CN105182359B - 一种星载Lidar超混沌压缩感知高空间分辨率成像方法 - Google Patents

Abstract

本发明公开一种星载Lidar超混沌压缩感知高空间分辨率成像方法。针对大光斑星载Lidar高分辨率探测，基于图像稀疏先验，提出一种超混沌压缩感知Lidar成像方法。超混沌伪随机矩阵驱动DMD实现Lidar光路空间调制，由分块压缩感知实现ZIGZIG扫描分块采样，APD进行CS观测与同步采集，然后StOMP算法重构大光斑星载激光雷达高分辨率图像，获取探测目标空间纹理信息，如摘要附图所示。分块压缩感知，降低了CS观测矩阵的维数和重构算法的复杂度，能够快速获取高分辨率的观测图像。本发明构建了实验原型并进行方法验证，能有效提高星载大光斑Lidar探测的空间分辨率、获取二维图像空间结构信息。

Description

一种星载Lidar超混沌压缩感知高空间分辨率成像方法

技术领域

本发明涉及星载大光斑激光雷达探测和遥感图像处理的技术领域，尤其涉及一种基于超混沌观测矩阵的星载Lidar压缩感知高空间分辨率成像方法。在Lidar高分辨成像、高分辨率DEM、DSM获取方面具有重要科学研究价值和实际工程意义。

背景技术

星载Lidar是一种高效对地观测方法，在地形测绘、环境监测、森林调查等方面应用广泛。根据Lidar地面光斑的大小，通常分为大光斑星载Lidar和小光斑机载Lidar两种类型,由于载荷飞行高度和Lidar激光光束发散角的限制，在地面上形成有一定面积的光斑。大光斑激光雷达***的光斑直径一般为几十米，扫描采样间隔达到几十米到百米，因此其空间分辨率非常有限。鉴于此，本发明专利提出一种基于压缩感知，提高大光斑星载Lidar空间分辨率的方法。

压缩感知(压缩采样)是与Shannon采样完全不同的一种全新的信息采集与获取方法。这种方法在探测目标稀疏先验的前提下，通过随机线性观测，在很少的观测数据(远低于奈奎斯特采样频率)条件下，能高概率重构连续空间的高分辨率二维图像信息，为高分辨率成像开辟了新的方向，这是本专利方法提高大光斑星载Lidar空间分辨率的理论基础。与传统的高速采集方法不同，压缩感知直接利用随机观测矩阵对稀疏信号进行多次线性随机观测，将高维信号投影到低维空间再进行压缩采样，压缩感数学模型如下：

y＝Φx＝ΦΨα＝Θα (4)

式-4中y为压缩感知观测值向量，x为待获取高分辨率地物场景，Φ为观测矩阵，Ψ为稀疏表达基，α为高分辨率地物场景在稀疏基Ψ空间的变换系数。本发明中采用超混沌矩阵作为Lidar的观测矩阵Φ，驱动和更新DMD实现随机观测矩阵编码、由APD完成压缩采样。基于压缩感知的理论方法，提出了一种基于FPGA硬件实现的超混沌观测矩阵，提高Lidar扫描成像空间分辨率，这与传统Lidar扫描成像，再由插值获取空间纹理信息的方法不同。本专利方法在Lidar高分辨率成像、高分辨率DEM、DSM获取方面具有重要科学研究价值和实际工程意义。

发明内容

本发明主要是解决现有技术所存在的技术问题；提供了一种在不影响探测效率的情况下，提高了Lidar成像空间分辨率，且能有效减少数据传输数据量的基于超混沌观测矩阵的星载Lidar压缩感知高空间分辨率成像方法。

本发明还解决了现有技术所存在的另外一个问题；提供了一种不仅能获得较高的重构精度、重现性好，且易于硬件实现，解决了CS理论工程应用中伪随机序列硬件难实现问题。

本发明的上述技术问题主要是通过下述方法得以解决的：

一种星载Lidar超混沌压缩感知高空间分辨率成像方法，其特征在于，包括以下步骤：

步骤1，星载激光雷达激光器发射激光信号，激光大光斑投影到地物目标；

步骤2，在星载控制模块控制下，由FPGA控制超混沌观测矩阵模块实时生成超混沌观测矩阵，驱动并更新DMD微透镜阵列；

步骤3，Lidar大光斑回波信号经透镜聚光后，与步骤2中的更新的DMD 微透镜阵列进行数字空间调制，然后发送给APD雪崩光电二极管，采集回波信号，详细步骤如下：

步骤3.1：定义待观测高分辨率图像的行数:Ir,列数:Ic进行Br╳Bc个分块CS采样；首先FPGA实时成大小为(Ir/Br)╳(Ic/Bc)的超混沌观测矩阵Φ_B，并传输到DMD数字调制***；

步骤3.2：在数字光学空间调制编码中，超混沌CS观测矩阵Φ_B驱动更新DMD，与ZIGZIG扫描遍历图像块进行数字光学调制编码，历经Br╳Bc次调制后可以得到Br╳Bc个不同图像子块的调制编码图像；

步骤3.3：空间调制后图像信号，经光路汇聚和APD采集得到CS观测值，并将观测值传至重构处理模块；

步骤3.4：重复步骤3.1至步骤3.3，每个分块子图像的观测次数为其中M为不分块情况下CS精确重构所需要的观测次数；每个子图块所得到的观测序列值均采用StOMP算法重构,得到二维精细空间结构信息，提高空间分辨率；

步骤3.5：将分块重构后的图像通过无缝拼接和复原，得到全景重构图像；

步骤4，星载控制器模块输出同步信号到采集***，完成APD雪崩光电二极管的CS同步采集；

步骤5，按照以上步骤2-4，以设定频率产生并跟新混沌伪随机观测矩阵，同步采集CS观测值，并通过卫星通信链路将CS采集数据传输到地面卫星接收站；

步骤6，高性能计算模块利用接收到的CS观测值和混沌数学模型重现观测矩阵序列，通过CS重构算法完成目标场景的重构，获取高分辨率图像。

上述一种星载Lidar超混沌压缩感知高空间分辨率成像方法，所述步骤2中，生成超混沌观测矩阵的具体方法是一种基于Liu***的含有非线性二次项的超混沌***，该混沌***有两个正的李雅普诺夫指数，有良好的非线性动力学特性，且理论证明该***满足压缩感知重构RIP条件；混沌***矩阵的数学模型为，

式一

具体步骤如下：

步骤2.1：连续数学模型的离散化处理；基于欧拉算法进行离散化，其中Δt取0.004，其离散公式如下：

式二

步骤2.2：离散模型的线性变换；为兼顾算法精度、硬件成本及产生混沌二进制信号的效率，本发明采用32位宽来实现混沌定点运算，其中含符号位的整数部分为5位二进制数，小数部分为27位二进制数；为了避免混沌数据产生溢出问题，需对原离散***进行线性变换和位深压缩；线性变换后离散模型如下：

式三

步骤2.3：数字混沌***设计与实现；利用Xilinx公司的System Generator forDSP开发工具，由Simulink建模完成超混沌矩阵的FPGA设计，由公式三得到混沌吸引子；

步骤2.4：CS混沌观测矩阵序列的生成；将混沌各分量截取低16位二进制数据，再将x和w分量，y和z分量分别进行异或处理，然后将得到的两组16位数据进行顺序组合得到最终的32位二进制混沌数据；通过配置和运行System Generator模块产生流文件，利用IMPACT烧写到FPGA中；每个时间片产生一个32╳32大小的混沌观测矩阵。

因此，本发明具有如下优点：1，基于超混沌观测矩阵的高空间分辨率星载Lidar压缩感知成像方法，在不影响探测效率的情况下，提高了Lidar成像空间分辨率，且能有效减少数据传输数据量；2，不仅获得了较高的重构精度、重现性好，且易于硬件实现，解决了CS理论工程应用中伪随机序列硬件难实现问题；3，提出的星载分块CS-Lidar原型***，与非分块CS成像方法相比较，有效降低了观测矩阵的维数和重构算法的运算量，重建时间复杂度低。

附图说明

图1是超混沌观测矩阵的大光斑星载Lidar压缩感知高空间分辨率成像方法的原理图。

图2是分块压缩感知Lidar成像光学***实验室原型。

图3是数字空间光学调制***与光电探测采集之间的同步模型。

图4-a是y-w各分量混沌吸引子图。

图4-b是x-z各分量混沌吸引子图。

图4-c是x-y各分量混沌吸引子图。

图5-A1是Lfsr方法生成的伪随机观测矩阵

图5-A2是Toeplitz方法生成的伪随机观测矩阵

图5-A3是Hyper-chaos方法生成的伪随机观测矩阵

图5-B1/图5-B2/图5-B3是不同空间结构信息场景,不同观测次数超混沌观测矩阵的CS观测与重构结果对比(中文文字)。

图5-B2是不同空间结构信息场景,不同观测次数超混沌观测矩阵的CS观测与重构结果对比(飞机目标)。

图5-B3是不同空间结构信息场景,不同观测次数超混沌观测矩阵的CS观测与重构结果对比(分辨率测试卡)。

图5-C1是Lfsr/Toeplitz/Hyper-chaos三种随机观测矩阵的CS重构结果图像PSNR对比分析(中文文字)

图5-C2是Lfsr/Toeplitz/Hyper-chaos三种随机观测矩阵的CS重构结果图像PSNR对比分析(飞机目标)

图5-C3是Lfsr/Toeplitz/Hyper-chaos三种随机观测矩阵的CS重构结果图像PSNR对比分析(分辨率测试卡)

图6a是地物目标场景分块超混沌压缩感知的不同观测次数的重构图像(原图像)。

图6b是地物目标场景分块超混沌压缩感知的不同观测次数的重构图像(m＝50)。

图6c是地物目标场景分块超混沌压缩感知的不同观测次数的重构图像(m＝100)。

图6d是地物目标场景分块超混沌压缩感知的不同观测次数的重构图像(m＝200)。

图7是分块压缩感知Lidar成像实验室原型验证实验。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：

下面结合附图和具体实施例对本发明进一步说明。

图1为本发明的基于超混沌观测矩阵的高空间分辨率星载Lidar压缩感知成像方法原理框图：

主要包括：超混沌CS观测空间调制矩阵的FPGA生成，DMD的控制、驱动与状态更新、光学空间调制与同步采集，APD单点探测模块，高空间分辨率图像的稀疏重建模块。

所述高分辨率Lidar探测方法原型包括：1.基于Xilinx V5FPGA芯片的超混沌CS矩阵生成电路和同步时序控制电路模块，以设定频率产生混沌伪随机观测矩阵序列，根据同步时序实现光路的随机观测矩阵空间调制和CS同步采集；2.CS超混沌随机观测矩阵的生成，及DMD驱动与光学空间调制模块，主要功能是将FPGA生成的混沌随机观测矩阵驱动DMD、耦合到Lidar光路、进行光学空间调制。3.APD探测模块的CS采样，由单点APD光电转换器与其同步采集电路组成，实现线性随机CS观测与采集，数字光学调制后的图像经透镜汇聚后由APD转换为电信号，同时采集卡在同步时序信号的触发下进行同步CS采集，并将结果传送至CS重构处理模块。4.重构模块由高性能计算卡和PC机组成，利用采集得到的观测值和生成的超混沌CS观测矩阵序列，由分块压缩感知重构算法完成高分辨率Lidar图像的重构。

本发明专利，基于超混沌观测矩阵的星载Lidar压缩感知高空间分辨率成像方法，采用了超Liu混沌***产生伪随机矩阵作为压缩感知的观测矩阵。由于混沌是一种确定性***中出现的类随机性的***，仅由***参数和初始值决定，因此硬件易实现、可完全重现，且具有良好的伪随机性。本专利采用的混沌***是具有两个正的李雅谱诺夫指数的超混沌***，其非线性特性比起一般的普通混沌***更为复杂，具有更优良的伪随机性。LeiYu，Jean Pierre Barbot等人已证明了混沌矩阵满足了RIP原则，符合压缩感知理论CS观测矩阵约束条件，其高概率重构需要的观测次数m与信号的长度N的关系为：

m≥Cμ²(Θ)KlogN (5)其中C是与相干度有关的固定常量，K为信号的稀疏度，μ表示观测矩阵和稀疏表达基之间的相干成度，其定义式为：由公式(5)知，μ的值越小，表示观测矩阵和稀疏表达基之间的非相干性越好，重构信号x⁰所需要的观测次数m就越少。信号越稀疏、稀疏表达基与随机观测矩阵之间的相干性越小，重构信号所需要的观测次数越少。

本发明中的超混沌电路模块是由Virtex-XC5VLX50FPGA芯片编程产生，实现以下三方面功能：

1)：生成超混沌伪随机二进制序列，进而产生与分块子图像尺寸相同的超混沌CS矩阵；

2)：每产生一个混沌CS矩阵，立即驱动DMD更新空间调制矩阵，以设定频率产生超混沌CS矩阵序列；

3)：FPGA生成混沌观测矩阵的同时，从GPIO端发出一个2.5v下降沿脉冲信号至采集卡同步模块的外触发端。

本发明中采用的超Liu混沌***数学模型如下：

其中参数取值为a＝10，b＝40，k＝1,c＝2.5,h＝4。

本发明中产生基于超混沌***的伪随机观测矩阵的主要步骤如下：

步骤1)：连续数学模型的离散化处理。本发明采用速度较快、占用资源较少的欧拉(Euler)算法进行离散化处理，其中Δt取0.004，其离散公式如下：

步骤2)：离散模型的线性变换。为兼顾算法精度、硬件成本及产生混沌二进制信号的效率，本发明采用32位宽来实现混沌定点运算，其中整数部分(含符号位)为5位二进制数，小数部分为27位二进制数。为了避免混沌数据溢出问题，对原离散***进行线性变换和位深压缩，线性变换后的离散模型如下：

步骤3)：数字混沌***设计。利用Xilinx公司的System Generator for DSP开发工具，通过Simulink建模工具实现FPGA设计，由公式(8)得到混沌吸引子(见图4)。

步骤4)：CS混沌观测矩阵的生成。将混沌各分量截取低16位二进制数据，再将x和w分量，y和z分量分别进行异或处理，最后将得到的两组16位数据顺序组合得到32位二进制混沌数据，即每次混沌迭代得到32位二进制数据序列。通过配置和运行System Generator模块产生流文件，通过Xilinx IMPACT软件将电路代码烧写到FPGA中，每次可产生一个32╳32的混沌观测矩阵。

本发明中，为验证超混沌观测矩阵性能，将另外两种广为应用且硬件易实现的伪随机序列做性能对比分析：基于线性移位反馈寄存器的m序列发生器(LFSR)和基于循环拓普利兹(Toeplitz-Circulant)算法的观测矩阵。其中LFSR的m序列发生器原理简单，不再赘述，本发明Toeplitz-Circulant观测矩阵是在循环矩阵的基础上实现，其构造方法步骤如下：

步骤1：依据分块大小构造两个大小相同的矩阵A和B，第一列为随机函数产生0和1元素作为初值种子，或利用移位反馈寄存器产生初始种子；

步骤2：A矩阵中，第二列的第一个值是第一列的最后两个值的异或，第二列其他值由第一列初值向下移一位所得，按照此方法依次得到第三列第四列及剩余各列的值；

步骤3：B矩阵中，第二列的最后一个值是第一列的前两个值的异或，第二列其他值是第一列初值向上移一位所得，按照此方法依次得到第三列、第四列等各列的值；

步骤4：A，B矩阵移位完成后，再将A，B矩阵对应的元素进行异或得到最终的观测矩阵C。

本发明中利用CS分块进行高分辨图像的重构，由分块观测矩阵实现对大幅宽Lidar成像，即每次将分块观测矩阵与对应子图像进行数字光学调制，得到子图像块的CS观测值。进行分块压缩感知观测不但可以使观测矩阵的维数大幅度降低，易于生成和储存，而且在后期重构图像时降低了数据维数，计算时间复杂度大幅度降低。

本发明所采用的分块压缩感知主要步骤如下：

步骤1：设待获取高分辨率图像(行:Ir,列:Ic)，进行Br╳Bc个分块CS观测和采集。首先FPGA实时生成尺寸大小为(Ir/Br)╳(Ic/Bc)的超混沌观测矩阵Φ_B，驱动和更新DMD产生超混沌编码矩阵；

步骤2：ZIGZIG遍历的数字空间调制，超混沌CS观测矩阵Φ_B驱动更新DMD，与ZIGZIG扫描遍历图像块进行数字光学调制编码，采集得到Br╳Bc个空间调制图像；

步骤3：空间调制编码后图像，经光路聚焦和APD采集得到CS观测值，并传至重构处理模块；

步骤4：重复步骤1至步骤3，每个子图像块的观测次数为其中M为不分块CS观测精确重构所需要的观测次数。每个子图块所得到的观测序列值均采用相StOMP算法重构，获取二维图像空间精细空间结构信息；

步骤5：将分块重构后的图像通过无缝拼接和复原，重构全景图像。

图2为依据上述光路原理框图搭建的实验室光学原型***。

原型***采用650nm的半导体激光器⑤，探测目标为飞机图像④，验证本专利的提出的超混沌CS采集与重构方法；数字光学调制装置为TI公司的数字光学调制(DMD)模块③，其APPSFPGA芯片为Xilinx公司的Virtex-5LX50类型的FPGA，编程产生超混沌矩阵和控制***的接口电路；其中PC机①为CS重构模块，实现分块的压缩感知算法重构。

图3为实验原型***中采用的采集卡和DMD驱动之间的同步模型。原型***中FPGA实现混沌***、分块操作和同步信号的产生和输出；实验中探测器采集卡检测到外触发端有下降沿脉冲信号时，进行一次CS观测值采集，并传输到PC机实现重构。

图4为System Generator环境下得到的超混沌***，其各个相平面上的混沌吸引子,图4-a为y-w平面相图，图4-b为x-z平面相图，图4-c为x-y平面相图。

图5为超混沌观测矩阵与其他两种观测矩阵的性能对比分析。仿真验证中观测矩阵大小为64╳64(N＝4096)的二维数组。图5-A从左到右分别是线性移位反馈寄存器的m序列发生器(LFSR)生成的伪随机观测矩阵、循环拓普利兹(Tepolitz)算法生成的伪随机观测矩阵和超混沌(Hyper-chaos)生成的伪随机观测矩阵；图5-B为利用超混沌观测矩阵对具有不同空间结构特征的目标(中文文字、飞机目标、分辨率测试卡)进行CS采集与重构结果分析比较，由结果可知，在CS采样值分别为M＝400/800/1200/1600/2000/2400条件下，重构探测目标二维空间纹理细节信息；图5-C是利用以上三种随机矩阵，对三种不同空间结构信息场景进行模拟CS观测与重构后，峰值信噪比PSNR的对比。显然，超混沌观测矩阵的CS观测重构精度，优于拓普利兹循环算法矩阵和LFSR观测矩阵的观测与重构精度。对于纹理简单的中文文字图片，混沌观测矩阵只需要M＝400次观测即可精确重构64╳64大小的原图像(N＝4096pixels)，PSNR>25；对于空间结构信息较复杂的分辨率测试卡图片，在M＝2000时可以精确重构原图像。综上所述，基于Liu超混沌观测矩阵的压缩感知重构精度远高于其他两种观测矩阵的重构结果，并随观测次数的增加，获取探测目标更多二维空间结构信息，重构精度提高。

图6为地物场景采用4╳4分块混沌压缩感知成像，不同观测次数的成像仿真。图(a)为原始高分辨率地物场景(128╳128像素)。图(b)，图(c)，图(d)分别为每小块测量值数m为50、100、200时的重构图像，可以看出，随观测次数增加，能得到的更精细的空间纹理信息。

图7为分块压缩感知Lidar成像实验室原型***CS成像各步骤实验结果。图(a)为探测目标128╳128像素高空间分辨率目标，分块后得到16个32╳32的小图像块，每个子图像块使用同一混沌观测矩阵序列进行观测和重构。图(b)为ZIGZIG扫描CS成像，每个子块有m次观测，分块随机观测矩阵为混沌模块所产生；压缩感知分块方法依次重构各个子图像块，结果如图(c)所示；然后进行图像无缝拼接和复原依次得到图d，图e，和图f，从而验证本专利提出的CS成像方法。

本专利中所描述的具体实施例仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (2)

1.一种星载Lidar超混沌压缩感知高空间分辨率成像方法，其特征在于，包括以下步骤：

步骤1，星载激光雷达激光器(1)发射激光信号，激光大光斑投影到地物目标(2)；

步骤2，在星载控制模块控制下由FPGA(4)控制超混沌观测矩阵模块实时生成超混沌观测矩阵序列，驱动并更新DMD微透镜阵列(3)；

步骤3，Lidar大光斑回波信号经透镜聚光后与步骤2中更新后的DMD微透镜阵列(3)进行数字空间调制后发送给APD雪崩光电二极管，采集回波信号，步骤如下：

步骤3.1：定义待观测高分辨率图像的行数:Ir,列数:Ic进行Br╳Bc个分块CS采样；首先由FPGA(4)控制超混沌观测矩阵模块实时生成大小为(Ir/Br)╳(Ic/Bc)的超混沌观测矩阵Φ_B，并传输到DMD数字调制***；

步骤3.2：在数字光学空间调制编码中，超混沌观测矩阵Φ_B驱动更新DMD，与ZIGZIG扫描遍历图像块进行数字光学调制编码，历经Br╳Bc次调制后可以得到Br╳Bc个不同图像子块的调制编码图像；

步骤3.3：图像块空间调制编码后，经光路汇聚和APD采集得到CS观测值，并将观测值传至重构处理模块；

步骤3.4：重复步骤3.1至步骤3.3，每个分块子图像的观测次数为其中M为不分块情况下CS精确重构所需要的观测次数；每个子图块所得到的观测序列值均采用StOMP算法重构,得到二维图像精细空间结构信息，从而提高空间分辨率；

步骤3.5：将分块重构后的图像通过无缝拼接和复原，得到全景重构图像；

步骤4，星载控制模块(5)输出同步信号到采集***(6)，完成APD雪崩光电二极管的CS同步采集；

步骤5，按照以上步骤2-4，以设定频率产生并更新混沌伪随机观测矩阵，同步采集CS观测值，并通过卫星通信链路将CS采集数据传输到地面卫星接收站(9)；

步骤6，高性能计算模块利用接收到的CS观测值和混沌数学模型重现观测矩阵序列，通过CS重构算法完成目标场景的重构，获取高分辨率图像。

2.根据权利要求1所述的一种星载Lidar超混沌压缩感知高空间分辨率成像方法，其特征在于所述步骤2中，生成超混沌观测矩阵的具体方法是一种基于Liu***的含有非线性二次项的超混沌***，该混沌***有两个正的李雅普诺夫指数，有良好的非线性动力学特性，且理论证明该***满足压缩感知重构RIP条件；混沌***矩阵的数学模型为，

具体步骤如下：

步骤2.1：连续数学模型的离散化处理；基于欧拉算法进行离散化，其中Δt取0.004，其离散公式如下：

步骤2.2：离散模型的线性变换；为兼顾算法精度、硬件成本及产生混沌二进制信号的效率，采用32位宽来实现混沌定点运算，其中含符号位的整数部分为5位二进制数，小数部分为27位二进制数；为了避免混沌数据产生溢出问题，对原离散***进行线性变换和位深压缩；线性变换后离散模型如下：

步骤2.3：数字混沌***设计与实现；利用Xilinx公司的System Generator for DSP开发工具，Simulink建模实现超混沌矩阵FPGA的设计，由公式三得到混沌吸引子；

步骤2.4：超混沌观测矩阵的生成；将混沌各分量截取低16位二进制数，将x和w分量，y和z分量分别进行异或处理，然后将得到的两组16位数据进行顺序组合得到最终的32位二进制混沌数据；然后由System Generator模块产生流文件，由IMPACT工具烧写到FPGA中；按照设定频率每个时刻产生一个32╳32大小的超混沌观测矩阵。