一种高采样效率的傅里叶单像素成像方法技术

本发明专利技术公开了一种高采样效率的傅里叶单像素成像方法，首先利用空间光调制技术对目标物体图像的傅里叶谱进行采样密度变化的稀疏采样，进而对所获得的傅里叶谱施行L1‑Magic压缩感知算法，最终重建出物体图像。本发明专利技术利用自然图像在傅里叶域能量高度集中的特性，通过对重要性高的傅里叶系数进行高概率采样作为约束，使压缩感知算法可以通过凸优化求解出未被采样的且重要性高的傅里叶系数，并将所节省的测量用于采集重要性较低的傅里叶系数，最终使收集到的空间信息最大化，从而实现了以少量的测量次数重建出清晰的物体图像，实现高采样效率的单像素成像。本发明专利技术所实现的高采样效率特征可使本发明专利技术应用于动态场景的单像素成像。

【技术实现步骤摘要】
一种高采样效率的傅里叶单像素成像方法
本专利技术涉及光学成像
，特别是一种高采样效率的傅里叶单像素成像方法。
技术介绍
单像素成像在宏观和微观领域得到广泛的应用。目前，单像素成像技术在宏观方面的应用主要包括彩色成像、三维成像、多模态成像、免图像的运动物体探测与三维追踪等，以及微观方面的数字全息显微术、光场显微术、焦点扫描显微术等。相比多像素阵列探测器(例如CCD、CMOS)，单像素探测器可以工作在更宽的光谱范围、非视距、弱光环境等条件下，尤其在成本昂贵的多像素阵列探测器不能工作的情况下(例如远红外、紫外光、X光、太赫兹等)，单像素成像有助于解决非可见光成像的难题，单像素探测器相比多像素阵列探测器还具有更高的量子效率、更低的暗噪声和更短的响应时间等优点，在一些特殊成像领域如生物医学成像或远距离3D成像更具优势。傅里叶单像素成像是一种基扫描单像素成像技术，即利用傅里叶基底图案进行空间光调制，由单像素探测器进行待测场景的反射光、透射光或者散射光强的探测，将获得的光强信号经过重建算法重建出目标场景图像。相比其他基扫描单像素成像方法，傅里叶单像素成像采样效率更高。而且傅里叶基底图案能够通过两平面波相干产生，使得在那些没有空间光调制器可用的波长范围也能够进行成像。然而傅里叶单像素成像技术与其他单像素成像技术一样，都面临着成像效率和成像质量相互制衡这一难题。如果想重建一张分辨率高、细节丰富的图像，需要获取更多的测量数据，也就是需要更长的数据获取时间。对于快速成像尤其是动态成像的话，重建一帧图像所用的数据获取时间很长，会导致运动模糊现象。所以，提高傅里叶单像素成像的效率是十分重要的。
技术实现思路
本专利技术的目的在于解决现有技术的不足，针对在傅里叶单像素成像领域中成像效率与成像质量相互制衡的难题，提出一种高采样效率的傅里叶单像素成像方法，即对目标物体图像的傅里叶谱进行采样密度变化的稀疏采样，通过对重要性高的傅里叶系数进行高密度采样作为约束，使L1-Magic压缩感知算法可以通过凸优化求解出未被采样的且重要性高的傅里叶系数，并将所节省的测量用于采集重要性较低的傅里叶系数，最终使收集到的空间信息最大化。本专利技术可以实现以少量的测量次数重建出清晰的物体图像，实现高采样效率的单像素成像该方法，进一步可以应用于动态场景的单像素成像。本专利技术的目的通过下述技术方案实现：1、对目标场景图像的傅里叶谱进行非均匀密度采样，采样密度相对于傅里叶系数的重要性的关系符合函数分布；然后，利用被采样的傅里叶系数进行空间光调制，产生对应的结构光；接着将结构光投射到目标场景，之后再进行结构光探测以及重建算法处理，最终重建出目标场景图像。2、傅里叶系数的重要性高低取决于系数的幅值，幅值越大则重要性越高，反之亦然。使用大量自然图像进行逆傅里叶变换，将所得到的傅里叶谱全部叠加起来，再根据叠加后的傅里叶系数的幅值从大到小对傅里叶系数进行排列，得到一个重要性降序排列向量，对重要性高的傅里叶系数实施高概率采样，对重要性低的傅里叶系数实施低概率采样。3、目标场景图像的傅里叶谱通过如下步骤获取得到：(1)先根据所需成像分辨率的大小A×B，将大量彩色自然图像裁剪成分辨率为A×B的彩色图像，然后将这些彩色图像转换成灰度图像，接着对这些灰度图像进行二维傅里叶变换得到多张傅里叶谱；(2)将这些傅里叶谱叠加起来得到一张总的傅里叶谱，傅里叶系数个数为A×B，傅里叶系数幅值大的代表其重要性高，傅里叶系数幅值小的代表其重要性低。实值图像的傅里叶谱具有共轭对称性，所以只需要选择对称的其中一块区域，对该区域内的所有傅里叶系数(个数为P，P为正整数)，根据幅值大小进行降序排序，得到一个重要性降序排列向量；(3)指定采样率，生成一个离散高斯函数其中，k＝0,1,2,...,P-1，对应各个傅里叶系数在重要性降序排列向量中的位置，g(k)表示第k个傅里叶系数对应的高斯函数值，所以生成的高斯函数的离散点数与重要性降序排列向量的大小一致。σ是标准差，其值取决于采样率η，当采样率小于50％的时候，σ与η存在如下函数关系：σ＝(2η)2/π当采样率大于50％的时候，σ与η无明显的函数关系。高斯函数的值域范围为(0,1]；(4)生成一个与重要性降序排列向量大小一致的随机数向量r(k)，该随机数向量中每个随机数的范围为[0,1]，将该随机数向量与高斯函数进行比较，如果g(k)＞r(k)，那么在重要性降序排列向量中对应的第k个傅里叶系数就会被采样。由此最终得到一个高斯采样路径，该路径中所包含的傅里叶系数个数为M。4、每个被采样的傅里叶系数都对应一组N张正弦条纹图案，组内的正弦条纹图案具有相同的空间频率(fx,fy)但不同的相位其中，第i张正弦条纹图案的初相位为利用被采样的傅里叶系数进行空间光调制的过程如下：利用空间光调制器按照重要性降序排列向量中傅里叶系数的排列顺序以及每组正弦条纹图案的初相位从小到大的顺序来显示所生成的正弦条纹图案，令照明光源的照明光投射于空间光调制器，此时利用空间光调制器对照明光源产生的照明光场进行调制，产生含有正弦条纹图案的结构光。5、空间光调制器采用N步相移法产生一套大小为A×B像素，空间频率为(fx,fy)，初相位为的正弦条纹图案，其中，第i张正弦条纹图案的初相位为结构光中的正弦条纹图案的生成过程如下：根据不同的初相位，利用如下公式生成每个傅里叶系数对应空间频率(fx,fy)的多灰度级的正弦条纹图案然后利用Floyd-Steinberg误差扩散二值化算法对所得正弦条纹图案进行二值化，最终生成的一套正弦条纹图案一共有M×N张图案，坐标x、y完成归一化，坐标取值范围为[0,1]。6、将结构光投射到目标场景，并生成一束反射光，根据该束光信号，得到对应的M×N个信号幅值：设场景的x-O-y投影面为I(x,y)，经正弦条纹图案投射到场景后所得反射光的信号幅值表示为二维图像I与正弦图案P的内积：记录光电探测器记录x-O-y投影面的对应N步相移正弦条纹图案的N个信号幅值分别为D1,D2,...,DN；基于M×N个信号幅值，计算出与所用的正弦条纹图案空间频率一致的傅里叶系数，然后使用L1-Magic重建算法重建出场景图像。7、利用空间光调制技术对目标场景图像的傅里叶谱进行高斯采样，然后采用L1-Magic压缩感知算法对所获得的傅里叶谱进行处理，最终通过数值计算重建出目标场景图像。本专利技术相对于现有技术具有如下的优点及效果：1、在本专利技术中，傅里叶谱的采样密度相对于傅里叶系数的重要性服从一维高斯函数分布，即对重要性高的傅里叶系数实施高概率采样，对重要性低的傅里叶系数实施低概率采样，有助于显著提高傅里叶单像素成像的采样效率，从而使得本专利技术的方法在大大减少采样次数的情况下也能保证成像的质量，符合各领域的需求，产业化前景广阔。2、本专利技术采用的是对目标物体图像的傅里叶谱进行采样密度变化的本文档来自技高网...

【技术保护点】
1.一种高采样效率的傅里叶单像素成像方法，其特征在于，首先，对目标场景图像的傅里叶谱进行非均匀密度采样，采样密度相对于傅里叶系数的重要性的关系符合函数分布；然后，利用被采样的傅里叶系数进行空间光调制，产生对应的结构光；接着将结构光投射到目标场景，之后再进行结构光探测以及重建算法处理，最终重建出目标场景图像。/n

【技术特征摘要】
1.一种高采样效率的傅里叶单像素成像方法，其特征在于，首先，对目标场景图像的傅里叶谱进行非均匀密度采样，采样密度相对于傅里叶系数的重要性的关系符合函数分布；然后，利用被采样的傅里叶系数进行空间光调制，产生对应的结构光；接着将结构光投射到目标场景，之后再进行结构光探测以及重建算法处理，最终重建出目标场景图像。


2.根据权利要求1所述的傅里叶单像素成像方法，其特征在于，傅里叶谱的采样密度相对于傅里叶系数的重要性服从一维高斯函数分布，即对重要性高的傅里叶系数实施高概率采样，对重要性低的傅里叶系数实施低概率采样。


3.根据权利要求1所述的傅里叶单像素成像方法，其特征在于，傅里叶系数的重要性高低取决于傅里叶系数的幅值，幅值越大则重要性越高，反之亦然。


4.根据权利要求1所述的傅里叶单像素成像方法，其特征在于，对目标场景图像的傅里叶谱进行非均匀密度采样的过程如下：
(1)先根据所需成像分辨率的大小A×B，将多张彩色自然图像裁剪成分辨率为A×B的彩色图像，然后将这些彩色图像转换成灰度图像，接着对这些灰度图像进行二维傅里叶变换得到多张傅里叶谱；
(2)将这些傅里叶谱叠加起来得到一张总的傅里叶谱，傅里叶系数个数为A×B，傅里叶系数幅值大的代表其重要性高，傅里叶系数幅值小的代表其重要性低；实值图像的傅里叶谱具有共轭对称性，所以只需要选择对称的其中一块区域，该区域内有P个傅里叶系数，对该区域内的所有傅里叶系数按照傅里叶系数幅值大小进行降序排序，从而得到一个重要性降序排列向量，便于之后对重要性高的傅里叶系数实施高概率采样，对重要性低的傅里叶系数实施低概率采样；
(3)指定采样率，生成一个离散高斯函数：



其中，k＝0,1,2,...,P-1，对应各个傅里叶系数在重要性降序排列向量中的位置；g(k)表示第k个傅里叶系数对应的高斯函数值，所以生成的高斯函数的离散点数与重要性降序排列向量的大小一致；σ是标准差，其值取决于采样率η，当采样率小于50％的时候，σ与η存在如下函数关系：
σ＝(2η)2/π；
高斯函数的值域范围为(0,1]；
(4)生成一个与重要性降序排列向量大小一致的随机数向量r(k)，该随机数向量中每个随机数的范围为[0,1]，将该随机数向量与高斯函数进行比较，如果g(k)＞r(k)，那么在重要...

【专利技术属性】
技术研发人员：张子邦，钟金钢，邱子恒，
申请(专利权)人：暨南大学，
类型：发明
国别省市：广东;44