CN205748636U - 一种光学智能感知多维成像系统 - Google Patents
一种光学智能感知多维成像系统 Download PDFInfo
- Publication number
- CN205748636U CN205748636U CN201520932810.0U CN201520932810U CN205748636U CN 205748636 U CN205748636 U CN 205748636U CN 201520932810 U CN201520932810 U CN 201520932810U CN 205748636 U CN205748636 U CN 205748636U
- Authority
- CN
- China
- Prior art keywords
- polarization
- imaging system
- optics
- intellisense
- space
- 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.)
- Withdrawn - After Issue
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 27
- 230000003287 optical effect Effects 0.000 title claims abstract description 25
- 230000008447 perception Effects 0.000 title abstract description 6
- 230000010287 polarization Effects 0.000 claims abstract description 39
- 238000001228 spectrum Methods 0.000 abstract description 13
- 239000006185 dispersion Substances 0.000 abstract description 12
- 230000010354 integration Effects 0.000 abstract description 3
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 15
- 238000000701 chemical imaging Methods 0.000 description 8
- 238000000034 method Methods 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000004907 flux Effects 0.000 description 3
- 238000004611 spectroscopical analysis Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000009123 feedback regulation Effects 0.000 description 1
- 238000009615 fourier-transform spectroscopy Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Spectrometry And Color Measurement (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本实用新型提供一种光学智能感知多维成像系统,包括依次设置在同一光轴上的前置镜、空间编码模板、色散棱镜、偏振编码阵列以及探测器;前置镜产生一次像面,空间编码模块设置在一次像面处;色散棱镜垂直于光轴进行0°、90°、180°、270°旋转;偏振编码阵列是镀在探测器表面一定距离的偏振编码膜。本实用新型的光学智能感知多维成像系统,能够实现空间、光谱、偏振等多维信息的一体化低数据率低限制智能感知成像与高质量一致图谱重构。
Description
技术领域
本实用新型涉及一种高光谱成像技术,特别是涉及一种新型的计算型高光谱成像技术。
背景技术
新型光学信息获取技术的原理探索与研究一直是光学技术发展的一项重要内容。光谱成像技术是一种集光学、光谱学、精密机械、电子技术及计算机技术等于一体的新型探测技术,在获取目标的光谱特性曲线的同时,还可以获得目标的几何形状信息。另一方面,结合偏振、动态时间变化信息的光谱成像技术,还可以很好地获得目标的形态特征、动态特征等。因此,基于时、空、谱、偏振等信息于一体的光学多维成像是一个新的研究热点。
就光谱成像技术本身来说,常用的光谱成像技术主要有四类:
第一类光谱成像技术是采用滤光片技术以获取不同波段的光谱数据;
第二类光谱成像技术是采用色散技术来获取不同波段的光谱数据;
第三类光谱成像技术是采用傅里叶变换光谱技术通过获取的干涉数据反演目标光谱数据;
第四类光谱成像技术是采用新型数学计算理论通过获取的调制编码数据重构目标光谱数据。
尤其是第四类计算型光谱成像技术由于其具有高通量、多通道、硬件限制小、数据采集率低等优点,越来越受到重视,已成为目前国际上研究的热点技术。
对于传统成像体制,往往存在系统工程实施难度大、硬件工艺难以实现、海量数据传输压力大、数据冗余量大、数据利用率低等技术瓶颈。如,现行技术体制受限于大口径长焦距光谱成像系统难于实现、高帧频大面阵探测器难于制造、入射能量低的制约及多维成像工程实现难度大,不具有工程可实施性,而能量制约也造成信噪比偏低,同时,多维成像带来的数据量过大的问题,也影响着数据的采集、传输和处理。
此外,现有技术还存在无智能化、信息获取不全面等设计问题。如,无法做到根据目标特征差异进行智能感知,无法在信息获取时实现智能识别,并根据感知结果反馈调节采集系统;而且,其获得信息方式单一,并没考虑到目标空间、光谱、时间、偏振等多维信息的一致获取。
实用新型内容
为了克服上述现有技术的不足,本实用新型提供一种光学智能感知多维成像系统,能够实现空间、光谱、偏振等多维信息的一体化低数据率低限制智能感知成像与高质量一致图谱重构。
本实用新型的技术解决方案是:一种光学智能感知多维成像系统,其特征在于:成像系统包括依次设置在同一光轴上的前置镜、空间编码模板、色散棱镜、偏振编码阵列以及探测器;
所述前置镜产生一次像面,空间编码模块设置在一次像面处;所述色散棱镜垂直于光轴进行0°、90°、180°、270°旋转;所述偏振编码阵列是镀在探测器表面一定距离的偏振编码膜。
上述多维编码是指对空间、光谱、偏振等光学信息进行编码调制,分为空间编码、偏振编码、旋转色散光谱调制;编码单元是对光信息进行编码调制的最小编码膜块,且空间编码和偏振编码的编码单元尺寸相同。
上述空间编码模板是光学掩膜板,编码方案为0、1随机编码。
上述偏振编码膜是一种多层介质膜,编码阵列由4个偏振态编码单元或无偏振态编码单元组成。
本系统通过对光学多维信息进行编码感知和高阶张量建模重构,实现多维信息的低限制、低数据率、高质量、一体化、一致性探测。该方案的特点是硬件工艺和工程实施限制小,数据采集率低,一次采集即可获得目标的空间、光谱、偏振等多维数据,具有一定的时间分辨率,比传统色散系统能量利用率高。
本实用新型具有以下意义:
本实用新型基于空间编码模板、偏振编码阵列、色散棱镜的旋转以及高阶张量建模,提出一种光学智能感知多维成像系统。其智能感知是指根据目标特性先验信息进行光学信息编码感知,分空间编码、光谱调制、偏振编码等,然后,基于高阶张量的多维线性表示模型,从多维信息整体建模目标的各类先验信息,并利用交替投影复原算法重构原始图谱数据;多维成像是指,除了一般成像过程所采集到的空间几何信息,还包括光谱信息、偏振信息等。
由于系统以空间编码模板替代视场狭缝,增大了光通量,提高了信噪比;同时,采用编码感知方案本身具有数据压缩作用,较之传统方式大大减少了数据量,降低了硬件要求和工程限制,更重要的是实现了多维信息的一致探测。其实用新型意义主要体现在:解决“大工程装不上和高标准探测器造不出”问题;解决“分辨率不够、光通量不足、获取信息不全等引起的探测不清和探测不明”问题;解决“全采样和多维成像引起的数据传不下和算不了”问题。
附图说明
图1为本实用新型的光学智能感知多维成像光学系统图;
图2为本实用新型的光学智能感知多维成像示意图;
具体实施方式
如图1所示,光学系统由前置镜1、空间编码模板2、色散棱镜3和偏振编码阵列4等多个部分组成。其中,空间编码模板2装在一次像面位置处,为光学掩膜板,具体方案为0/1随机编码,编码单元尺寸对应像元大小;色散棱镜3为石英玻璃,采用垂直于光轴面0、90、180、270度旋转色散方式;偏振编码阵列4是镀在探测器表面一定距离的偏振编码阵列膜,是一种多层介质膜,具体编码方案由4个偏振态编码单元和无偏振态编码单元随机组成,编码单元尺寸对应像元大小;最后由探测器5完成对目标多维调制信息的采集,采集得到的图像经过基于高阶张量建模的图谱复原算法处理,就可得到完整的原始多维图谱数据立方体。
如图2所示,不同偏振态下的光谱数据立方体,经过空间编码模板2,完成空间信息的编码调制;然后经过色散棱镜3完成色散图谱混合,为了提高探测能力,在垂直于光轴面按0、90、180、270度旋转色散棱镜,以完成多次编码调制;经过空间编码和色散混合的每个色散旋转角度下的光信息在偏振编码阵列上完成二次编码调制,即偏振编码调制;然后,在探测器5上完成成像;最后,通过基于高阶张量建模的图谱复原算法完成空间、光谱、偏振等多维数据的重构。
对于定标方案,除了完成传统的光谱定标和辐射定标外,编码模板带来的大规模面阵成像与重构过程的标定也很重要。由于本系统在传统色散型成像光谱系统中加入了空间编码模板和偏振编码阵列,因此,成像光路会出现一些需要额外的标定过程,如色散线性度定标、编码单元位置定标等。
对于重构模型和算法,基于光学成像原理,在充分考虑多维信息的数学特性的基础上,用高阶张量整体建模高维图像的各类先验信息,并利用交替投影复原算法完成多维信息的高质量一致重构。
具体来说,考虑到多维图像在光谱维度上的相关性先验、空间维度上的局部连续性先验以及偏振维度上的相似性先验,引入张量的Tucker分解对这多个个先验进行建模;同时,多维图像在这多个维度上通常具有一定的平滑性,为此,引入n阶全变差正则项建模此类先验;最后,综合目标稀疏性先验,构建高阶张量重构模型。在给定较好的初值条件下,上述模型可以通过交替投影复原算法完成有效求解。
Claims (4)
1.一种光学智能感知多维成像系统,其特征在于:成像系统包括依次设置在同一光轴上的前置镜、空间编码模板、色散棱镜、偏振编码阵列以及探测器;
所述前置镜产生一次像面,空间编码模块设置在一次像面处;所述色散棱镜垂直于光轴进行0°、90°、180°、270°旋转;所述偏振编码阵列是镀在探测器表面一定距离的偏振编码膜。
2.根据权利要求1所述的光学智能感知多维成像系统,其特征在于:编码单元是对光信息进行编码调制的最小编码模块,且空间编码和偏振编码的编码单元尺寸相同。
3.根据权利要求2所述的光学智能感知多维成像系统,其特征在于:所述空间编码模板是光学掩膜板,编码方案为0、1随机编码。
4.根据权利要求3所述的光学智能感知多维成像系统,其特征在于:所述偏振编码膜是一种多层介质膜,其编码阵列由4个偏振态编码单元或无偏振态编码单元组成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520932810.0U CN205748636U (zh) | 2015-11-19 | 2015-11-19 | 一种光学智能感知多维成像系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201520932810.0U CN205748636U (zh) | 2015-11-19 | 2015-11-19 | 一种光学智能感知多维成像系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN205748636U true CN205748636U (zh) | 2016-11-30 |
Family
ID=57387399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201520932810.0U Withdrawn - After Issue CN205748636U (zh) | 2015-11-19 | 2015-11-19 | 一种光学智能感知多维成像系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN205748636U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105352602A (zh) * | 2015-11-19 | 2016-02-24 | 中国科学院西安光学精密机械研究所 | 一种光学智能感知多维成像系统 |
CN110494722A (zh) * | 2017-04-09 | 2019-11-22 | 西默有限公司 | 从空间输出中恢复光谱形状 |
-
2015
- 2015-11-19 CN CN201520932810.0U patent/CN205748636U/zh not_active Withdrawn - After Issue
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105352602A (zh) * | 2015-11-19 | 2016-02-24 | 中国科学院西安光学精密机械研究所 | 一种光学智能感知多维成像系统 |
CN105352602B (zh) * | 2015-11-19 | 2018-03-02 | 中国科学院西安光学精密机械研究所 | 一种光学智能感知多维成像系统 |
CN110494722A (zh) * | 2017-04-09 | 2019-11-22 | 西默有限公司 | 从空间输出中恢复光谱形状 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tulsiani et al. | Factoring shape, pose, and layout from the 2d image of a 3d scene | |
CN104330074B (zh) | 一种智能测绘平台及其实现方法 | |
AU2015284558B2 (en) | Non-parametric microfacet factor models for isotropic bidirectional reflectance distribution functions | |
CN108955882A (zh) | 基于液晶高光谱计算成像系统的三维数据重构方法 | |
EP1204069B1 (en) | Object recognition using linear subspaces | |
CN105046743A (zh) | 一种基于全局变分技术的超高分辨率三维重建方法 | |
CN101482398B (zh) | 一种快速三维形貌测量的方法及装置 | |
Haefner et al. | Photometric depth super-resolution | |
CN108604372B (zh) | 用于生成表示像素束的数据的方法和装置 | |
CN114152217B (zh) | 基于监督学习的双目相位展开方法 | |
CN105352602B (zh) | 一种光学智能感知多维成像系统 | |
CN205748636U (zh) | 一种光学智能感知多维成像系统 | |
CN110992366A (zh) | 一种图像语义分割方法、装置及存储介质 | |
CN105634498A (zh) | 一种观测矩阵优化方法 | |
Gong et al. | Naturally combined shape-color moment invariants under affine transformations | |
Campos et al. | Splat-based surface reconstruction from defect-laden point sets | |
Haindl et al. | Digital material appearance: the curse of tera-bytes | |
Qi et al. | Morphology-based visible-infrared image fusion framework for smart city | |
Zhou | 3D urban modeling from city-scale aerial LiDAR data | |
US20210390772A1 (en) | System and method to reconstruct a surface from partially oriented 3-d points | |
CN112330814B (zh) | 一种基于机器学习的结构光三维重建方法 | |
Faion | Tracking extended objects in noisy point clouds with application in telepresence systems | |
Han et al. | Curvature fields from shading fields | |
Mortazavi et al. | Surface Normal Reconstruction Using Polarization-UNET | |
Centore | An open-source algorithm for metamer mismatch bodies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
AV01 | Patent right actively abandoned |
Granted publication date: 20161130 Effective date of abandoning: 20180302 |
|
AV01 | Patent right actively abandoned |
Granted publication date: 20161130 Effective date of abandoning: 20180302 |
|
AV01 | Patent right actively abandoned | ||
AV01 | Patent right actively abandoned |