论文部分内容阅读
单光子压缩成像将单像素成像与光子计数技术相结合,可以实现极弱光下的成像,在生物医学成像、天文探测、多光谱成像等领域具有广泛的应用。由于单像素成像的采样时间受限于测量次数和空间光调制器的调制频率,因此单像素成像往往通过压缩感知(Compressed Sensing,CS)采样来减少测量次数,缩短采样时间。然而压缩感知的重建算法通常涉及迭代优化,计算复杂度高,花费的时间随图像大小呈指数型增长。在此背景下,本文从空间域和变换域上分别对单光子压缩成像的自适应采样技术进行了研究,主要研究内容及成果如下:(1)本文研究了利用图像的空间域信息进行自适应采样的方法,并提出了一种基于感兴趣区域的自适应压缩采样方法。其主要方法是通过视觉显著性对感兴趣区域进行定位,然后根据感兴趣区域来生成非均匀分辨率掩模对场景进行成像。实验结果表明,在相同的测量次数情况下,基于感兴趣区域的自适应压缩采样能够在感兴趣区域获得更好的成像质量。(2)利用图像在变换域中的稀疏性可以直接在变换域中对图像进行压缩采样,然后通过逆变换进行图像重建。并且为了降低观测矩阵的存储量和压缩感知的计算复杂度,提出了一种基于小波域的分块自适应压缩采样技术。通过实验对比了不同算法的重建时间和图像质量,验证了该方案可以有效地减少图像重建时间和观测矩阵的存储量,有利于减轻硬件压力。(3)提出了一种基于互相关的快速自适应目标跟踪方法用于单光子压缩成像系统。该方法通过在数字微镜器件(Digital Micro-mirror Device,DMD)上自适应地加载相应的掩模,使用点探测器直接测量目标与场景之间的空间相关性,从而进行目标跟踪。实验结果表明,该方法可以快速有效地跟踪目标,只需要少量的测量次数就可以更新目标的位置信息。