The invention discloses a lensless imaging fast reconstruction method based on total variation regularization and variable splitting. In this method, the image reconstruction problem of lensless imaging system is solved by using the idea of total variation regularization and variable splitting. The objective function is divided into two sub-problems, and the final result is obtained by solving the sub-problems alternately. Firstly, a total variational regularization image reconstruction model is introduced according to the linear imaging mechanism in lensless imaging; secondly, an auxiliary variable is introduced to split the target function into two sub-problems, and then Tikhonov regularization and anisotropic total transformation are used for the two sub-problems respectively. (TV) regularization is used to solve the problem; finally, the two sub problems are solved alternatively to find the optimal solution. The invention can not only make the lensless image reconstruction proceed stably in the presence of the imperfect factors, but also effectively remove the noise, and at the same time can keep the details such as the edge of the reconstructed image.
【技术实现步骤摘要】
基于全变分正则化和变量分裂的无透镜成像快速重构方法
本专利技术涉及无透镜编码板成像系统领域,具体涉及一种基于全变分正则化和变量分裂的图像重构技术。
技术介绍
近年来,新型成像应用的出现,推动了无透镜成像系统的发展。无透镜成像系统的主要研究方向是编码孔径(也称为编码板)成像,它最早用于天文学中的X光和Gamma光成像,而制造适用此类光线的成像镜头在工艺上通常是很难实现的。近些年,有研究者提出可见光谱和红外光谱的无透镜成像系统,它们的应用场景随着编码板类型和成像原理的不同而不同。相比于传统基于镜头的相机而言,无透镜成像系统有其特有的优势,比如成像装置可以做到非常轻薄,非平面,相对廉价,并且对成像光谱没有限制。这些优点使得无透镜成像系统在某些特定领域广泛使用,比如天文学,纳米材料勘探,机体细胞监测等。通常,无透镜成像系统使用一个光学编码掩膜板(简称编码板)替代镜头,编码板与传感器平行放置(结构原理图见附图2)。与传统基于镜头的相机不同的是,传感器上所记录的测量值不是成像目标的直接图像,而是编码板上不同小孔所成图像的一个叠加。这种成像模型导致了必须要使用相应的重构算法才能重构出目标场景的图像。一般来说,传感器上的测量值和目标场景是一个线性关系,换句话说,假设u表示一幅大小为N×N的目标场景图像,f表示一幅大小为M×M的传感器测量值,将u和f拉伸成一维向量,即那么u和f满足这个关系:f=Φu+e,其中Φ是一个M2×N2的系统转换矩阵,是成像系统的噪声。这种线性关系通常导致矩阵Φ维度很大,不利于图像的重构。于是有研究者提出使用可分离的编码板模式(即编码板模式在数学上可 ...
【技术保护点】
1.一种基于全变分正则化和变量分裂的无透镜成像快速重构方法,其特征在于包括以下步骤:步骤1:获取传感器仿真测量值;输入自然图像和无透镜成像系统的转换矩阵,根据无透镜成像系统的成像机理,通过计算机模拟得到不同噪声程度下的传感器测量值;步骤2:构建图像重构保真项;使用矩阵L2范数构造图像重构保真项;步骤3:构建图像梯度稀疏正则项;根据图像梯度稀疏先验,构造各项异性的全变分正则项;步骤4:构建重构模型及模型分裂;根据保真项和正则项构建重构模型,引入辅助变量,运用分裂Bregman方法将模型的目标函数分裂成逆子问题和全变分去噪两个子问题;步骤5:逆子问题求解;对转换矩阵进行奇异值分解,然后运用吉洪诺夫(Tikhonov)正则化直接求解的思想求解该子问题;步骤6:全变分去噪子问题求解;引入辅助变量替代目标函数中的梯度项,然后运用分裂Bregman方法求解该子问题;步骤7:模型求解;迭代步骤5和步骤6,当满足终止条件时终止迭代,输出重构图像。
【技术特征摘要】
1.一种基于全变分正则化和变量分裂的无透镜成像快速重构方法,其特征在于包括以下步骤:步骤1:获取传感器仿真测量值;输入自然图像和无透镜成像系统的转换矩阵,根据无透镜成像系统的成像机理,通过计算机模拟得到不同噪声程度下的传感器测量值;步骤2:构建图像重构保真项;使用矩阵L2范数构造图像重构保真项;步骤3:构建图像梯度稀疏正则项;根据图像梯度稀疏先验,构造各项异性的全变分正则项;步骤4:构建重构模型及模型分裂;根据保真项和正则项构建重构模型,引入辅助变量,运用分裂Bregman方法将模型的目标函数分裂成逆子问题和全变分去噪两个子问题;步骤5:逆子问题求解;对转换矩阵进行奇异值分解,然后运用吉洪诺夫(Tikhonov)正则化直接求解的思想求解该子问题;步骤6:全变分去噪子问题求解;引入辅助变量替代目标函数中的梯度项,然后运用分裂Bregman方法求解该子问题;步骤7:模型求解;迭代步骤5和步骤6,当满足终止条件时终止迭代,输出重构图像。2.根据权利要求1所述的基于全变分正则化和变量分裂的无透镜成像快速重构方法,其特征在于:所述步骤1的具体实现方法为:输入一幅N×N自然图像u以及无透镜成像系统的转换矩阵和根据无透镜成像系统的成像机理通过计算机模拟得到不同噪声e下的传感器测量值3.根据权利要求1所述的基于全变分正则化和变量分裂的无透镜成像快速重构方法,其特征在于:所述步骤2中,根据无透镜成像系统的成像机理,构造图像重构的保真项如下:式中||||2为矩阵L2范数,是传感器的测量值,是待求解的目标场景图像。4.根据权利要求1所述的基于全变分正则化和变量分裂的无透镜成像快速重构方法,其特征在于:所述步骤3,根据图像梯度稀疏先验,构造各项异性的全变分正则项如下:||u||TV=||ux||1+||uy||1=||Dxu||1+||Dyu||1式中,||u||TV是图像的全变分,和分别为图像u在水平和垂直两个方向的梯度,和分别为图像水平和垂直方向的梯度算子,||||1是矩阵的L1范数。5.根据权利要求1所述的基于全变分正则化和变量分裂的无透镜成像快速重构方法,其特征在于:所述步骤4构建重构模型及模型分裂:(1)根据保真项和正则项,构建图像重构模型:式中λ>0为正则化参数,是待求解的目标场景图像,是传感器的测量值,和分别为图像u在水平和垂直两个方向的梯度;(2)引入一个辅助变量使得d→u,将重构模型变成如下带约束的模型:s.t.d=u→表示趋近于,运用增广拉格朗日乘子法得到如下无约束最小化模型:式中,λ>0,μ>0为正则化参数;(3)运用Bregman迭代方法将上述目标函数的求解...
【专利技术属性】
技术研发人员:孙权森,钟万强,陈强,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。