【技术实现步骤摘要】
一种基于压缩感知对场景信息片上压缩编码采集的方法
[0001]本专利技术涉及计算摄像学领域,尤其涉及一种基于压缩感知对场景信息片上压缩编码采集的方法。
技术介绍
[0002]对场景信息进行高速成像是计算摄像学领域一个具有挑战性的问题,从捕捉子弹到捕捉光在场景的传播过程,时间维度成像能力的不断提升和突破,使得以往不可能实现的成像任务变为可能,高速成像技术受到了越来越广泛的关注。
[0003]单光子可以通过具有固有高增益的光电探测器来检测。这些光电探测器中的有光电倍增管、微通道平板光电倍增管,还有单光子雪崩光电二极管等。其中,单光子雪崩二极管结合时间关联成像技术可以实现皮秒级别时间分辨率的高速成像,这种成像技术读出噪声为零、灵敏度高、成本低廉。但是单光子雪崩二极管在实际使用中需要淬火电路配合使用,其填充因子不足,探测效率受到限制,在实际应用中有一定的局限性。
[0004]因此,如何设计有效的场景信息采集方案,解决单光子雪崩二极管填充因子不足的问题,并对采集后的场景信息进行高质量的重建,是当今研究的一个热点。 />
技术实现思路
...
【技术保护点】
【技术特征摘要】
1.一种基于压缩感知对场景信息片上压缩编码采集的方法,其特征在于,包括如下步骤:步骤1,对原始图像数据x进行光子化处理,构建图像在光子瞬态分布下的模型x
′
;步骤2,根据寄存器与传感器感光元件的连接分布,对步骤1所得的光子瞬态分布模型x
′
进行压缩采集,得到压缩采集后的数据y
′
;步骤3,根据传感器的死时间效应和寄存器位数,剔除步骤2压缩采样后的数据y
′
中因死时间效应和寄存器位数饱和失效的光子,得到符合真实场景中压缩采样的光子化模型,光子化模型中光子的数量即为压缩采样后的数据y,构建原始图像数据x与数据y一一对应的训练数据对;步骤4,将步骤3得到的训练数据对输入到卷积神经网络中,对该网络模型进行训练;步骤5,通过损失函数计算重建图像与真实图像的误差,对误差的反向传递更新网络的权重参数和偏置参数;步骤6,重复步骤4~5,对所述卷积神经网络进行训练,直至重建图像与真实图像的误差较小时,完成神经网络的训练,输出压缩采样的重建图像。2.根据权利要求1所述的一种基于压缩感知对场景信息片上压缩编码采集的方法,其特征在于,所述步骤1中,对原始图像数据x进行光子化处理的具体步骤为:步骤11,对原始图像数据x的一个像素值为x
11
像素点,生成一个0到1的随机数,重复这个操作,直到生成的随机数t0小于率参数为x
11
的负指数分布在随机数t0的值,t0即为光子产生的时间间隔;将时间计数t加上光子产生的时间间隔t0,并将此时的时间计数t+t0的值由0置为1,表示此时刻存在一个光子;步骤12,重...
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。