主办单位: 共青团中央   中国科协   教育部   中国社会科学院   全国学联  

承办单位: 贵州大学     

基本信息

项目名称:
低采样阵列超分辨成像方法研究——基于球面像差效应和压缩感知理论的超分辨成像系统
小类:
信息技术
简介:
这篇论文中,我们提出了一种基于球面像差效应和压缩感知理论的低采样阵列高分辨率成像方法。其基本过程是原始物体(场景)通过具有显著球面像差的特殊光学系统进行光路混叠,然后经过较低规模的采样阵列降采样,采样的数据经过图像重构得到较高分辨率图像。
详细介绍:
随着社会飞速信息化的进程,人们对图像分辨率的要求越来越高。传统相机成像分辨率严重依赖与图像传感器的性能,而高分辨率的图像传感器制造工艺复杂代价高,并且成像时产生海量数据。因而传统的成像方法面临传感器阵列制造工艺的限制和海量数据存储等难以突破的瓶颈问题。 这篇论文中,我们提出了一种基于球面像差效应和压缩感知理论的低采样阵列高分辨率成像方法。其基本过程是原始物体(场景)通过具有显著球面像差的特殊光学系统进行光路混叠,然后经过较低规模的采样阵列降采样,采样的数据经过图像重构得到较高分辨率图像。设计和仿真结果表明该成像方法具有很高的可行性。 相对于传统的超分辨成像方法(例如插值),该方法保留了更多存在于原始数据中的信息,而并非基于经验的伪信息。相对于其他压缩感知成像模型(如单像素相机),该方法易于物理实现,成本和执行复杂度低,仿真结果还表明该方法成像效果能与其他压缩感知成像模型相媲美。

作品图片

  • 低采样阵列超分辨成像方法研究——基于球面像差效应和压缩感知理论的超分辨成像系统

作品专业信息

撰写目的和基本思路

随着社会飞速信息化的进程,人们对图像分辨率的需求越来越高。通常人们解决该问题的思路是从工艺制造和系统设计的角度提高图像采集和处理系统的硬件规模和密集度。然而高分辨率的应用需求使得传统的成像方法面临传感器阵列制造工艺的限制和海量数据存储等难以突破的瓶颈问题。 本项目从稀疏采样角度,利用最新的压缩感知理论,提出了解决传统超高分辨率成像瓶颈的方法。

科学性、先进性及独特之处

本项目创新地提出了利用光学透镜的球面像差效应进行混叠观测从而实现压缩感知,在采样的时候同时进行压缩,形成一种易于物理实现的低采样率高分辨率的光学成像系统。 相对于传统的超分辨成像方法(例如插值),该方法保留了更多存在于原始数据中的信息,而并非基于经验的伪信息。相对于其他压缩感知成像模型(如单像素相机),该方法易于物理实现,成本和执行复杂度低。

应用价值和现实意义

本作品在一定程度上解决了传统超分辨率成像方法的瓶颈问题。相较于普通光学成像系统,本作品提出的方法,不同之处在于特殊的光学镜头和解算算法。因此能比较容易地移植到其他成像系统。 1、该方法可应用在航天和天文照相等需要超高分辨率的应用中,降低对传感器阵列规模的要求。 2、以较低规模的采样阵列采样后,还可以通过一般的图像压缩方法进一步降低码率,这在某些对带宽敏感的应用中也有一定意义。

学术论文摘要

随着社会飞速信息化的进程,人们对图像分辨率的要求越来越高。传统相机成像分辨率严重依赖与图像传感器的性能,而高分辨率的图像传感器制造工艺复杂代价高,并且成像时产生海量数据。因而传统的成像方法面临传感器阵列制造工艺的限制和海量数据存储等难以突破的瓶颈问题。 这篇论文中,我们提出了一种基于球面像差效应和压缩感知理论的低采样阵列高分辨率成像方法。其基本过程是原始物体(场景)通过具有显著球面像差的特殊光学系统进行光路混叠,然后经过较低规模的采样阵列降采样,采样的数据经过图像重构得到较高分辨率图像。设计和仿真结果表明该成像方法具有很高的可行性。 相对于传统的超分辨成像方法(例如插值),该方法保留了更多存在于原始数据中的信息,而并非基于经验的伪信息。相对于其他压缩感知成像模型(如单像素相机),该方法易于物理实现,成本和执行复杂度低,仿真结果还表明该方法成像效果能与其他压缩感知成像模型相媲美。

获奖情况

1、本项目提出的方法“基于球面像差混叠观测的超分辨率成像方法”已经申请发明专利。申请号:201110107640.9 2、本项目所发表英文论文《Super-Resolution Imager via Compressive Sensing》被IEEE 第十届国际信号处理学术会议(ICSP2010)收录,并被EI检索。 3、本作品受到加拿大麦克马斯特大学电子与计算机工程系武筱林教授的推荐。 4、本项目在教育部G10查新站进行了科技查新。 5、本作品在第八届陕西省“挑战杯”大学生课外学术科技作品竞赛中获特等奖。

鉴定结果

情况属实,同意申报

参考文献

科技查新报告,编号201136000G100128

同类课题研究水平概述

2006年Emmanuel J. Candès, Justin Romberg和Terence Tao从数学上证明了测量一个信号经过傅立叶变换后的部分随机系数,可以精确的重构出原始信号,为压缩感知奠定了理论基础。随后 Candès和Donoho在相关研究的基础上正式提出了压缩感知的概念。其核心思想是在模拟采样前端同时实现采样和压缩。 在压缩感知从理论到实际应用的研究中,Candès等人证明了随机采样矩阵并不是必须的,只需保证采样矩阵具有所谓的RIP性质(Restricted Isometry Property,有限等距特性)即可。所以说该理论能够被应用与实际的关键是要构造一个具有如此性质而又易于物理实现的矩阵。DeVore等人利用逼近理论给出了一种构造如此矩阵的方法。Indyk 等人给出了一种利用编码理论构造矩阵的方法。但是,这些构造方法大多都更接近于复杂的伪随机算法,在实际的系统中并不太容易实现。W. Yin等人的工作则是将压缩感知理论实际化工程化过程中非常重要的工作。在这些工作中Toeplitz和循环矩阵被首次提出用来作为观测矩阵。由于Toeplitz或者循环矩阵与信号相乘与线性移不变系统冲击响应函数和信号的卷积是等价的,而现行移不变系统又是多数现行物理系统的普遍模型,因此这对于压缩感知理论的物理实现具有非常重要的意义。但是,这些工作仍然比较关注随机卷积核的构造,而这对实际的物理实现仍然构成相当大的困难。 在压缩感知的物理实现上,目前国际上唯一比较成功的例子是美国Rice大学的单像素照相机。该相机只有一个光学传感器,通过数字微镜芯片(DMD)随机反射从物体投射过来的光线以实现随机混叠采样。这套装置确实比较好地反应了压缩感知的概念,但是由于该相机每次曝光只能实现一次混叠采样,因此它成一幅图像需要很多的曝光次数(虽然从采样率的角度讲是减少了),一次成像要花费5分钟左右的时间。而且由于光学系统的复杂性,整套装置体积庞大,大约要占据1平方米左右的面积。所以该系统离实际应用还有很大的距离。
建议反馈 返回顶部
Baidu
map