WO2013185589A1 - 基于压缩感知的双通道多光谱视频成像仪及成像方法 - Google Patents

基于压缩感知的双通道多光谱视频成像仪及成像方法 Download PDF

Info

Publication number
WO2013185589A1
WO2013185589A1 PCT/CN2013/077067 CN2013077067W WO2013185589A1 WO 2013185589 A1 WO2013185589 A1 WO 2013185589A1 CN 2013077067 W CN2013077067 W CN 2013077067W WO 2013185589 A1 WO2013185589 A1 WO 2013185589A1
Authority
WO
WIPO (PCT)
Prior art keywords
spectral
spectral image
image
optical path
path
Prior art date
Application number
PCT/CN2013/077067
Other languages
English (en)
French (fr)
Inventor
石光明
王立志
刘丹华
高大化
李国�
刘阳
Original Assignee
西安电子科技大学
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 西安电子科技大学 filed Critical 西安电子科技大学
Priority to US14/407,782 priority Critical patent/US9851252B2/en
Publication of WO2013185589A1 publication Critical patent/WO2013185589A1/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02—Details
    • G01J3/027—Control of working procedures of a spectrometer; Failure detection; Bandwidth calculation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/95—Computational photography systems, e.g. light-field imaging systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer
    • G01J2003/2826—Multispectral imaging, e.g. filter imaging

Definitions

  • the invention relates to the technical field of image processing, and relates to the collection of multi-spectral video data, which is mainly used for acquiring and reconstructing multi-spectral video image information.
  • Imaging has become a powerful tool for studying the Earth.
  • conventional imaging techniques it is known that the gray level of a black and white image represents a difference in optical characteristics and can therefore be used to distinguish different materials.
  • imaging technology has developed more.
  • This kind of multi-spectral imaging which is often referred to as discrete multi-spectral imaging, is a multi-spectral multi-spectral image that constitutes a multi-spectral multi-spectral video.
  • the spatial resolution of spectral images the resolution between spectra and the resolution of time, the multi-spectral video data increases sharply.
  • High quality image compression sampling coding has become a very important technology.
  • the traditional method is to compress the multi-spectral image after sampling, and a large amount of non-significant data is thrown away.
  • This first sampling and recompressing The process increases the complexity of the system, and the implementation of the A/D converter becomes an intractable problem when the sampling rate is required to be high. How to solve this problem, that is, sampling the signal far below the Nyquist sampling rate, and completely recovering the signal has become the focus of researchers.
  • the signal X can be accurately recovered from the observation value F by solving the optimization problem:
  • the recovery value f obtained by solving the above norm optimization problem can well approximate the original signal X.
  • the transformed high-dimensional signal can be projected onto a low-dimensional space by an observation matrix that is not related to the transform base, and the voltage is effectively pressed.
  • Sampling so that the resolution of the camera can be reduced under a certain spectral resolution, or the multi-spectral resolution can be greatly improved under the same technical conditions; further solving the problem can be obtained from these fewer projections.
  • Reconstructing the original signal with a high probability it can be proved that such projection information needs to reconstruct the original signal There is enough information.
  • the random observation matrix has a good observation effect, because the random matrix is almost irrelevant to all the transformation basis matrices.
  • the traditional multi-spectral video imager has a plurality of spectral image images, which are limited by the imaging principle.
  • the traditional multi-spectral video imager has many disadvantages:
  • the traditional multi-spectral video imager adopts a mechanical rotary structure, which causes vibration of the imager, resulting in low imaging quality and poor stability of the multi-spectral imager;
  • the traditional multi-spectral video imaging method adopts the method of first sampling and then compressing, which causes a large amount of waste of spectral data and causes compression distortion.
  • the object of the present invention is to solve the above-mentioned deficiencies of the prior art, and propose a dual-channel multi-spectral video imager and imaging method based on compressed sensing to realize complete acquisition of multi-spectral video image data and improve multi-spectral video imager.
  • the imaging efficiency, stability, and quality of multispectral images reduce the difficulty and complexity of the imager.
  • the technical principle of the present invention is: designing and proposing by Ashwin A. Wagadarikar et al.
  • the CASSI Spectral Image Estimation for Coded Aperture Snapshot Spectral Imagers proposes a two-channel technique based on the original single channel.
  • the whole system is divided into two parts: the data observation part and the spectral image reconstruction part.
  • the data observation part is divided into two optical path channels.
  • the spectral image is divided into two parts containing the same information by the optical splitting device, and then enters two optical path channels respectively to perform data sampling. Since the random coded templates in the two channels are complementary, the observed data contains complete information about the spectral images.
  • the spectral image reconstruction part receives the data collected by the data observation part, and reconstructs the original spectrum image with higher precision by solving the nonlinear optimization problem.
  • the present invention is based on a compression-aware dual-channel multi-spectral video imager, comprising: a beam splitter 1, a first optical path 2, a second optical path 3, and an image reconstruction processor 4,
  • the beam of the original spectral image X is split by the beam splitter 1 into a first beam and a second beam.
  • the first path light beam enters the first light path channel 2 and after the processing and acquisition of the first light path channel 2, a first road aliased spectral image is obtained and transmitted to the image reconstruction processor 4 ,
  • the second light beam enters the second optical path 3 and passes through the processing and acquisition of the second optical path 3 to obtain a second-channel aliased spectral image X 2 and transmitted to the image reconstruction process.
  • the image reconstruction processor 4 reconstructs the original spectral image by using a nonlinear optimization method according to the input first aliased spectral image and the second overlapping spectral image X 2
  • the compressed sensing-based dual-channel multi-spectral video imager is characterized in that: the first optical path 2 is composed of a first objective lens 21, a first code template 22, a first band pass filter 23, and a first The relay lens group 24, the first prism group 25, and the first array sensor 26 are sequentially connected to each other;
  • the second optical path 3 is sequentially connected by the second objective lens 31, the second code template 32, the second band pass filter 33, the second relay lens group 34, the second prism group 35, and the second array sensor 36.
  • the first light beam entering the first optical path 2 is focused and imaged on the first objective lens 21, and the light beam at each position of the spectral image is randomly coded by the first code template 22, and the randomly encoded spectral image is obtained.
  • the light beam is filtered by the first band pass filter 23, and then transmitted to the first prism group 25 by the first relay lens group (24) to generate dispersion, and the beam of the dispersive spectral image is irradiated to the On the first array of sensors 26, thereby obtaining a spectral image of the first road alias ;
  • the second light beam entering the second optical path 3 is focused and imaged on the second objective lens 31, and the light beam at each position of the spectral image is randomly coded by the second encoding template 32, and the randomly encoded spectrum
  • the light beam of the image is filtered by the second band pass filter 33, and then transmitted to the second prism group 35 by the second relay lens group (34) to generate dispersion, and the beam of the spectral image after dispersion is irradiated to
  • the second array sensor 36 is on, thereby obtaining an aliased spectral image X 2 of the second path.
  • the compressed sensing-based dual-channel multi-spectral video imager is characterized in that: the first encoding template 22 and the second encoding template 32 are composed of squares of the same size as the light passing and the non-passing light. Rectangular flat panel, the pass light square is coded as 1, and the non-pass light square is coded 0; the coding of each square of the first coding template 22 is randomly set; the coding of each square of the second coding template 32 is opposite to the coding of the same position square of the first coding template 22,
  • the complementary encoding of the image information at each location of the spectral image ensures the integrity of the sampling of the spectral image information.
  • the present invention is based on a compressed sensing dual channel multispectral video imaging method, comprising the following steps:
  • each spectral dimension of the spectral image is moved in the direction of the spatial dimension, and the prism group is placed on the propagation path of the spectral image beam, so that the image beams of different spectral dimensions pass through the prism group, and are generated when the array sensor is reached.
  • the offset of different distances realizes the change of the relative position between the images of each spectral dimension.
  • the present invention addresses the shortcomings of the conventional multi-spectral video imager with low imaging efficiency, and proposes a compression sensing-based imaging method, which uses dual-channel observation technology to make spectral image information. Sampling is complete, each exposure can image multiple spectral segments with high time resolution and high signal-to-noise ratio.
  • the present invention aims to cause imager vibration caused by a mechanical runner in a conventional multi-spectral video imager, thereby causing imaging
  • the disadvantage of low quality is to propose a multi-spectral video imager without a rotating structure, which ensures the imaging stability and imaging quality of the spectral imager;
  • the present invention is directed to the conventional multi-spectral video imager which firstly samples the higher density sensor array, compresses it, and loses part of the redundant information, and proposes a method of directly sampling the information with a low-density sensor.
  • the combination of sampling and compression improves the utilization of the sensor array, reduces the difficulty and complexity of the system, and avoids compression distortion.
  • FIG. 1 is a structural block diagram of a two-channel multi-spectral video imager based on compression sensing of the present invention
  • FIG. 2 is a block diagram showing the internal structure of a first optical path in the imager of the present invention
  • FIG. 3 is a block diagram showing the internal structure of a second optical path in the imager of the present invention.
  • FIG. 4 is a schematic diagram of a coding template in an imager of the present invention.
  • FIG. 5 is a flow chart of a two-channel multi-spectral video imaging method based on compressed sensing according to the present invention
  • FIG. 6 is a plan view of six spectral dimension images of a multi-spectral image of a river originally captured by the simulation;
  • Figure 7 is a result of reconstructing a multispectral image using the existing single channel method and the corresponding PSNR value of each spectral image
  • Figure 8 is a graph showing the results of reconstructing a multispectral image using the dual channel method of the present invention and the corresponding PSNR values for each spectral dimension image.
  • a compressed sensing based dual channel multispectral video imager of the present invention includes The beam splitter 1, the first optical path 2, the second optical path 3, and the image reconstruction processor 4.
  • the structures of the first optical path 2 and the second optical path 3 are respectively shown in FIGS. 2 and 3.
  • the beam of the original spectral image X is split into two beams by the beam splitter 1.
  • the two beams contain the same spectral information, but the directions are different. They enter the two optical path channels from different directions; the first beam and After the second light beam is processed and collected by the various components in the first optical path 2 and the second optical path 3, the first overlapping spectral image and the second overlapping spectral image X 2 are obtained and output.
  • the image reconstruction processor 4 reconstructs the original spectral image X by a nonlinear optimization method according to the input first aliased spectral image and the second overlapping spectral image X 2 .
  • the first optical path 2 of the present invention is composed of a first objective lens 21, a first code template 22, a first band pass filter 23, a first relay lens group 24, a first prism group 25, and a first array.
  • the sensor 26 is connected in sequence; the first objective lens 21 is located at the foremost end of the first optical path 2 for focusing the light beam in the first optical path 2 to form a clear spectral image; the first coding template 22 is located at the first objective 21 At the image plane position of the image, as shown in Fig.
  • the first band pass filter 23 is located at the back end of the first encoding template 22, which is composed of a lens group consisting of a lens for filtering out an unnecessary spectral dimension image beam; a first relay lens group 24 connected to the first band pass filter 23 and retaining the spectrum of the first band pass filter 23
  • the beam of the dimensional image is transmitted to the first prism 25;
  • the first prism group 25 is located between the first relay lens group 24 and the first array sensor 26, and has different refractive indices for different spectral dimensional images, so that the spectral image of each spectrum is transmitted through the first prism group 25
  • the first array sensor 26 is reached, offsets of different distances are generated, thereby realizing the shifting of different
  • the second optical path 3 of the present invention is composed of a second objective lens 31, a second code template 32, a second band pass filter 33, a second relay lens group 34, a second prism group 35, and a second array.
  • the sensor 36 is connected in sequence; the second objective lens 31 is located at the foremost end of the second optical path 2 for focusing the light beam in the second optical path 3 to form a clear spectral image; the second coding template 32 is located at the second objective 31.
  • the image plane position as shown in Fig.
  • the first code template 22 is also a rectangular panel composed of the same size of the light passing and the non-passing light, wherein the white light square code 1, the black non-passing cell is coded to 0, but the encoding of each square of the second encoding template 32 is not randomly set, but is opposite to the encoding of the cell at the same position on the first encoding template 22, and
  • An encoding template 22 jointly implements complementary encoding of spectral image information to ensure integrity of observation of spectral image information; a second bandpass filter 33 is located at the rear end of the second encoding template 32, which is a lens composed of various lenses.
  • Group use The unnecessary spectral dimension image beam is filtered out; the second relay lens group 34 is connected behind the second band pass filter 33, and the beam of the spectral dimension image retained by the second band pass filter 33 is transmitted to the second prism.
  • the sensor 36 generates different offset distances to realize the shifting of different spectral dimensional images; the second array sensor 36 located at the last end of the second optical path 3 acquires the light quantity information of the beam at each position of the spectral image and converts it In the form of numbers, the second way Aliasing spectral image X 2 .
  • the present invention is based on a compressed sensing dual channel multi-spectral video imaging method, which includes the following steps:
  • step S1 the beam of the original spectral image is divided into two beams, that is, the first beam and the second beam, which are the same as the spectral image information, so as to enter the two optical path channels from the two different directions, that is, the first optical path. And a second optical path.
  • Step S2 Obtain an aliased spectrum image of the first optical path, and the method includes the following steps:
  • each position information on the first optical path of the channel initial spectral image encoding random X u i.e., the light beam by the light shielding plate at the position of each spectral images on a random block, a position not blocking the light beam Passing, the beam at the position that is not occluded will continue to illuminate backward through the square aperture; encode the information in the occluded position as 0, encode the information in the unoccluded position as 1, and obtain the first optical path code after encoding Spectral image X 12 ;
  • (S2e) acquiring the light of the spectral image X M after the first optical path is moved by the array sensor
  • the quantity information because the light quantity information acquired at each position of the array sensor is the summation of the light quantity information of the spectral dimension image at the same spatial position after all the spectral images X 14 are moved, so that the image information of different spectral dimensions can be realized; Converting the summed light quantity information into a digital form to obtain an aliased spectrum image of the first optical path channel;
  • Step S3 acquiring an aliased spectral image X 2 of the second optical path, comprising the following steps: (S3a) performing focusing imaging on the second light beam entering the channel in the second optical path to obtain an initial spectral image of the second optical path X 21 ;
  • Step S4 reconstructing the original spectral image X by using a nonlinear optimization method according to the first aliased spectral image and the second aliased spectral image X 2 obtained above, which includes the following steps:
  • ⁇ , ⁇ ⁇ respectively represent the operation results of the first optical path and the second optical path for the spectral image X;
  • ⁇ [ ⁇ , ⁇ ] represents the linear function operator of the entire observed portion, The result of the operation of the spectral image by the entire observation portion;
  • ⁇ - 1 and ⁇ represent the inverse and transpose of the matrix of the orthogonal basis, respectively;
  • Step S5 repeating the above steps for the same scene, that is, performing more on the scene in time.
  • the original spectral image is reconstructed by a cosine sparse domain and a two-step iterative algorithm, and the PSNR value of each spectral dimension image reconstruction result is calculated, and the result is shown in FIG. , where 8(a), 8(b), 8(c), 8(d), 8(e), 8(f) are respectively for 6(a), 6(b), 6(c), 6 (d), 6(e), 6 (f) reconstruction results and corresponding PSNR.
  • the average PSNR of the reconstructed image of the six spectral images is 32.82 dB, wherein the PSNR is at least 31. 0005 dB, and the highest is up to 35. 5981 dB.

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Color Television Image Signal Generators (AREA)
  • Studio Devices (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种基于压缩感知的双通道多光谱视频成像仪及成像方法。其特征在于：包括分束器（1）、第一光路通道（2）、第二光路通道（3）、和图像重构处理器（4），原始光谱图像（X）的光束由分束器（1）分成第一路光束和第二路光束，第一路光束进入第一光路通道（2）且通过在第一光路通道（2）的处理和采集后、得到第一路混叠的光谱图像X 1并传输给所述图像重构处理器（4），所述第二路光束进入第2光路通道（3）且通过在第二光路通道（3）的处理和采集后、得到第2路混叠的光谱图像X 2并传输给图像重构处理器（4），图像重构处理器（4），根据输入的所述第一路混叠光谱图像X 1和所述第二路混叠光谱图像X 2，利用非线性的优化方法重构出原光谱图像X。本发明具有采样信息全、重构精度高、成本低的优点，可用于多光谱视频的获取。

Description

基于压縮感知的双通道多光谱视频成像仪及成像方法 技术领域
本发明涉及图像处理技术领域，涉及多光谱视频数据的采集，主要应 用于对多光谱视频图像信息的获取与重建。
背景技术 说 早在 20世纪 60年代人造地球卫星围绕地球获取地球的图片资料时，
书
成像就成为研究地球的有利工具。在传统的成像技术中，人们就知道黑白 图像的灰度级别代表了光学特性的差异因而可用于辨别不同的材料。在此 基础上， 成像技术有了更高的发展， 对地球成像时， 选择一些不同颜色的 滤波片分别对场景遮挡成像， 这对于特殊农作物、 大气、海洋、 土壤等领 域的研究大有裨益。这种以离散的几种颜色（或者几个波段）对景物成像， 就是人们常说的多光谱成像， 连续获得的多光谱图像则构成了多光谱视 多光谱视频是一种高维数据， 随着光谱图像空间分辨率、谱间分辨率 和时间分辨率的提高，多光谱视频数据急剧增加，针对多光谱视频数据量 大的特点， 为了保证大量的多光谱视频能够得到更加高效的传输和处理， 高质量的图像压縮采样编码已经成为一个非常重要的技术。
为了实现对多光谱视频数据高效的传输和处理，传统方法是对多光谱 图像采样后进行压縮，大量的非重要的数据被扔掉，这种先采样再压縮的 过程使得系统的复杂性增加， 而且在要求采样速率较高的情况下， A/D转 换器的实现就成为了一个难以解决的问题。如何解决这个问题， 即用远低 于奈奎斯特采样速率对信号进行采样，同时又可完全恢复信号成为了广大 研究者关心的重点。
2004年由 E. J. Candes、 J. Romberg, T. Tao 和 D. L. Donoho等 人提出了一种新的信号处理理论——压縮感知 （Compressive Sensing) , 该理论的出现为解决上述问题带来了新的思路。压縮感知的基本思路：从 尽量少的数据中提取尽可能多的信息， 这是一种有着极大应用前景的想 法。它是传统信息论的一个延伸， 但是又超越了传统的压縮理论， 成为了 一门崭新的子分支。 其数学模型： 假设长度为 N的信号 X在某个正交基 或紧框架 Ψ下的系数是稀疏的， 只含有非常少的非零系数， 若将这些系 数投影到另外一个与 Ψ不相关的观测 cD : M * N，M < N， 得到观测数据集合
Y -. M H， 信号 X就可以根据观测值 F通过求解优化问题而精确恢复出来：
X = m \\ ^>TX S. t Φ ΨΤΧ = Y
由于 X在变换域 Ψ中是稀疏的,通过求解上述范数优化问题得到恢 复值 f可以很好的逼近原信号 X。
由于多光谱图像信号具有可压縮性， 只要找到合适的稀疏表示空间， 就可以利用一个与变换基不相关的观测矩阵将变换所得的高维信号投影 到一个低维空间上，有效地进行压縮采样，这样就可以在一定的光谱分辨 率条件下降低对相机分辨率的要求，或者在相同的技术条件下大幅提升多 光谱分辨率;进一步通过优化问题的求解就可以从这些较少的投影中以较 高的概率重构出原信号，可以证明这样的投影信息包含了重构原信号所需 要的足够多的信息。 在一般情况下， 随机观测矩阵有着姣好的观测效果， 这是因为随机矩阵几乎和所有的变换基矩阵不相关。
目前为止， 压縮感知理论在单幅图像的低速采样及重构中有较多应 用， 而对于多光谱成像而言， 频谱宽、数据量大并且各谱段之间有较强的 相关性的特点使得压縮感知理论很适用于多光谱图像的低速信息采集和 重构。
传统的转轮滤光式多光谱视频成像仪对一个场景依次更换滤光片分 别成像， 获取多张光谱维图像， 受其成像原理的限制， 传统的多光谱视频 成像仪有较多不足：
( 1 ) 传统的多光谱视频成像仪采用机械转轮式的结构， 这种结构会 引起成像仪的震动， 造成多光谱成像仪的成像质量低， 且稳定性差；
( 2 ) 传统的多光谱视频成像仪对每一光谱段图像进行成像均需要切 换一次滤光片，使得成像效率和信噪比均比较低，而且对于性能良好的滤 光片加工较为困难；
( 3 ) 传统的多光谱视频成像方法采用先采样后压縮的方式， 造成光 谱数据的大量浪费， 同时造成压縮失真。
发明内容
本发明的目的在于针对上述已有技术的不足，提出一种基于压縮感知 的双通道多光谱视频成像仪及成像方法，以实现对多光谱视频图像数据的 完整采集，提升多光谱视频成像仪的成像效率、稳定性和多光谱图像的质 量， 降低成像仪的实现难度和复杂度。
本发明的技术原理是： 借鉴 Ashwin A. Wagadarikar等人设计、 提出 的 CASSI (Spectral Image Estimation for Coded Aperture Snapshot Spectral Imagers ) ， 在原有的单通道的基础上提出双通道技术， 整个系 统共分为两个部分：数据观测部分和光谱图像重构部分。数据观测部分分 为两个光路通道， 光谱图像由分光器件分为两个包含信息完全一样的部 分， 然后分别进入两个光路通道， 分别进行数据采样。 由于两个通道中的 随机编码模板是互补的， 因此观测到的数据包含了光谱图像的完整信息。 光谱图像重构部分接收数据观测部分采集到的数据，通过解非线性优化问 题更高精度的重构出原光谱图像。
根据上述原理， 本发明基于压縮感知的双通道多光谱视频成像仪， 其特征在于： 包括分束器 1、 第一光路通道 2、 第二光路通道 3和图像重 构处理器 4，
原始光谱图像 X的光束由所述分束器 1分成第一路光束和第二路光 束，
所述第一路光束进入所述第一光路通道 2且通过在所述第一光路通 道 2的处理和采集后、 得到第一路混叠的光谱图像 并传输给所述图像 重构处理器 4，
所述第二路光束进入所述第 2光路通道 3且通过在所述第二光路通 道 3的处理和采集后、得到第 2路混叠的光谱图像 X2并传输给所述图像 重构处理器 4，
所述图像重构处理器 4， 根据输入的所述第一路混叠光谱图像 和 所述第二路混叠光谱图像 X2， 利用非线性的优化方法重构出原光谱图像 所述的基于压縮感知的双通道多光谱视频成像仪， 其特征在于： 所 述第一光路通道 2是由第一物镜 21、第一编码模板 22、第一带通滤波器 23、 第一中继透镜组 24、 第一棱镜组 25、 第一阵列传感器 26依次相连 而构成的；
所述第二光路通道 3是由第二物镜 31、第二编码模板 32、第二带通 滤波器 33、 第二中继透镜组 34、 第二棱镜组 35、 第二阵列传感器 36依 次相连而构成的；
进入第一光路通道 2的所述第一路光束在所述第一物镜 21上聚焦成 像， 通过所述第一编码模板 22 对光谱图像各位置上的光束进行随机编 码， 随机编码后的光谱图像的光束经过所述第一带通滤波器 23滤波，再 由所述第一中继透镜组 (24)传递到所述第一棱镜组 25， 产生色散， 色散 后的光谱图像的光束照射到所述第一阵列传感器 26上，从而得到所述第 一路混叠的光谱图像 ;
进入第二光路通道 3的所述第二路光束在所述第二物镜 31上聚焦成 像，并通过所述第二编码模板 32对光谱图像各位置上的光束进行随机编 码， 随机编码后的光谱图像的光束经过所述第二带通滤波器 33的滤波， 再由所述第二中继透镜组 (34)传递到所述第二棱镜组 35产生色散，色散 后的光谱图像的光束照射到所述第二阵列传感器 36上，从而得到所述第 二路的混叠的光谱图像 X2。
所述的基于压縮感知的双通道多光谱视频成像仪， 其特征在于： 所 述第一编码模板 22和所述第二编码模板 32， 是由通光和不通光的大小 相同的方格组成的矩形平面板， 通光方格编码为 1， 不通光方格为编码 为 0; 所述第一编码模板 22的每一方格的编码随机设定； 所述第二编码 模板 32的每一方格的编码与所述第一编码模板 22相同位置方格的编码 相反， 实现对光谱图像的每一位置的图像信息的互补编码， 保证对光谱 图像信息采样的完整性。
为实现上述目标， 本发明基于压縮感知的双通道多光谱视频成像方 法， 包括如下步骤：
( 51 ) 将原光谱图像的光束分成第一路光束和第二路光束， 所述第 一路光束和所述第二路光束分别进入第一光路通道和第二光路通道；
(52 ) 获取光谱混叠图像 ，其包括如下步骤：
(S2a)在所述第一光路通道内对进入该通道内的第一路光束聚焦成 像， 获得光谱图像、
(S2b )对所述光谱图像进行随机编码， 即对所述光谱图像上的每一 位置上的光束随机遮挡， 被遮挡的位置编码为 0， 没有被遮挡的位置编 码为 1、
(S2c )对编码后的光谱图像进行滤波，滤除需要重构的带宽以外的 光谱图像的光束、
(S2d)对光谱图像各光谱维的图像在空间维的方向上进行搬移， 即 光谱图像的光束发生色散， 实现每一光谱维图像之间相对位置的变化、
(S2e ) 由阵列传感器获取搬移后的光谱图像每一位置光束的光量， 得到第一路混叠的光谱图像 ；
(53 ) 获取光谱混叠图像 X2 , 其包括如下步骤：
(S3a)对进入所述第二光路通道的所述第二路光束聚焦成像， 获得 光谱图像、
( S3b )对所述光谱图像进行与所述第一光路通道内的光谱图像互补 的编码， 即对所述第二通道内的光谱图像上的每一位置上光束进行相应 的遮挡， 使其与所述第一光路通道内光谱图像同一位置上的遮挡状态相 反、
(S3c )对互补编码后的光谱图像的光束进行滤波，滤除需要重构的 带宽以外的光谱图像的光束、
(S3d)对光谱图像各光谱维的图像在空间维的方向上进行搬移， 即 光谱图像的光束发生色散， 实现每一光谱维图像之间相对位置的变化、
(S3e ) 由阵列传感器获取搬移后的光谱图像每一位置光束的光量， 得到第二路混叠的光谱图像 X2；
( 54)根据上述得到的第一路混叠光谱图像 和第二路混叠光谱图 像 ， 利用非线性的优化方法重构原光谱图像 X；
( 55 )重复上述步骤（S1 )到 （S4)对同一场景进行多次光谱成像， 获得该场景在不同时刻上的光谱图像， 形成多光谱视频。
所述的对光谱图像各光谱维的图像在空间维的方向上进行搬移，是将 棱镜组放在光谱图像光束的传播路线上，使不同光谱维图像光束通过棱镜 组，在到达阵列传感器时产生不同距离的偏移，实现各光谱维图像之间相 对位置的变化。
本发明与传统技术相比较具有的优点：
第一：本发明针对传统的多光谱视频成像仪成像效率较低的缺点，提 出了基于压縮感知的成像方法，采用双通道观测技术，使得光谱图像信息 采样完整，每次曝光可以对多个谱段进行成像，时间分辨率高，信噪比高; 第二:本发明针对传统的多光谱视频成像仪中机械转轮引起成像仪震 动，从而造成成像质量低的缺点，提出了一种无转轮结构的多光谱视频成 像仪， 保证了光谱成像仪的成像稳定性和成像质量；
第三:本发明针对传统的多光谱视频成像仪先以较高密度传感器阵列 采样， 再进行压縮， 丢失部分冗余信息的缺点， 提出直接以低密度传感器 对其进行信息采样的方式，实现了采样与压縮的结合，进而提高了传感器 阵列的利用率， 降低了系统的实现难度和复杂度， 避免了压縮失真。
附图说明
图 1是本发明基于压縮感知的双通道多光谱视频成像仪的结构框图； 图 2是本发明成像仪中的第一光路通道内部结构框图；
图 3是本发明成像仪中的第二光路通道内部结构框图；
图 4是本发明成像仪中的编码模板示意图；
图 5是本发明基于压縮感知的双通道多光谱视频成像方法的流程图； 图 6是仿真使用的原始拍摄的河流多光谱图像的 6张光谱维图像平面 图；
图 7是用现有的单通道方式重建多光谱图像的结果及相应的每一光 谱维图像的 PSNR值；
图 8是用本发明的双通道方式重建多光谱图像的结果及相应的每一 光谱维图像的 PSNR值。
具体实施方式
参照图 1， 本发明的基于压縮感知的双通道多光谱视频成像仪， 包括 分束器 1、第一光路通道 2、 第二光路通道 3、 图像重构处理器 4。其中第 一光路通道 2和第二光路通道 3的结构分别如图 2和图 3所示。原光谱图 像 X的光束由分束器 1分成两束， 这两束光包含的光谱信息相同， 但是 方向却是不同的，它们从不同的方向分别进入到两光路通道内；第一路光 束和第二路光束分别在第一光路通道 2和第二光路通道 3内经过各种元件 的处理和采集后， 得到第一路混叠的光谱图像 和第二路混叠光谱图像 X2 ,并输出到图像重构处理器 4中； 图像重构处理器 4根据输入的第一路 混叠光谱图像 和第二路混叠光谱图像 X2， 利用非线性的优化方法重构 出原光谱图像 X。 参照图 2， 本发明的第一光路通道 2， 由第一物镜 21、 第一编码模板 22、 第一带通滤波器 23、 第一中继透镜组 24、 第一棱镜组 25、 第一阵列 传感器 26依次相连构成；第一物镜 21位于第一光路通道 2的最前端，用 于对第一光路通道 2内的光束进行聚焦，形成清晰的光谱图像；第一编码 模板 22位于第一物镜 21成像的像面位置上， 如图 4 (a ) 所示， 它是由 通光和不通光的方格组成的矩形面板，方格的大小相同，其中白色为通光 方格编码为 1， 黑色的不通光方格编码为 0， 每一方格的编码随机设定， 以保证对光谱图像信息编码的随机性； 第一带通滤波器 23位于第一编码 模板 22的后端， 它是由各种透镜组成的透镜组， 用于滤除不需要的光谱 维图像光束；第一中继透镜组 24接在第一带通滤波器 23的后面，将第一 带通滤波器 23保留下来的光谱维图像的光束传递到第一棱镜组 25;第一 棱镜组 25位于第一中继透镜组 24和第一阵列传感器 26之间， 它对于不 同的光谱维图像有不同的折射率， 使各光谱维图像透过第一棱镜组 25到 达第一阵列传感器 26时产生不同距离的偏移， 从而实现对不同的光谱维 图像的搬移； 位于第一光路通道 2最后端的第一阵列传感器 26， 获取光 谱图像每一位置光束的光量信息，并将其转换为数字形式， 即而得到第一 路混叠光谱图像 。
参照图 3， 本发明的第二光路通道 3， 由第二物镜 31、 第二编码模板 32、 第二带通滤波器 33、 第二中继透镜组 34、 第二棱镜组 35、 第二阵列 传感器 36依次相连构成；第二物镜 31位于第二光路通道 2的最前端，用 于对第二光路通道 3内光束的聚焦，形成清晰的光谱图像；第二编码模板 32位于第二物镜 31成像的像面位置上， 如图 4 (b )所示， 同第一编码模 板 22—样， 它也是由通光和不通光的大小相同方格组成的矩形面板， 其 中白色的通光方格编码为 1， 黑色不通光方格编码为 0， 但是第二编码模 板 32的每一方格的编码并不是随机设定，而是与第一编码模板 22上同一 位置上方格的编码相反， 与第一编码模板 22共同实现对光谱图像信息的 互补编码， 保证对光谱图像信息观测的完整性； 第二带通滤波器 33位于 第二编码模板 32的后端， 它是由各种透镜组成的透镜组， 用于滤除不需 要的光谱维图像光束；第二中继透镜组 34接在第二带通滤波器 33的后面， 将第二带通滤波器 33 保留下来的光谱维图像的光束传递到第二棱镜组 35； 第二棱镜组 35位于第二中继透镜组 34和第二阵列传感器 36之间， 其对于不同的光谱维图像有不同的折射率，使各光谱维图像透过棱镜到达 第二阵列传感器 36时产生不同的偏移距离， 从而实现对不同的光谱维图 像的搬移； 位于第二光路通道 3最后端的第二阵列传感器 36， 获取光谱 图像每一位置光束的光量信息，并将其转换为数字形式， 即而得到第二路 混叠光谱图像 X2。
参照图 5， 本发明基于压縮感知的双通道多光谱视频成像方法， 包括 如下步骤：
步骤 S1,将原光谱图像的光束分成包含有光谱图像信息相同的两束、 即第一路光束和第二路光束， 使其从两个不同方向分别进入两个光路通 道， 即第一光路通道和第二光路通道。
步骤 S2 , 获取第一光路通道的混叠光谱图像,其包括如下步骤：
(S2a) 在第一光路通道内对进入该通道内的第一路光束进行聚焦成 像， 获得第一光路通道初始光谱图像
( S2b )对第一光路通道初始光谱图像 Xu每一位置上的信息进行随机 编码，即对光谱图像 1上的每一位置上的光束利用遮光板进行随机遮挡， 遮挡住的位置将没有光束通过，没有被遮挡的位置上的光束将通过方形孔 径继续向后照射； 将被遮挡住位置上的信息编码为 0， 将没有被遮挡位置 上的信息编码为 1， 得到第一光路通道编码后的光谱图像 X12 ;
(S2c )对第一光路通道编码后的光谱图像 X12进行滤波， 即滤除带宽 外不需要的光谱维图像的光束，保留带宽内光谱维图像的光束，得到第一 光路通道滤波后的光谱图像 X13 ;
( S2d)将棱镜组放在第一光路通道滤波后的光谱图像 X13光束的传播 路线上，使滤波后的光谱图像的光束发生色散， 由于各光谱维图像的偏移 距离不同，从而实现对每一光谱维图像在空间维上不同距离的搬移，得到 第一光路通道搬移后的光谱图像 X14；
(S2e )通过阵列传感器获取第一光路通道搬移后的光谱图像 XM的光 量信息， 由于在该阵列传感器每一位置上获取的光量信息是光谱图像 X14 全部搬移后光谱维图像在同一空间位置上光量信息的求和，因而可实现不 同光谱维图像信息的混叠；将求和的光量信息转换为数字形式，得到第一 光路通道的混叠光谱图像 ；
步骤 S3, 获取第二光路通道的混叠光谱图像 X2，其包括如下步骤： (S3a) 在第二光路通道内对进入该通道的第二光束进行聚焦成像， 获得第二光路通道初始光谱图像 X21；
( S3b )对第二光路通道初始光谱图像 X21进行与第一光路通道互补的 编码， 即对第二通道内的光谱图像 X21上的每一位置上光束进行相应的遮 挡，使其与第一光路通道内光谱图像 Xu同一位置上光束的遮挡状态相反， 保证原光谱图像 X的任一位置上的信息不被遗漏， 得到第二光路通道互 补编码的光谱图像 X22 ;
( S3c ) 对第二光路通道互补编码后的光谱图像 X22的光束进行滤波， 即滤除带宽外不需要的光谱维图像的光束， 保留带宽内光谱维图像的光 束， 得到第二光路通道滤波后的光谱图像 X23 ;
(S3d)将棱镜组放在第二光路通道滤波后的光谱图像 X23光束的传播 路线上， 使光谱图像 X23的光束发生色散， 由于各光谱维图像的偏移距离 不同，从而实现对每一光谱维图像在空间维上不同距离的搬移，得到第二 光路通道搬移后的光谱图像 X24 ;
(S3e )通过阵列传感器获取第二光路通道搬移后的光谱图像 X24的光 量信息， 由于在阵列传感器每一位置上获取的光量信息是光谱图像 4全 部搬移后的光谱维图像在同一空间位置上光量信息的求和，因而可实现不 同光谱维图像信息的混叠；将求和的光量信息转换为数字形式，得到第二 光路通道的混叠光谱图像 X2；
步骤 S4, 根据上述得到的第一路混叠光谱图像 和第二路混叠光谱 图像 X2， 利用非线性的优化方法重构原光谱图像 X ,其包括如下步骤：
(S4a)将输入的第一路混叠光谱图像 和第二路混叠光谱图像 ^在 平面空间上连接在一起， 得到一个总的混叠光谱图像 Γ：
Y = [X1,X2] = [A1X,A2X] = AX，
其中， 为两个线性算子， ΑΧ,Λ ^分别表示第一光路通道和第二 光路通道对光谱图像 X的操作结果； Α = [Α,^]表示整个观测部分的线性 函数算子， 表示整个观测部分对光谱图像的操作结果；
(S4b) 设 Ψ为原光谱图像 X稀疏域的一个正交基， 则原光谱图像 X 在基 Ψ上的表示系数 Φ是稀疏的，即系数 Φ中的零元素或者小于设定阈值 的元素个数较多：
Φ = ψ !χ = ψτχ，
其中， Ψ-1和 Ψ 分别表示正交基 Ψ的矩阵的逆和转置；
(S4C)设定
Figure imgf000015_0001
ΙΙ。为优化求解的目标函数， F = AX为约束条件， 采用非线性优化方法，如基追踪算法、双步迭代算法或贪婪算法求解下式， 作为对原光谱图像 X的逼近值
X =argminl^rXII0 S.t Y = AX , 其中， ΙΙΨ ΙΙ。表示原光谱图像 X在稀疏域上的表示系数 Φ的 /。范数； argmin表示取最小值； S.t F = AX表示约束条件为 F = AX；
步骤 S5, 对同一场景重复进行上述步骤， 即在时间上对场景进行多 次多光谱成像， 形成多光谱视频。
为验证本发明的基于压縮感知的双通道多光谱视频成像仪的可行性 和有效性， 通过 MATLAB仿真软件模拟了一个实例， 其中在时间上进行一 次光谱成像的过程如下：
仿真 1:
a) 选用原始拍摄的河流的多光谱图像作为原始光谱图像， 其包含 6 个谱段， 每个谱段的像素数为 512*512， 如图 6所示；
b) 根据现有的单通道光谱成像仪结构， 采用余弦稀疏域和双步迭代 算法重构原光谱图像， 并计算出每一张光谱维图像重构结果的 PSNR值， 结果如图 7所示， 其中 7(a)、 7(b), 7(c), 7(d), 7(e), 7(f)分别是对 6(a), 6(b), 6(c), 6(d), 6(e), 6 (f)的重构结果及相应的 PSNR。
仿真 2:
a) 选用原始拍摄的河流的多光谱图像作为原始光谱图像， 其包含 6 张 512*512光谱维图像， 如图 6所示；
b) 根据本发明的双通道光谱成像仪结构， 采用余弦稀疏域和双步迭 代算法重构原光谱图像，并计算出每一张光谱维图像重构结果的 PSNR值， 结果如图 8所示， 其中 8(a)、 8(b), 8(c), 8(d), 8(e), 8(f)分别是对 6(a), 6(b), 6(c), 6(d), 6(e), 6 (f)的重构结果及相应的 PSNR。
从仿真 1 的实验结果可以计算出用单通道方式进行多光谱图像重构 出的 6张光谱维图像的平均 PSNR为 30.31dB，其中 PSNR最低为 28.5167dB, 最高为 32.7970dBo
从仿真 2 的实验结果可以计算出用本发明双通道方式进行多光谱图 像重构出的 6张光谱维图像的平均 PSNR为 32. 82dB,其中 PSNR最低为 31. 0005dB , 最高可达 35. 5981dB。
将仿真 1与仿真 2的结果做出比较可以看出，本发明的双通道技术相 对于现有单通道技术的光谱重构结果可以将平均 PSNR提高 2. 51dB，证明 本发明在进行多光谱图像重建时有更好的性能。

Claims

权 利 要 求 书
1、 一种基于压缩感知的双通道多光谱视频成像仪， 其特征在于： 包括分束器（1)、 第一光路通道（2)、 第二光路通道（3)、 和图像重构 处理器 （4)，
原始光谱图像 （X ) 的光束由所述分束器 （1) 分成第一路光束和 第二路光束，
所述第一路光束进入所述第一光路通道 （2) 且通过在所述第一光 路通道 （2) 的处理和采集后、 得到第一路混叠的光谱图像（ )并传输 给所述图像重构处理器 （4)，
所述第二路光束进入所述第 2光路通道 （3) 且通过在所述第二光 路通道 （3) 的处理和采集后、 得到第 2路混叠的光谱图像 ( X2 ) 并传 输给所述图像重构处理器 （4)，
所述图像重构处理器 （4)， 根据输入的所述第一路混叠光谱图像 和所述第二路混叠光谱图像（X2)， 利用非线性的优化方法重构出 原光谱图像 （X)。
2、 根据权利要求 1所述的基于压缩感知的双通道多光谱视频成像 仪， 其特征在于： 所述第一光路通道（2)是由第一物镜（21)、 第一编 码模板 （22)、 第一带通滤波器 （23)、 第一中继透镜组 （24)、 第一棱 镜组 （25)、 第一阵列传感器 （26) 依次相连而构成的；
所述第二光路通道（3)是由第二物镜（31)、 第二编码模板（32)、 第二带通滤波器 （33)、 第二中继透镜组 （34)、 第二棱镜组 （35)、 第 二阵列传感器 （36) 依次相连而构成的；
进入第一光路通道 （2) 的所述第一路光束在所述第一物镜 （21) 上聚焦成像， 通过所述第一编码模板（22)对光谱图像各位置上的光束 进行随机编码，随机编码后的光谱图像的光束经过所述第一带通滤波器 ( 23 )滤波，再由所述第一中继透镜组（24)传递到所述第一棱镜组（ 25 ) 产生色散， 色散后的光谱图像的光束照射到所述第一阵列传感器 （26) 上， 从而得到所述第一路混叠的光谱图像
进入第二光路通道 （3) 的所述第二路光束在所述第二物镜 （31) 上聚焦成像， 并通过所述第二编码模板（32)对光谱图像各位置上的光 束进行随机编码，随机编码后的光谱图像的光束经过所述第二带通滤波 器（33)的滤波， 再由所述第二中继透镜组 (34)传递到所述第二棱镜组
(35)产生色散，色散后的光谱图像的光束照射到所述第二阵列传感器
(36) 上， 从而得到所述第二路的混叠的光谱图像 （X2)。
3、 根据权利要求 2所述的基于压缩感知的双通道多光谱视频成像 仪， 其特征在于： 所述第一编码模板（22)和所述第二编码模板（32)， 是由通光和不通光的大小相同的方格组成的矩形平面板，通光方格编码 为 1， 不通光方格为遮光板， 编码为 0; 所述第一编码模板 （22) 的每 一方格的编码随机设定； 所述第二编码模板（32)的每一方格的编码与 所述第一编码模板（22)相同位置方格的编码相反， 实现对光谱图像的 每一位置的图像信息的互补编码， 保证对光谱图像信息采样的完整性。
4、 一种基于压缩感知的双通道多光谱视频成像方法， 包括如下 步骤： (51 )将原光谱图像的光束分成第一路光束和第二路光束，所述第 一路光束和所述第二路光束分别进入第一光路通道和第二光路通道；
(52 ) 获取光谱混叠图像 其包括如下步骤：
(S2a) 在所述第一光路通道内对进入该通道内的第一路光束聚焦 成像， 获得光谱图像、
(S2b) 对所述光谱图像进行随机编码， 即对所述光谱图像上的每 一位置上的光束随机遮挡， 被遮挡的位置编码为 0， 没有被遮挡的位置 编码为 1、
(S2c) 对编码后的光谱图像进行滤波， 滤除需要重构的带宽以外 的光谱图像的光束、
(S2d) 对光谱图像各光谱维的图像在空间维的方向上进行搬移， 即光谱图像的光束发生色散， 实现每一光谱维图像之间相对位置的变 化、
(S2e)由阵列传感器获取搬移后的光谱图像每一位置光束的光量， 得到第一路混叠的光谱图像（ )；
(53) 获取光谱混叠图像 （Χ2 ) , 其包括如下步骤：
(S3a) 对进入所述第二光路通道的所述第二路光束聚焦成像， 获 得光谱图像、
(S3b) 对所述光谱图像进行与所述第一光路通道内的光谱图像互 补的编码，即对所述第二通道内的光谱图像上的每一位置上光束进行相 应的遮挡，使其与所述第一光路通道内光谱图像同一位置上的遮挡状态 相反、 (S3c) 对互补编码后的光谱图像的光束进行滤波， 滤除需要重构 的带宽以外的光谱图像的光束、
( S3d ) 对光谱图像各光谱维的图像在空间维的方向上进行搬移， 即光谱图像的光束发生色散， 实现每一光谱维图像之间相对位置的变 化、
(S3e)由阵列传感器获取搬移后的光谱图像每一位置光束的光量， 得到第二路混叠的光谱图像 （X2 );
(54) 根据上述得到的第一路混叠光谱图像（ X, )和第二路混叠光 谱图像 （X2)， 利用非线性的优化方法重构原光谱图像 （X );
(55)重复上述步骤（S1)到（S4)对同一场景进行多次光谱成像， 获得该场景在不同时刻上的光谱图像， 形成多光谱视频。
5、 根据权利要求 4所述的基于压缩感知的双通道多光谱视频成像 方法， 其中步骤（S2d)和步骤（S3d)所述的对光谱图像各光谱维的图 像在空间维的方向上进行搬移，是将棱镜组放在光谱图像光束的传播路 线上，使不同光谱维图像光束通过棱镜，在到达阵列传感器时产生不同 距离的偏移， 实现各光谱维图像之间相对位置的变化。
6、 根据权利要求 4所述的基于压缩感知的双通道多光谱视频成像 方法， 其中步骤 （S4) 所述的用非线性的优化方法重构原光谱图像 X， 按如下步骤进行：
(S4a)将输入的第一路混叠光谱图像（ X, )和第二路混叠光谱图像 ( X2 ) 在平面空间上连接在一起， 得到一个总的混叠光谱图像
Y = [Χ,,Χ2] = [Α^,^Χ] = AX 其中， A, A为两个线性算子， ^Χ,Λ ^分别表示第一光路通道和 第二光路通道对光谱图像 （X ) 的操作结果； Α = [Α,Α]表示整个观测 部分的线性函数算子， 表示整个观测部分对光谱图像的操作结果；
(S4b)设 Ψ为原光谱图像 （X ) 稀疏域的一个正交基， 则原光谱图 像 （X)在基 Ψ上的表示系数 Φ是稀疏的， ΒΡΦζψτχζψ- ;
(S4c)设定 min II Ψτ II。为优化求解的目标函数， F = ΑΧ为约束条件， 采用非线性优化方法求解下式， 得到对原光谱图像 X的逼近值 f ：
X =argminl^rXII0 S.t Y = AX
其中， ΙΙΨ ΙΙ。表示原光谱图像 X在稀疏域上的表示系数 Φ的 /。范 数； argmin表示取最小值； s.t F = AX表示约束条件为 F = AX 。
PCT/CN2013/077067 2012-06-13 2013-06-09 基于压缩感知的双通道多光谱视频成像仪及成像方法 WO2013185589A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US14/407,782 US9851252B2 (en) 2012-06-13 2013-06-09 Compressive sensing-based multispectral video imager with double channels and imaging method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201210193244.7A CN102706450B (zh) 2012-06-13 2012-06-13 基于压缩感知的双通道多光谱视频成像仪及成像方法
CN201210193244.7 2012-06-13

Publications (1)

Publication Number Publication Date
WO2013185589A1 true WO2013185589A1 (zh) 2013-12-19

Family

ID=46899400

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2013/077067 WO2013185589A1 (zh) 2012-06-13 2013-06-09 基于压缩感知的双通道多光谱视频成像仪及成像方法

Country Status (3)

Country Link
US (1) US9851252B2 (zh)
CN (1) CN102706450B (zh)
WO (1) WO2013185589A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017528695A (ja) * 2014-07-22 2017-09-28 中国科学院上海光学精密机械研究所 ランダム格子に基づいた圧縮センシング広帯域ハイパースペクトルイメージングシステム
CN109459779A (zh) * 2019-01-08 2019-03-12 中国工程物理研究院激光聚变研究中心 一种激光内爆诊断系统

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102706450B (zh) 2012-06-13 2014-03-12 西安电子科技大学 基于压缩感知的双通道多光谱视频成像仪及成像方法
CN103148942B (zh) * 2013-03-11 2014-09-17 南京理工大学 基于反卷积的双光路光谱测量装置
US10178232B1 (en) 2014-02-10 2019-01-08 Creative Empowering Solutions, LLC Method and apparatus for navigating an automated telephone system
CN103983355B (zh) * 2014-05-27 2016-01-20 西安电子科技大学 基于全色成像的压缩光谱成像系统及成像方法
CN104154998B (zh) * 2014-08-15 2016-03-30 中国科学院上海技术物理研究所 一种基于压缩感知的计算多光谱成像图谱的重构方法
CN104457987B (zh) * 2014-11-25 2016-08-24 西安应用光学研究所 棱镜分光多路复用多光谱成像装置
CN105791640B (zh) * 2015-01-08 2020-07-10 松下知识产权经营株式会社 摄像装置
CN105021280A (zh) * 2015-08-13 2015-11-04 西安电子科技大学 基于全色和压缩光谱成像的图像超分辨率系统及方法
CA3005439A1 (en) 2015-11-20 2017-05-26 Integrated Dynamic Electron Solutions, Inc. Temporal compressive sensing systems
US10852189B2 (en) * 2016-02-26 2020-12-01 The Regents Of The University Of California Filter array reconstructive spectrometry
CN105758524A (zh) * 2016-03-29 2016-07-13 西安电子科技大学 基于全通单模板互补采样的光谱相机及成像方法
CN107846592A (zh) * 2017-10-18 2018-03-27 中国科学院计算技术研究所 压缩感知图像的采集重建方法和系统
CN108965736A (zh) * 2018-09-28 2018-12-07 中国科学院长春光学精密机械与物理研究所 一种亚像素级超分辨成像方法、装置、设备、系统及介质
CN110632002A (zh) * 2019-09-30 2019-12-31 中国科学院西安光学精密机械研究所 一种基于压缩感知的孔径编码光谱探测装置
CN110793632B (zh) * 2019-10-30 2021-06-22 南京大学 一种用于火焰拍摄的高速高精度光谱视频系统及方法
CN112504455A (zh) * 2020-12-07 2021-03-16 中国人民解放军国防科技大学 压缩编码光谱成像系统的光谱定标方法和装置
CN115002466B (zh) * 2022-06-14 2024-06-04 北京理工大学 一种透射式双通道压缩成像方法及系统
CN115103197B (zh) * 2022-06-14 2024-06-04 北京理工大学 一种强度编码型宽谱段双通道压缩成像方法及系统
CN115052091B (zh) * 2022-06-14 2023-05-09 北京理工大学 一种基于晶体线偏器的透射式双通道压缩成像方法及系统
CN115100052B (zh) * 2022-06-14 2024-06-07 北京理工大学 一种宽谱段双通道压缩成像方法及系统
CN115103198B (zh) * 2022-06-14 2024-06-04 北京理工大学 一种具有实出瞳的强度编码型双通道压缩成像方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050162649A1 (en) * 2004-01-23 2005-07-28 P&P Optica Inc. Multi-channel spectrum analyzer
CN101349591A (zh) * 2008-08-29 2009-01-21 北京理工大学 可重构、分布式多光谱成像系统
CN102706449A (zh) * 2012-05-24 2012-10-03 西安电子科技大学 基于压缩感知的双通道遥感光谱成像系统和成像方法
CN102706450A (zh) * 2012-06-13 2012-10-03 西安电子科技大学 基于压缩感知的双通道多光谱视频成像仪及成像方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102397106B (zh) * 2011-10-03 2013-07-10 杨晓峰 多光谱分光融合外科手术引导系统
US9013691B2 (en) * 2012-01-29 2015-04-21 Ramot At Tel-Aviv University Snapshot spectral imaging based on digital cameras

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050162649A1 (en) * 2004-01-23 2005-07-28 P&P Optica Inc. Multi-channel spectrum analyzer
CN101349591A (zh) * 2008-08-29 2009-01-21 北京理工大学 可重构、分布式多光谱成像系统
CN102706449A (zh) * 2012-05-24 2012-10-03 西安电子科技大学 基于压缩感知的双通道遥感光谱成像系统和成像方法
CN102706450A (zh) * 2012-06-13 2012-10-03 西安电子科技大学 基于压缩感知的双通道多光谱视频成像仪及成像方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017528695A (ja) * 2014-07-22 2017-09-28 中国科学院上海光学精密机械研究所 ランダム格子に基づいた圧縮センシング広帯域ハイパースペクトルイメージングシステム
EP3182080A4 (en) * 2014-07-22 2017-12-27 Shanghai Institute of Optics and Fine Mechanics Chinese Academy of Sciences Compressed sensing broadband hyperspectral imaging system based on random grating
CN109459779A (zh) * 2019-01-08 2019-03-12 中国工程物理研究院激光聚变研究中心 一种激光内爆诊断系统
CN109459779B (zh) * 2019-01-08 2023-08-18 中国工程物理研究院激光聚变研究中心 一种激光内爆诊断系统

Also Published As

Publication number Publication date
CN102706450A (zh) 2012-10-03
CN102706450B (zh) 2014-03-12
US9851252B2 (en) 2017-12-26
US20150153227A1 (en) 2015-06-04

Similar Documents

Publication Publication Date Title
WO2013185589A1 (zh) 基于压缩感知的双通道多光谱视频成像仪及成像方法
CN102438102B (zh) 基于压缩编码孔径的超分辨率成像方法
Oike et al. CMOS image sensor with per-column ΣΔ ADC and programmable compressed sensing
CN107064005B (zh) 一种高光谱光场的快照式成像系统以及重建算法
US20210063963A1 (en) Holographic light field imaging device and method of using the same
Nagesh et al. Compressive imaging of color images
CN107622515B (zh) 压缩光场的物理重建方法
Jacques et al. CMOS compressed imaging by random convolution
CN102638659B (zh) 基于cmos-tdi模式的高分辨率成像系统及方法
US20150116526A1 (en) Plenoptic Color Imaging System with Enhanced Resolution
CA2781534A1 (en) Method and system for compressive color image sampling and reconstruction
EP4156685A1 (en) Light field image processing method, light field image encoder and decoder, and storage medium
US9398273B2 (en) Imaging system, imaging apparatus, and imaging method
CN116245726A (zh) 基于深度学习框架的压缩感知偏振超分辨成像方法
Pournaghi et al. Coded acquisition of high frame rate video
Nguyen et al. Multi-mask camera model for compressed acquisition of light fields
CN111854945B (zh) 一种单像素紫外偏振成像方法及系统
Veeraraghavan et al. Non-refractive modulators for encoding and capturing scene appearance and depth
JP7415464B2 (ja) 映像処理装置、映像処理方法およびプログラム
JP6135865B2 (ja) 撮像システム、撮像装置、および撮像方法
RU2781755C1 (ru) Способ формирования изображения высокого разрешения в безлинзовой камере
RU2782506C1 (ru) Способ формирования изображения высокого разрешения в безлинзовой камере
CN116156144B (zh) 一种面向高光谱信息采集传输的一体化系统和方法
Stern et al. Hyperspectral compressive imaging
RU2781756C1 (ru) Способ формирования изображения высокого разрешения в безлинзовой камере

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13804075

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 14407782

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13804075

Country of ref document: EP

Kind code of ref document: A1