,这对单像素成像是 至关重要的。此外TVAL3算法具有突出的降噪能力,更加适合微光环境中成像, 在光声成像等低信噪比领域有着独特的应用,特别在压缩采样时,可以有效平衡 采样率和图像质量的矛盾。
然而,在光照环境确定时,当场景中不同目标的反射率差异较大时,会导致 较大的亮度差异,亮目标可能主导了TVAL3算法的求解过程,而暗目标由于能量 贡献较低,因此可能被当作噪声抹去了,我们称之为“擦除”效应。在夜间环境 中,这种“擦除”效应的影响尤其明显,例如当场景中同时出现高反射率物体和 低反射率物体时,低反射率目标的重构形态就会不完整,甚至被完全抹去,即使 使用高灵敏的光电倍增管探测也不能恢复低反射率目标的形态,限制了单像素成 像的动态范围。
发明内容
本发明的目的在于提供了一种扩展单像素成像的动态范围的方法,在被动式 单像素测成像系统中,利用双探测器进行自适应分区域测量,有效降低了“擦除 “效应的影响,对暗目标实现了图像增强,扩展了单像素成像的动态范围。
实现本发明目的的技术方案为:一种扩展单像素成像的动态范围的方法,包 括:
对目标场景进行低分辨率成像,根据阈值划分亮暗目标区域,并生成对应区 域的投影图案,分别使用低增益和高增益采集亮暗区域的光强信息,利用TVAL3 压缩感知算法重构亮暗目标图像,融合亮暗目标图像得到目标场景图像。
本发明与现有的技术相比,其显著优点为:(1)完成了对不规则区域的单 像素成像;(2)使用TVAL3作为重构算法,减少了恢复图像背景噪声,同时降 低了哈达玛矩阵正交性缺失对重构图像质量的影响;(3)抑制了暗目标被擦除 的效应,实现了对暗目标的增强,提高了成像的动态范围,使得单像素成像技术 得以实际应用。
下面结合附图对本发明作进一步详细说明。
附图说明
图1为分区域单像素成像系统光路图。
图2为本发明分区域测量算法的流程图。
图3为本发明生成投影图案的示意图。
图4为本发明各流程中的图像。
具体实施方式
一种扩展单像素成像的动态范围的方法,利用被动式单像素成像系统中的 PIN(低增益)行低分辨率预成像;根据给定阈值在低分辨率图像上划分亮暗区域; 利用亮暗区域分别生成对应的投影图案;利用PIN(低增益)和PMT(高增益)分别收 集亮暗区域的光强信息重构图像;融合亮暗区域图像。图1为分区域被动式单像 素成像系统示意图,主要器件有LED光源、数字微镜器件、PIN、PMT、数据采 集卡和计算机。图2为分区域成像过程的流程图,本发明的具体步骤如下:
步骤1,获取场景的低分辨率图像。在分区域单像素成像系统中,为了防止 强光损坏PMT,首先使用PIN进行低分辨率预成像。成像过程如下:LED光源照 亮目标,目标反射光经透镜成像在空间光调制器上;计算机预先生成哈达玛投影 模板,并将其逐帧投放至反射式空间光调制器;利用PIN收集空间光调制器的反 射光,使用TVAL3算法重构图像L(x,y),该计算公式如式(1):
步骤2,利用步骤1重构出低分辨率图像L(x,y)后,根据阈值T对低分辨率 图像场景进行亮暗区域划分。由满足L(x,y)>T的像素组成亮目标区域,其它像 素点组成暗目标区域。这里的阈值T,是使用PIN探测器进行多次实验,根据成 像质量所确定的极限电压值。划分结果可由一个二进制矩阵D(x,y)表示
这里D(x,y)=1的像素构成亮目标区域,D(x,y)=0的像素构成暗目标区域。
步骤3,利用步骤2得到亮暗目标区域划分结果后,在此基础上生成高分辨 率投影图案。如图3所示,展示了亮目标区域高分辨率投影图案的生成方法,暗 目标区域同理。
首先要把低分辨率的划分结果D(x,y)转化为高分辨率的标记矩阵。也就是 说,将N*N分辨率的D(x,y)中每个像素划分为2*2个像素,这样就得到了分辨 率为2N*2N的高分辨率标记矩阵M(X,Y)。上述过程可以表示为:
根据高分辨率标记矩阵,相应的投影图案生成方法如下。先生成大小为 2n*2n(n为满足Kb≤2n条件的最小正整数)的哈达玛矩阵H,从H的左上角选 取大小为Kb*Kb的区域作为测量矩阵C(i,j),1≤i≤Kb,1≤j≤Kb。依次取C(i,j)的 第i行,填入M(X,Y)中值为1的像素中,得到第i个投影图案Pi。这样就得到 了Kb个投影图案P1,P2,…PKb。值得一提的是,为了尽可能降低采样率,所选取 的区域大小为Kb*Kb,这不一定是完整的哈达玛矩阵,由此产生的正交性缺失 导致关联算法重构的图像质量损失严重,但TVAL3算法对此有较好的抑制效果, 这也是选用TVAL3算法进行重构的另一个原因。高分辨率投影图案的生成过程可 以表示为:
这里Pi(X,Y)表示第i个投影图案,C(i,t)表示C中第i行第t个元素的值,参数t满足公式
步骤4,在得到亮目标区域和暗目标区域的高分辨率投影图案后,按照步骤 1,投放亮目标区域的高分辨率投影图案时,使用PIN采集光强信息,利用TVAL3 算法重构出亮目标区域图像Imb(X,Y);投放暗目标区域的高分辨率投影图案时, 使用PMT采集光强信息,利用TVAL3算法重构出暗目标区域图像Imd(X,Y)。由 于亮暗目标区域在空间上没有交集,所以对亮目标区域图像Imb(X,Y)和暗目标 区域图像Imd(X,Y)进行归一化处理,相加后得到融合图像Imf(X,Y),上述过程 可以表示为:
这里min(I)表示图像I中像素值的最小值,max(I)表示图像I中像素值的最大值。
本发明完成了对不规则区域的单像素成像;使用TVAL3作为重构算法,减少 了恢复图像背景噪声,同时降低了哈达玛矩阵正交性缺失对重构图像质量的影响; 抑制了暗目标被擦除的效应,实现了对暗目标的增强,提高了成像的动态范围, 使得单像素成像技术得以实际应用。
系统仿真时,制作了1024*1024分辨率的目标图像(图4(a)),图像中设置 了两个灰度值不同的目标,“X”的灰度值为255,“Y”的灰度值为50。为了模 拟DMD投放图案的效果,将目标图像中每32*32个像素值求和成为一个像素值, 就得到了进行低分辨率成像仿真时所需的输入图像(图4(b));将目标图像中每 16*16个像素求和成为一个像素值,就得到了进行高分辨率成像仿真时所需的输 入图像(图4(c))。为了使仿真更加贴合真实环境,根据信噪比在仿真中添加了 高斯噪声。
仿真流程按图2进行,图4(d)为区域划分的结果,给出了亮区域图像(图 4(e))、暗区域图像(图4(f))和融合图像(图4(g))的仿真结果,同时对比了 单独使用PIN探测成像的结果(图4(h))。可见由于“擦除”效应的影响,单独 使用PIN重构的图像中暗目标“Y”的形态很模糊,甚至缺失了部分信息。但是 在融合图像中,可见使用本发明中的方法可以较好地重构目标图像,尤其对暗目 标的形态恢复地十分完整。
Claims (5)
1.一种扩展单像素成像的动态范围的方法,其特征在于,包括:
对目标场景进行低分辨率成像,根据阈值划分亮暗目标区域,并生成对应区域的投影图案,分别使用低增益和高增益采集亮暗区域的光强信息,利用TVAL3压缩感知算法重构亮暗目标图像,融合亮暗目标图像得到目标场景图像。
4.根据权利要求3所述的方法,其特征在于,生成高分辨率投影图案的具体过程为:将低分辨率成像的划分结果D(x,y)转化为高分辨率的标记矩阵,即将N*N分辨率的D(x,y)中每个像素划分为2*2个像素,得到分辨率为2N*2N的高分辨率标记矩阵M(X,Y),具体表示为:
根据高分辨率标记矩阵,生成相应的投影图案的过程如下:
生成大小为2n*2n的哈达玛矩阵H,n为满足Kb≤2n条件的最小正整数,从H的左上角选取大小为Kb*Kb的区域作为测量矩阵C(i,j),1≤i≤Kb,1≤j≤Kb;依次取C(i,j)的第i行,填入高分辨率标记矩阵M(X,Y)中值为1的像素中,得到第i个投影图案Pi,由此得到Kb个投影图案高分辨率投影图案的生成过程表示为:
Pi(X,Y)表示第i个投影图案,C(i,t)表示C中第i行第t个元素的值,参数t满足公式
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111320618.2A CN114549335A (zh) | 2021-11-09 | 2021-11-09 | 一种扩展单像素成像的动态范围的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111320618.2A CN114549335A (zh) | 2021-11-09 | 2021-11-09 | 一种扩展单像素成像的动态范围的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549335A true CN114549335A (zh) | 2022-05-27 |
Family
ID=81668891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111320618.2A Pending CN114549335A (zh) | 2021-11-09 | 2021-11-09 | 一种扩展单像素成像的动态范围的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549335A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115209060A (zh) * | 2022-07-15 | 2022-10-18 | 长光辰芯比利时有限责任公司 | 高动态范围图像压缩方法、解压缩方法及图像传感器 |
CN115372991A (zh) * | 2022-09-07 | 2022-11-22 | 辽宁大学 | 一种基于压缩感知的光谱超分辨单像素成像方法 |
-
2021
- 2021-11-09 CN CN202111320618.2A patent/CN114549335A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115209060A (zh) * | 2022-07-15 | 2022-10-18 | 长光辰芯比利时有限责任公司 | 高动态范围图像压缩方法、解压缩方法及图像传感器 |
CN115209060B (zh) * | 2022-07-15 | 2024-04-05 | 长光辰芯比利时有限责任公司 | 高动态范围图像压缩方法、解压缩方法及图像传感器 |
CN115372991A (zh) * | 2022-09-07 | 2022-11-22 | 辽宁大学 | 一种基于压缩感知的光谱超分辨单像素成像方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108895985B (zh) | 一种基于单像素探测器的物体定位方法 | |
CN114549335A (zh) | 一种扩展单像素成像的动态范围的方法 | |
Zhao et al. | Unbounded high dynamic range photography using a modulo camera | |
JP7077395B2 (ja) | 多重化高ダイナミックレンジ画像 | |
CN107462932B (zh) | 一种基于光计算的可视化计算鬼成像系统及成像方法 | |
JP2022509034A (ja) | ニューラルネットワークを使用した輝点除去 | |
CN109035282B (zh) | Hadamard编码调制关联成像的阈值处理方法 | |
CN1874499A (zh) | 一种高动态、超分辨率图像重建装置 | |
CN110097634B (zh) | 一种自适应多尺度的三维鬼成像方法 | |
CN111833248B (zh) | 基于部分哈达玛矩阵的超分辨率鬼成像方法及系统 | |
KR101874738B1 (ko) | 영상처리를 이용하여 ldr 영상으로부터 hdr 영상을 생성하는 장치 및 방법 | |
CN109816603A (zh) | 单光子计数成像的图像传感器图像还原方法 | |
Liu et al. | Single-photon camera guided extreme dynamic range imaging | |
CN108007385B (zh) | 一种大视场弹坑表面形貌成像系统及方法 | |
CN112468791B (zh) | 基于单像素探测的光强测量迭代成像方法 | |
CN110708471B (zh) | 一种基于主动照明的ccd自关联成像系统及方法 | |
Shaw et al. | Hdr reconstruction from bracketed exposures and events | |
CN111788824B (zh) | 图像处理设备、成像设备以及图像处理方法 | |
US11758297B2 (en) | Systems, methods, and media for high dynamic range imaging using single-photon and conventional image sensor data | |
JP6826972B2 (ja) | 撮像装置 | |
Hayami et al. | Super-high dynamic range imaging | |
CN113902819A (zh) | 透过散射介质成像的方法、装置、计算机设备和存储介质 | |
CN111582076A (zh) | 一种基于像素运动智能感知的画面冻结检测方法 | |
Singh et al. | Variational approach for intensity domain multi-exposure image fusion | |
JP2020031327A (ja) | レンズレス撮像装置 |
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 |