林耀海,石光明,王立志,高大化,3

(1.西安電子科技大學(xué)電子工程學(xué)院,陜西西安 710071;2.福建農(nóng)林大學(xué)計算機(jī)與信息學(xué)院,福建福州 350002;3.空軍工程大學(xué)理學(xué)院,陜西西安 710051)

?

一種多狹縫推掃式光譜成像方法

林耀海1,2,石光明1,王立志1,高大化1,3

(1.西安電子科技大學(xué)電子工程學(xué)院,陜西西安 710071;2.福建農(nóng)林大學(xué)計算機(jī)與信息學(xué)院,福建福州 350002;3.空軍工程大學(xué)理學(xué)院,陜西西安 710051)

摘要:高質(zhì)量、高分辨率的遙感光譜數(shù)據(jù)獲取受限于成像系統(tǒng)的光通量.針對傳統(tǒng)推掃式的光譜儀當(dāng)增加狹縫的光通量以提高信噪比時會降低空間分辨率這個問題,從信號處理角度為推掃式光譜成像系統(tǒng)建模,引入壓縮感知理論,使得系統(tǒng)可以通過增加狹縫數(shù)目的方式來增加光通量.在理論上,該方法增加了光通量而沒有降低空間分辨率.在仿真實(shí)驗(yàn)中,光通量增大128倍,用25%的曝光頻率就可以很好地獲得512× 512的光譜圖像.該光譜成像方法在遙感技術(shù)領(lǐng)域以較少的曝光次數(shù)、存儲傳輸較少的數(shù)據(jù)就可以獲得高質(zhì)量的光譜數(shù)據(jù).

關(guān)鍵詞:光譜;成像;壓縮感知;空間分辨率;推掃式

不同的地物光譜特征可用來識別場景中的地物,并可用于對其生物、物理、化學(xué)的演化過程進(jìn)行分析.因此,光譜圖像在遙感地質(zhì)勘測、森林監(jiān)護(hù)、農(nóng)業(yè)應(yīng)用、海洋研究等領(lǐng)域得到廣泛的關(guān)注.成像光譜儀是獲取連續(xù)光譜圖像的設(shè)備,它是集探測器技術(shù)、精密光學(xué)機(jī)械、信號處理技術(shù)等于一體的綜合性遙感技術(shù),在同一時間段內(nèi)完成空間圖像和物體的光譜信息采集.

在實(shí)際應(yīng)用中,急切需求高質(zhì)量、高分辨率的光譜數(shù)據(jù),而它受限于成像系統(tǒng)的光通量.推掃式光譜成像是遙感中常用的光譜數(shù)據(jù)獲取方法,當(dāng)增加狹縫的光通量以提高信噪比時,必須以降低空間分辨率為代價.另一方面,傳統(tǒng)推掃式光譜成像方法通過逐行掃描采集空間場景的光譜數(shù)據(jù).因此,當(dāng)減少每行寬度以提高分辨率時,由于光通量變小,成像時間將增長,曝光次數(shù)將增多.這意味著需要更多的功耗和傳輸帶寬.由于星載成像設(shè)備受到體積、質(zhì)量、功耗、傳輸帶寬等條件限制[1],所以“逐行成像”從某種程度上限制了分辨率的提高.可見,如果要高信噪比和高分辨率兩者兼得,就需要從成像方式上進(jìn)行改進(jìn).

針對上述問題,筆者從信號處理角度來分析成像方法.壓縮感知(Compressive Sensing,CS)[2-3]作為一種全新的采樣方法,不斷地應(yīng)用到了成像系統(tǒng)設(shè)計之中.壓縮感知將信號壓縮和信號采集融合為同一個過程,當(dāng)應(yīng)用到光學(xué)系統(tǒng)中時,就有潛力以更少的成像次數(shù)或者更少的傳感器采集場景的光譜信息.壓縮感知含觀測矩陣和優(yōu)化重構(gòu)兩個部分:觀測矩陣在成像端實(shí)現(xiàn),優(yōu)化重構(gòu)在數(shù)據(jù)接收端完成.它在已有的成像模式上進(jìn)行較小的改進(jìn),借助于后端的優(yōu)化重構(gòu)算法,在體積、質(zhì)量、功耗、傳輸帶寬等條件限制的情況下,可獲取滿足要求的光譜圖像;它使得光譜成像儀的設(shè)計者們能夠平衡上述的眾多挑戰(zhàn),設(shè)計出新的成像模型[4].

基于壓縮感知的成像模型在近幾年得到廣泛關(guān)注.這類方法能夠?qū)鼍靶畔⑦M(jìn)行編碼,然后使用較少的數(shù)據(jù)樣本就能還原出原始信息.比如,單像素相機(jī)[5]、運(yùn)動隨機(jī)曝光成像模型[1]、編碼孔徑快照光譜成像(Coded Aperture Snapshot Spectral Imaging,CASSI)系統(tǒng)[6-7].上述方法從理論上可以以更少的采樣(更少的像素,或者更少的成像次數(shù))來獲取關(guān)于目標(biāo)的信息.這些成像方法的本質(zhì)區(qū)別在于對“更少的樣本”的實(shí)現(xiàn)方式不同,從而使得它們適應(yīng)不同的問題.單像素相機(jī)是一個理論驗(yàn)證模型,它可以用一個像素來對場景成像,“更少的樣本”體現(xiàn)為更少的像素.運(yùn)動隨機(jī)曝光成像模型實(shí)現(xiàn)了以低分辨率傳感器陣列獲取高分辨率圖像信息,“更少的樣本”也體現(xiàn)為更少的像素.編碼孔徑快照光譜成像系統(tǒng)是以更快的速度獲取場景的光譜數(shù)據(jù),“更少的樣本”體現(xiàn)為更少的曝光次數(shù).編碼孔徑快照光譜成像系統(tǒng)解決了光譜數(shù)據(jù)的獲取過程中曝光次數(shù)過多的問題,但是它的代價是:將各個空間像素點(diǎn)的各個譜段數(shù)據(jù)混疊一塊,不能逐個譜段地下傳數(shù)據(jù).當(dāng)傳輸帶寬受限,且需要實(shí)時對某個譜段進(jìn)行觀測時,這種方法顯然不合適.筆者從信號采樣的理論角度闡述了壓縮光譜成像方法的原理,分析了多狹縫推掃式光譜成像過程和光通量的變化,論證了該方法能夠大幅度提高成像系統(tǒng)的信噪比,進(jìn)而獲得更高分辨率的光譜數(shù)據(jù).

1 壓縮光譜成像方法

1.1 壓縮感知

壓縮感知是一種信號采樣理論,它利用信號的稀疏性,在遠(yuǎn)小于奈奎斯特采樣率的條件下獲取信號的樣本,然后通過優(yōu)化重構(gòu)算法完美地重建信號.

假設(shè)長度為N的信號f′在空間中稀疏,存在采樣觀測矩陣ΦM×N(M?N),使得觀測值f可以通過優(yōu)化求解,從而重構(gòu)出信號.為了簡化0范數(shù)優(yōu)化問題的計算過程,Candès等人研究了在適當(dāng)增加觀測值數(shù)量M的代價下,可以用1范數(shù)替代0范數(shù),即

壓縮感知對信號處理過程可視為兩個階段:壓縮觀測和優(yōu)化重構(gòu).觀測矩陣Φ是一個扁平的矩陣.以離散信號為例,在壓縮觀測中,采集到的樣本數(shù)遠(yuǎn)小于信號的維度;每個樣本都是原始高維信號的線性疊加.優(yōu)化重構(gòu)是指利用數(shù)據(jù)對象的稀疏性,用較少的樣本就可以還原出原始信號.在壓縮感知理論框架下,需要尋找光譜數(shù)據(jù)的稀疏空間.一個場景的光譜數(shù)據(jù)是一個數(shù)據(jù)立方體,它由各個譜段的光譜圖像組成.在實(shí)際中,每個光譜圖像具有類似于自然圖像的分段連續(xù)的特點(diǎn).因此,可以用針對自然圖像的重構(gòu)方法來實(shí)現(xiàn)筆者提出的成像方法.

有學(xué)者提出采用全變差(Total Variation,TV)作為圖像信號重構(gòu)的優(yōu)化目標(biāo)函數(shù),其表示為

1.2 壓縮光譜成像

一些典型的壓縮成像的例子有類似于壓縮感知對信號處理的兩個階段,以編碼孔徑快照光譜成像系統(tǒng)、運(yùn)動隨機(jī)曝光成像模型為例.編碼孔徑快照光譜成像系統(tǒng)在孔徑處有一個碼片,每次成像時,將光譜數(shù)據(jù)立方體壓縮成一個二維圖像;通過改變編碼,得到多張壓縮圖像,再利用優(yōu)化重構(gòu)算法,便可以較高的概率獲得光譜數(shù)據(jù)立方體.運(yùn)動隨機(jī)曝光成像模型將傳統(tǒng)的快門曝光方式改進(jìn)為運(yùn)動隨機(jī)曝光模式;當(dāng)成像設(shè)備處于運(yùn)動狀態(tài)時,“隨機(jī)曝光編碼”控制曝光方式,多個場景像素點(diǎn)光強(qiáng)與“隨機(jī)曝光編碼”進(jìn)行卷積投射于傳感器上,通過特征解耦優(yōu)化重構(gòu)便可獲得高分辨率圖像.

筆者研究的基于壓縮感知的成像方式有兩個階段:壓縮成像和優(yōu)化重構(gòu).壓縮成像的核心是觀測矩陣的實(shí)現(xiàn).在壓縮感知理論下,壓縮成像僅采集較少的樣本,就可以利用信號的稀疏域很好地重構(gòu)出滿足要求的信號.降低了對樣本數(shù)的要求后,成像系統(tǒng)的設(shè)計變得更靈活.樣本數(shù)目雖然減少,但是每個樣本都是原始高維信號的線性疊加,相當(dāng)于將多個原始信號壓縮進(jìn)一個個樣本中.這里的編碼是由觀測矩陣決定的.優(yōu)化重構(gòu)是生成高質(zhì)量圖像的一個環(huán)節(jié),尋找稀疏域是其中的關(guān)鍵問題.這里采用全變差作為圖像信號重構(gòu)的優(yōu)化目標(biāo)函數(shù),驗(yàn)證了筆者提出成像方法的有效性.

壓縮光譜成像的兩個階段相比,壓縮成像尤為重要.它從理論上允許采集較少的樣本,從而使新的成像方法滿足一些應(yīng)用領(lǐng)域?qū)Τ上裣到y(tǒng)在體積、質(zhì)量、功耗、傳輸帶寬等方面的限制.本研究相應(yīng)的優(yōu)化算法可以直接使用全變差函數(shù)作為優(yōu)化的目標(biāo)函數(shù),不必另外設(shè)計;它可以逐步地被改進(jìn),或者使用其他學(xué)者所提出的自然圖像的稀疏域,而不必改變壓縮成像過程.例如對于編碼孔徑快照光譜成像方法來說,文獻(xiàn)[8-11]從塊重疊、結(jié)合光流法、尋找稀疏域等方面入手,從而使得重構(gòu)速度更快、更準(zhǔn)確.

結(jié)合應(yīng)用中對信號的要求和光學(xué)系統(tǒng)的特點(diǎn),進(jìn)而實(shí)現(xiàn)觀測矩陣,這是本研究設(shè)計壓縮光譜成像方法的主要工作.增大光通量而不降低分辨率,從而達(dá)到較高圖像質(zhì)量這個需求,重新設(shè)計光路系統(tǒng)并用相應(yīng)的觀測矩陣來描述,這是筆者的主要貢獻(xiàn)點(diǎn).

2 多狹縫推掃式光譜成像方法

2.1 推掃式光譜成像

多狹縫推掃式光譜成像方法是基于單狹縫推掃式光譜成像方法改進(jìn)而來的.單狹縫推掃式光譜成像儀由前置鏡系統(tǒng)和光譜成像系統(tǒng)(包括狹縫、準(zhǔn)直鏡、分光元件、成像鏡、傳感器)組成.在遙感領(lǐng)域里,前置鏡系統(tǒng)是一個望遠(yuǎn)鏡系統(tǒng).前置鏡系統(tǒng)將場景成像在光譜儀系統(tǒng)的狹縫上,通過狹縫的光線經(jīng)準(zhǔn)直鏡準(zhǔn)直,分光元件分光,最后經(jīng)過成像鏡匯聚,成像在焦平面上.

2.2 多狹縫推掃式光譜成像方法

在推掃式光譜成像方法的狹縫處,按照設(shè)計好的編碼位置刻上多條狹縫,這就是多狹縫推掃式光譜成像方法.編碼由1和0組成,其中,1對應(yīng)狹縫處.當(dāng)在光譜成像系統(tǒng)中引入了多狹縫以后,分光元件就可采用雙阿米西棱鏡(double Amici prism),而不用單狹縫成像方法的光柵或者單棱鏡了.之所以不能采用,是因?yàn)楣鈻攀歉鶕?jù)波的干涉來分光的;單棱鏡分光存在空間方向的不同視場角對應(yīng)的空間入射角不同引起色畸變的問題.雙阿米西棱鏡在減小色畸變的問題上具有比單棱鏡更優(yōu)良的性質(zhì).

多狹縫光譜成像方法在成像過程中,場景的同一譜段的光譜數(shù)據(jù)經(jīng)過雙阿米西棱鏡后,將表現(xiàn)為一組平行光;經(jīng)過薄透鏡后,每組平行光將在焦平面上匯聚于一個點(diǎn).因此,傳感器中每列像元中的信號對應(yīng)的是由上到下波長遞減(或遞增)的光譜數(shù)據(jù).

圖1 多狹縫光譜成像流程示意圖

如多狹縫光譜成像流程(圖1)所示,每次成像時在CCD上是一幅控制狹縫組的編碼對應(yīng)的壓縮光譜圖像,它的每個譜段上的數(shù)據(jù)都是該組狹縫對應(yīng)的空域像素點(diǎn)在這個譜段上的信號的累加.以圖1為例,就是將D中的多個切片,一起混疊投影至y-O-λ平面上.因此,CCD上每個像素點(diǎn)的數(shù)據(jù)便是D中的多個數(shù)據(jù)的疊加,即從光學(xué)上實(shí)現(xiàn)了壓縮感知的壓縮觀測.如圖1所示,僅用少數(shù)壓縮圖像,即可以重構(gòu)出D.

從傳感器角度來分析,當(dāng)傳感器陣列與光譜數(shù)據(jù)立方體中的像元是一一對應(yīng)的關(guān)系時,相鄰傳感器之間的信號具有比較大的相關(guān)性,因此采集到的數(shù)據(jù)冗余較大.當(dāng)用多狹縫成像時,每個傳感器像元在成像時可以看成對應(yīng)光譜數(shù)據(jù)向量的一個壓縮觀測.在這種成像方式下,傳感器之間的信號相關(guān)性較小,采集到的數(shù)據(jù)冗余量相對較小.因此,筆者提出的成像方案能通過優(yōu)化算法獲得更高要求的光譜圖像.

從光通量角度來分析,光通量是每單位時間到達(dá)、離開或通過曲面的光強(qiáng)度.假設(shè)有l(wèi)道狹縫,由于光強(qiáng)增大了,將用更短的時間就可以達(dá)到傳感器成像所需的曝光量;由于沒有改變傳感器陣列的電路,這個成像時間可以看成是原來時間的1/l.散粒噪聲是光學(xué)系統(tǒng)中的一種常見噪聲,當(dāng)光強(qiáng)增大時,會抑制散粒噪聲,相應(yīng)地,信噪比將提高.當(dāng)狹縫為l道時,光通量增大到原來的l倍,相應(yīng)的信噪比將提高到l1/2倍,即同等分辨率時,多狹縫成像方法的信噪比更高.從另一個角度來說,若保持成像所需時間固定,多狹縫成像方法允許狹縫的寬度變小,依然能達(dá)到傳感器對光強(qiáng)度的要求,即提高分辨率的同時,而不會降低信噪比.

2.3 多狹縫推掃式光譜成像過程

觀測矩陣反映了傳感器陣列與光譜數(shù)據(jù)立方體的關(guān)系,是成像系統(tǒng)和成像過程的一種抽象.傳感器陣列上的每個像素點(diǎn)的值都是該組狹縫對應(yīng)的空域像素點(diǎn)在這個譜段上的信號的累加.當(dāng)孔徑處的這組狹縫由一個碼片來表示時,那么這個像素點(diǎn)的值就是這個碼片與空域上的每個空間像素點(diǎn)的(某個譜段上的)光譜值的卷積.

假設(shè)孔徑處可以設(shè)置L條狹縫,有隨機(jī)向量R=(r1,r2,…,ri,…,rL),其中ri=1或者ri=0,分別表示狹縫是張開還是閉合的.

任取空域中的一列點(diǎn)的任一譜段數(shù)據(jù)為Di,y,k,該向量表示為f′i,k.每次成像時在CCD上對應(yīng)一個值表示為fij,k,經(jīng)過M次成像后組成一個向量fij,k={fij,k|j=1,2,…,M}.每次成像時,fij,k=Rf′i,k.當(dāng)狹縫組由數(shù)字微鏡器件(Digital Micromirror Device,DMD)控制時,每次成像時隨機(jī)產(chǎn)生一個向量,經(jīng)過M次成像后組成一個向量Φ={Rj|j=1,2,…,M}.于是有

進(jìn)一步定義fi={fi,k|k=1,2,…,dλ},f′i={f′i,k|k=1,2,…,dλ},于是有

在上式中,f′i是一條狹縫對應(yīng)的光譜圖,即Di,y,λ.每條狹縫可以獨(dú)立解碼,利于算法的并行實(shí)現(xiàn).

還可以進(jìn)一步定義fk={fi,k|i=1,2,…,dx},f′k={f′i,k|i=1,2,…,dx},于是有

在上式中,f′k是某一個譜段對應(yīng)的空間圖,即Dx,y,k.式(4)和式(5)是多狹縫光譜成像方法的數(shù)學(xué)描述.其中,式(5)表示每個譜段可以單獨(dú)下傳,獨(dú)立解碼,這個特點(diǎn)有別于編碼孔徑快照光譜成像系統(tǒng)將各個譜段混疊到一起.因此,優(yōu)化重構(gòu)時不需要將整個光譜數(shù)據(jù)立方體作為一個求解目標(biāo),即將光譜數(shù)據(jù)立方體分成若干個譜段分別獨(dú)立地求解,利于算法的并行實(shí)現(xiàn).

當(dāng)沿固定方向移動成像設(shè)備時,相當(dāng)于固定成像設(shè)備沿固定方向移動向量R,所得的觀測矩陣是一個托普利茲(Toeplitz)矩陣,如圖2(a)所示.

3 仿真結(jié)果

筆者提出的方法具有增加光通量以提高傳感器獲取的數(shù)據(jù)的信噪比,且具有按譜段分別下傳、獨(dú)立解碼的優(yōu)點(diǎn),這些已經(jīng)在上文的論述中得到了論證.仿真實(shí)驗(yàn)的設(shè)計是為了驗(yàn)證筆者提出的方法能夠較好地獲得場景的光譜信息,而僅僅需要較少的壓縮圖像,即較少的成像次數(shù).筆者選用了兩組6波段多光譜圖像“真假青椒”和“真假草莓”作為輸入圖像.圖像的波長在600～700 nm,間隔20 nm獲取一幅分辨率為512×512的圖像.如圖3中(a)～(c)這3列為青椒,(d)～(f)這3列為草莓.

圖2 觀測矩陣

表1 青椒和草莓在兩種觀測方式下的重構(gòu)結(jié)果的峰值信噪比　d B

在成像階段采用筆者提出的多狹縫成像模式,相應(yīng)參數(shù)設(shè)置為N=512,M=128.對于傳統(tǒng)推掃式成像方法,采集整個場景的光譜信息需要512次成像,用筆者提出的方法,快了4倍.在優(yōu)化重構(gòu)階段,優(yōu)化函數(shù)為全變差函數(shù),觀測矩陣分別采用隨機(jī)矩陣和托普利茲矩陣.兩種觀測矩陣分別對應(yīng)了兩種狹縫編碼的產(chǎn)生方式:隨機(jī)觀測(觀測方法1)和移動成像設(shè)備(觀測方法2).重構(gòu)后的圖像和峰值信噪比如表1所示.在仿真實(shí)驗(yàn)結(jié)果中,除了圖3(c)列中若干個譜段外,峰值信噪比值均大于30 dB.實(shí)驗(yàn)結(jié)果表明,在兩種不同觀測方式下,筆者提出的方法在減少曝光次數(shù)的同時,還能保持好的峰值信噪比值.

4 總結(jié)與展望

筆者提出了多狹縫光譜成像方法,它是在傳統(tǒng)的單狹縫推掃式光譜成像方法基礎(chǔ)上設(shè)計而成的.它針對提高推掃式光譜成像方法的空間分辨率時遇到的兩個問題,即曝光次數(shù)增多、信噪比變小,減少了光譜曝光次數(shù),減少了前端存儲與傳輸?shù)臄?shù)據(jù)量,且提高了光通量而不用犧牲數(shù)據(jù)的分辨率,獲得了更高圖像質(zhì)量的光譜數(shù)據(jù).該技術(shù)對于在遙感領(lǐng)域里光譜數(shù)據(jù)分辨率的提高受限于體積、質(zhì)量、功耗、傳輸帶寬等條件時,具有較高的價值.與已有的壓縮光譜成像方法相比,筆者所提方法具有顯著的優(yōu)點(diǎn).運(yùn)動隨機(jī)曝光成像模型在時域中用隨機(jī)編碼與場景的空域信息進(jìn)行加權(quán)混疊,而筆者提出的方法是在空域中完成的,即在獲得同樣壓縮觀測數(shù)據(jù)的同時避免了高速快門及其相應(yīng)電路的設(shè)計.在編碼孔徑快照光譜成像系統(tǒng)中,每個傳感器像元對應(yīng)的是光譜數(shù)據(jù)立方體中不同譜段、不同空間位置的像元,筆者提出的方法在每個譜段可以獨(dú)立下傳,獨(dú)立解碼,對應(yīng)的優(yōu)化重構(gòu)算法的時間復(fù)雜度、空間復(fù)雜度相對較低.當(dāng)光譜數(shù)據(jù)僅需要特定的若干譜段,且對數(shù)據(jù)的實(shí)時性有一定要求時,可以有選擇地下傳特定譜段的信息.在遙感領(lǐng)域中,下傳帶寬受到限制,這個優(yōu)點(diǎn)尤為重要.

在仿真實(shí)驗(yàn)中,用25%的曝光次數(shù),就可以很好地獲得光譜圖像.隨著壓縮感知理論及光譜數(shù)據(jù)稀疏表示方法研究的逐漸深入,在新的稀疏域里,將以更少的采樣率獲得更高分辨率的光譜數(shù)據(jù).

參考文獻(xiàn):

[1]SHI G,GAO D,SONG X,et al.High-resolution Imaging via Moving Random Exposure and Its Simulation[J].IEEE Transactions on Image Processing,2011,20(1):276-282.

[2]DONOHO D L.Compressed Sensing[J].IEEE Transactions on Information Theory,2006,52(4):1289-1306.

[3]CANDèS E J,ROMBERG J,TAO T.Robust Uncertainty Principles:Exact Signal Reconstruction from Highly Incomplete Frequency Information[J].IEEE Transactions on Information Theory,2006,52(2):489-509.

[4]WILLETT R M,DUARTE M F,DAVENPORT M A,et al.Sparsity and Structure in Hyperspectral Imaging:Sensing,Reconstruction,and Target Detection[J].IEEE Signal Processing Magazine,2014,31(1):116-126.

[5]DUARTE M F,DAVENPORT M A,TAKHAR D,et al.Single-pixel Imaging via Compressive Sampling[J].IEEE Signal Processing Magazine,2008,25(2):83-91.

[6]WAGADARIKAR A,JOHN R,WILLETT R,et al.Single Disperser Design for Coded Aperture Snapshot Spectral Imaging[J].Applied Optics,2008,47(10):B44-B51.

[7]WAGADARIKAR A A,PITSIANIS N P,SUN X,et al.Video Rate Spectral Imaging Using a Coded Aperture Snapshot Spectral Imager[J].Optics Express,2009,17(8):6368-6388.

[8]ARGUELLO H,CORREA C V,ARCE G R.Fast Lapped Block Reconstructions in Compressive Spectral Imaging[J].Applied Optics,2013,52(10):D32-D45.

[9]ARGUELLO H,RUEDA H,WU Y,et al.Higher-order Computational Model for Coded Aperture Spectral Imaging [J].Applied Optics,2013,52(10):D12-D21.

[10]MIAN A,HARTLEY R.Hyperspectral Video Restoration Using Optical Flow and Sparse Coding[J].Optics Express,2012,20(10):10658-10673.

[11]王良君,石光明,李甫,等.多稀疏空間下的壓縮感知圖像重構(gòu)[J].西安電子科技大學(xué)學(xué)報,2013,40(3):73-80.WANG Liangjun,SHI Guangming,LI Fu,et al.Compressed Sensing Image Reconstruction in Multiple Sparse Spaces [J].Journal of Xidian University,2013,40(3):73-80.

(編輯:郭 華)

Push-broom spectral imaging method based upon multi-slit

LIN Yaohai1,2,SHI Guangming1,WANG Lizhi1,GAO Dahua1,3
(1.School of Electronic Engineering,Xidian Univ.,Xi’an 710071,China;2.School of Computer Science and Technology,Fujian Agriculture and Forest Univ.,Fuzhou 350002,China;3.School of Science,Air Force Engineering Univ.,Xi’an 710051,China)

Abstract:The acquisition of high image quality and high resolution spectral data is limited by light flux.A push-broom spectral imaging should reduce the spatial resolution if it amplified its light flux to increase its signal noise ratio(SNR).According to this problem,the theory of compressive sensing(CS)is introduced for modeling the push-broom spectral imaging system from the signal processing analysis,so that the number of slits of the imaging system can be increased to amplify its light flux.Under the guidance of the theory of compressive sensing,the light flux can increase without reducing the spatial resolution.In the simulation,if its exposure frequency dropped to 1/4 the original,and its light flux increased to 128 times the original,the spectral image with the resolution of 512×512 could be well obtained.This method is suitable for remote sensing by using a smaller number of times for imaging and less memory for storage and transmission compared with the traditional one.

Key Words:spectrum;imaging;compressed sensing;special resolution;push-broom

作者簡介:林耀海(1981-),男,講師,西安電子科技大學(xué)博士研究生,E-mail:linyaohai@fafu.edu.cn.

基金項(xiàng)目:國家自然科學(xué)基金資助項(xiàng)目(31300473,61372131,61227004,61003148);中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(K5051202050,K5051399020);福建省自然科學(xué)基金資助項(xiàng)目(2014J01073)

收稿日期:2014-11-02 網(wǎng)絡(luò)出版時間:2015-05-21

doi:10.3969/j.issn.1001-2400.2016.02.006

中圖分類號:O439

文獻(xiàn)標(biāo)識碼:A

文章編號:1001-2400(2016)02-0029-06

網(wǎng)絡(luò)出版地址:http://www.cnki.net/kcms/detail/61.1076.TN.20150521.0902.003.html