[發明專利]基于顯著視覺和DMD陣列分區控制的壓縮感知成像方法

有效

• 申請號: 201610670618.8
• 申請日: 2016-08-15
• 公開（公告）號: CN107248139B
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 張益昕;張超;張旭蘋;董嘉赟;戚力;朱文娟
• 申請（專利權）人: 南京大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/00;G06T5/50;G06T7/11;G06K9/32;G06K9/46
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱楨榮

本發明公開了一種基于視覺顯著性和數字微鏡器件DMD陣列分區控制的自適應壓縮感知成像方法，通過DMD陣列分區控制的方式降低了DMD的分辨率，實現了對場景的低分辨壓縮感知成像。然后通過視覺顯著性檢測算法找到低分辨圖像中包含目標物體的區域，再不斷縮小DMD陣列分區的大小和提高對包含目標物體區域的采樣分辨率，這樣可以逐步精確場景中目標物體在DMD陣列上的實際區域和完成僅對目標物體的高分辨率成像。利用高分辨目標物體圖像可以實現對目標物體的分類與識別。本方法操作簡單，抗干擾性強，魯棒性好，成像時間短，計算量少。

技術領域

本發明涉及圖像處理技術領域，特別是基于顯著視覺和DMD陣列分區控制的壓縮感知成像方法。

背景技術

在傳統的香農奈奎斯特采樣定理指導下，信號處理往往面臨兩大難題:模數(A/D)轉換器技術的限制和海量采樣數據的處理壓力。CS理論表明當信號具有稀疏性或可壓縮性時，可以通過全局非自適應線性投影的方式，用遠低于香農奈奎斯特采樣定理要求的頻率獲取信號的全部信息。以DMD的誕生為基礎，CS理論和DMD相結合的壓縮感知成像技術在近年來得到了快速的發展，這不僅可以顯著地節省傳感器的數量，還可以避免了“先采樣后壓縮”帶來的資源浪費。

考慮一幅二維的圖像I，其大小為n1×n2,可認為圖像I是一個n1行n2列的矩陣，將其向量化為x＝vec(I)，符號vec(·)表示將矩陣向量化為一個一維信號，遵循從上到下、從左到右的原則。對于一維信號x∈R_N×1,存在測量矩陣Φ∈R_M×N(M＜＜N)，采樣率r＝M/N，在該矩陣下的線性測量值y∈R_M×1,它們的關系如下：

y＝Φx (1)

式(1)可以看作是原信號x在Φ下的線性投影。因為y的維數遠小于x的維數，所以(1)有無窮多個解，一般情況下很難重構原始信號，但因為信號具有可壓縮性并且Φ滿足如式(2)所示的約束等矩性(RIP)條件，即對于任意K-稀疏信號和常數δ_k∈(0，1)：

理論證明，信號x可以由測量值y通過求解最優L0范數問題精確重構。在此之后也誕生了其他的算法如基于L1范數最小值算法、正交匹配算法、組合算法以及總變差恢復算法(TV)。

現有的壓縮感知成像方法在DMD以全分辨率成像的情況下，成像時間長，數據量相當大，一般情況下計算機會出現內存不足的現象。而在實際應用中，人們往往關注的是感興趣區域(ROI)的信息。如果在成像過程中不對ROI信息和背景區域信息加以區別的話，往往造成大量的資源浪費，并且得到的ROI信息也會不夠細致。人眼對圖像的分辨能力為0.35mm即圖像上兩條相距0.35mm的線條能被人眼區分開，更精細的結構則不能辨別。圖像的分辨率是指圖像中存儲的信息量，衡量的方法有很多種包括每厘米的像素數和每英寸的像素數等。在這里以每厘米的像素數表征圖像的分辨率，人眼能識別的圖像分辨率為每厘米上有10/0.35＝28個像素點。當圖像每厘米上的像素點少于28個時圖像為低分辨，表現為圖像模糊或圖像重疊。每厘米上的像素點多于28個時圖像為高分辨，圖形中物體清晰、細節分明。