CN106405546A - 基于压缩散斑的快速关联成像***及方法 - Google Patents

Abstract

本发明公开了一种基于压缩散斑的快速关联成像***及方法，结合压缩采样技术、关联成像技术和稀疏信息复原技术，利用压缩散斑对场景信息进行压缩采样，利用压缩散斑和探测强度复原场景压缩信息。通过压缩散斑降低了数据量，提高了关联成像***的成像速度。最后利用场景压缩信息通过压缩感知实现了对完整准确场景信息的复原，该专利在关联成像领域具有广泛的应用价值。

Description

基于压缩散斑的快速关联成像***及方法

技术领域

本发明涉及关联成像技术领域，具体是一种基于压缩散斑的快速关联成像***及方法。

背景技术

近年来关联成像技术一直被人们研究，传统关联成像***利用散斑光对场景进行照射，采用单像素探测采集***获取场景回波信号，利用散斑光分布信息和探测强度信息进行相关运算获取场景图像信息。该类***正朝着工程实际应用发展，但***需要不同散斑光的很多次照射采集才能有效获取场景图像信息，因此***实时成像能力受到了很大约束。目前，提高关联成像***的成像速度和质量是该领域研究方向之一。利用绝大部分自然场景图像信息具有稀疏性的特点，本项发明利用压缩散斑对场景信息进行压缩采样，降低了关联成像***数据量，可以提高关联成像***运算速度，在关联成像领域具有广阔的应用前景。

发明内容

本发明的目的是提供一种基于压缩散斑的快速关联成像***及方法，以提高关联成像***的成像速度。

为了达到上述目的，本发明所采用的技术方案为：

基于压缩散斑的快速关联成像***及方法，其特征在于：包括光源、扩束器、光调制器DMD、投影透镜、汇聚透镜、单像素探测器和数据采集***，所述光源发出的光经扩束器后照射到光调制器DMD上，光调制器DMD对光进行调制，使得调制光场产生的散斑具有压缩稀疏形式，能够实现对场景的压缩采样，调制光场产生的压缩散斑经投影透镜照射场景，场景反射光经汇聚透镜汇聚到单像素探测器上，单像素探测器与数据采集***连接，由数据采集***通过单像素探测器获取场景总的反射光强信息。

所述的基于压缩散斑的快速关联成像***及方法，其特征在于：光调制器DMD可以实现对光场的调制，能够产生压缩散斑，且该散斑分布形式能够通过调制信息准确获知，单像素探测器可以对总反射光强信息进行探测。

所述的基于压缩散斑的快速关联成像***及方法，其特征在于：采用压缩散斑对物体信息进行压缩采样有效地降低了关联成像中的数据量，实现快速关联成像。

所述***的快速关联成像方法，其特征在于：包括以下步骤：

(1)、首先固定压缩矩阵，然后依次在压缩矩阵的基础上进行不同的稀疏采样并加载到光调制器DMD上来实现压缩散斑，利用压缩散斑对场景进行照射，单像素探测器对场景反射信号进行探测；采集***对很多个不同压缩散斑照射场景的反射信号进行采集并保存；设置压缩矩阵B，其为M×M大小的含0,1的矩阵，其中有效采样1的点数为N×N，满足条件M>N，数据压缩率γ＝N²/M²；假设第j次利用稀疏采样矩阵S_j与压缩矩阵B进行作用后的压缩散斑对场景进行照射，采集***获取的光强信息为i，则该过程可以表示为如公式(1)所示：

i＝∑_M×MBS_jR， (1)，

这里，R表示场景反射率信息，∑_M×M表示对M×M矩阵的元素进行求和；

(2)、利用压缩矩阵中的有效采样位置索引对照射场景的散斑进行矩阵调整，剔除数据中的未采样点即压缩矩阵中0值点，数据量大大降低，能够有效提高关联成像的运算速度，进行算法运算后可以获得压缩场景信息；采用压缩矩阵B对散斑进行了压缩，只选出采样点为1位置，按照矩阵N×N对上式(1)进行改写为如公式(2)所示：

i＝∑_N×NS_j′R′， (2)，

其中，S_j′为BS_j经过重新排列形式，R′为R的采样点重新排列形式，大小为N×N，即为原信息的压缩形式；按照公式(2)形式对k₁次散斑照明采集的过程用矩阵表示为如公式(3)所示：

其中，为k₁次采集的光强信息形式，大小为k₁×1，为R′的列向量表示形式，为k₁次不同压缩散斑的矩阵表示形式，大小为k₁×N²；通过对公式的分析可以看出，需要处理的数据矩阵大小为N²×k₁，数据的压缩比为γ；与此同时由于需要求解R′未知数的个数相对于R的要少很多，因此可以减小散斑照射次数，实际***中数据量的压缩程度比γ还要小；

(3)、利用上述步骤获取的压缩场景信息，按照有效采样位置索引进行排列获取与原场景大小一致稀疏信息，采用稀疏信息复原技术可以获得完整准确的场景信息；根据压缩矩阵的有效索引信息把调整为大小为M×M的稀疏场景信息R_B；利用压缩感知稀疏信息复原技术，由R_B还原出完整准确的场景信息R，求解最优公式为：

argmin[||R_B-BR||²+λΦ_TV(R)] (4)，

公式(4)中，Φ_TV代表总变分模型函数，λ表示平滑系数。

本发明中光调制器DMD按照压缩散斑形式对光进行调制，产生压缩散斑，能够实现对场景的压缩采样。与传统关联成像利用散斑实现场景信息的全采样不同，本发明实现了场景信息的压缩采样，数据量大幅减小，可以提高关联成像的成像速度。

本发明的优点是：本发明结合压缩采样技术、关联成像技术和稀疏信息复原技术，利用压缩散斑降低数据量，利用信息相关性实现场景压缩信息的快速获取，提高关联成像***的成像速度，最后通过压缩感知实现完整准确场景信息的复原，该方法在关联成像领域具有广泛的应用价值。

附图说明

图1为本发明的结构示意图。

图2***实验结果图，其中：

图2a为具体实施实验中要进行成像的物体图像，图2b为利用压缩矩阵信息获取的物体稀疏信息图，图2c为采用压缩感知对稀疏信息进行复原得到的信息图。

具体实施方式

如图1所示，基于压缩散斑的快速关联成像***，其装置包括光源1、扩束器2、光调制器DMD3、投影透镜4、汇聚透镜5、单像素探测器6和数据采集处理***7；

光源1发光，经扩束器2后具有较大的截面分布，然后光束照射到光调制器DMD3上产生压缩散斑经投影透镜4对场景进行照射，场景反射光经汇聚透镜5到达单像素探测器6上，然后经数据采集处理***7进行数据采集、保存和处理。

首先固定压缩矩阵，然后依次在压缩矩阵的基础上进行不同的稀疏采样来实现压缩稀疏散斑，利用压缩稀疏散斑对场景进行照射，单像素探测器对场景反射信号进行探测。采集***对很多次不同压缩稀疏散斑照射场景的反射信号进行采集并保存。设置压缩矩阵B，其为M×M大小的含0,1的矩阵，其中有效采样1的点数为N×N，满足条件(M>N)，数据压缩率γ＝N²/M²。假设第j次利用稀疏采样矩阵S_j与压缩矩阵B进行作用后的压缩散斑对场景进行照射，采集***获取的光强信息为i，则该过程可以表示为：

i＝∑_M×MBS_jR， (1)，

这里，R表示场景反射率信息，∑_M×M表示对M×M矩阵的元素进行求和。

利用压缩矩阵中的有效采样位置索引对照射场景的相关压缩散斑进行矩阵调整，剔除数据中的未采样点即压缩矩阵中0值点，数据量大大降低，能够有效提高关联成像的运算速度，进行算法运算后可以获取压缩场景信息。采用压缩矩阵B对散斑进行了压缩，只选出采样点为1位置，按照矩阵N×N对上式(1)进行改写为：

i＝∑_N×NS_j′R′， (2)，

其中，S_j′为BS_j经过重新排列形式，R′为R的采样点重新排列形式，大小为N×N，即为原信息的压缩形式。按照公式(2)形式对k₁次散斑照明采集的过程用矩阵表示为：

其中，为k₁次采集的光强信息形式，大小为k₁×1，为R′的列向量表示形式，为k₁次不同压缩稀疏散斑的矩阵表示形式，大小为k₁×N²。通过对公式的分析可以看出，采用传统的方法进行算法求解时需要处理的数据矩阵大小为M²×k₁，而利用本专利需要处理的数据矩阵大小为N²×k₁，数据的压缩比为γ。与此同时由于需要求解R′未知数的个数相对于R的要少很多，因此可以减小散斑照射次数，实际***中数据量的压缩程度比γ还要小。

利用上述步骤获取的压缩场景信息，按照有效采样位置索引进行排列获取与原场景大小一致稀疏信息，采用稀疏信息复原技术可以获得完整准确的场景信息。根据压缩矩阵的有效索引信息把调整为大小为M×M的稀疏场景信息R_B。利用压缩感知稀疏信息复原技术，由R_B还原出完整准确的场景信息R，求解最优公式为：

argmin[||R_B-BR||²+λΦ_TV(R)] (4)，

这里，Φ_TV代表总变分(TV)模型函数，λ表示平滑系数。

显然，本领域的技术人员可以通过对本发明所涉及的压缩散斑关联成像***进行改动和变型而不脱离本发明的精神和范围。这样，如果这些修改和变动属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些修改和变型在内。

实验结果

为了验证本发明的可行性，设计***并进行了一次实验，实验结果如图2所示。实验中要进行成像的物体如图2a所示，成像分辨率大小为80×80。使用压缩矩阵有效采样数为4096，即压缩比为0.64。利用压缩稀疏散斑对物体进行3400次照射，利用压缩矩阵信息获取的物体稀疏信息如图2b所示。最后采用压缩感知对稀疏信息进行复原得到的信息如图2c所示，通过结果可以看出该方法可以有效获取物体信息。

Claims (4)

1.基于压缩散斑的快速关联成像***及方法，其特征在于：包括光源、扩束器、光调制器DMD、投影透镜、汇聚透镜、单像素探测器和数据采集***，所述光源发出的光经扩束器后照射到光调制器DMD上，光调制器DMD对光进行调制，使得调制光场产生的散斑具有压缩稀疏形式，能够实现对场景的压缩采样，调制光场产生的压缩散斑经投影透镜照射场景，场景反射光经汇聚透镜汇聚到单像素探测器上，单像素探测器与数据采集***连接，由数据采集***通过单像素探测器获取场景总的反射光强信息。

2.根据权利要求1所述的基于压缩散斑的快速关联成像***及方法，其特征在于：光调制器DMD可以实现对光场的调制，能够产生压缩散斑，且该散斑分布形式能够通过调制信息准确获知，单像素探测器可以对总反射光强信息进行探测。

3.根据权利要求1所述的基于压缩散斑的快速关联成像***及方法，其特征在于：采用压缩散斑对物体信息进行压缩采样有效地降低了关联成像中的数据量，实现快速关联成像。

4.基于权利要求1所述***的快速关联成像方法，其特征在于：包括以下步骤：

(1)、首先固定压缩矩阵，然后依次在压缩矩阵的基础上进行不同的稀疏采样并加载到光调制器DMD上来实现压缩散斑，利用压缩散斑对场景进行照射，单像素探测器对场景反射信号进行探测；采集***对很多个不同压缩散斑照射场景的反射信号进行采集并保存；设置压缩矩阵B，其为M×M大小的含0,1的矩阵，其中有效采样1的点数为N×N，满足条件M>N，数据压缩率γ＝N²/M²；假设第j次利用稀疏采样矩阵S_j与压缩矩阵B进行作用后的压缩散斑对场景进行照射，采集***获取的光强信息为i，则该过程可以表示为如公式(1)所示：

i＝Σ_M×MBS_jR， (1)，

这里，R表示场景反射率信息，∑_M×M表示对M×M矩阵的元素进行求和；

(2)、利用压缩矩阵中的有效采样位置索引对照射场景的散斑进行矩阵调整，剔除数据中的未采样点即压缩矩阵中0值点，数据量大大降低，能够有效提高关联成像的运算速度，进行算法运算后可以获得压缩场景信息；采用压缩矩阵B对散斑进行了压缩，只选出采样点为1位置，按照矩阵N×N对上式(1)进行改写为如公式(2)所示：

i＝0_N×NS′_jR′， (2)，

其中，S′_j为BS_j经过重新排列形式，R′为R的采样点重新排列形式，大小为N×N，即为原信息的压缩形式；按照公式(2)形式对k₁次散斑照明采集的过程用矩阵表示为如公式(3)所示：

$\stackrel{\‾}{I}={\stackrel{\‾}{S}}^{\′}{\stackrel{\‾}{R}}^{\′},---\left(3\right),$

其中，为k₁次采集的光强信息形式，大小为k₁×1，为R′的列向量表示形式，为k₁次不同压缩散斑的矩阵表示形式，大小为k₁×N²；通过对公式的分析可以看出，需要处理的数据矩阵大小为N²×k₁，数据的压缩比为γ；与此同时由于需要求解R′未知数的个数相对于R的要少很多，因此可以减小散斑照射次数，实际***中数据量的压缩程度比γ还要小；

(3)、利用上述步骤获取的压缩场景信息，按照有效采样位置索引进行排列获取与原场景大小一致稀疏信息，采用稀疏信息复原技术可以获得完整准确的场景信息；根据压缩矩阵的有效索引信息把调整为大小为M×M的稀疏场景信息R_B；利用压缩感知稀疏信息复原技术，由R_B还原出完整准确的场景信息R，求解最优公式为：

argmin[||R_B-BR||²+λΦ_TV(R)] (4)，

公式(4)中，Φ_TV代表总变分模型函数，λ表示平滑系数。