基于RGB通道的压缩光谱成像系统及成像方法与流程

文档序号:12032941阅读:1638来源:国知局
基于RGB通道的压缩光谱成像系统及成像方法与流程

本发明属于图像处理技术领域,特别涉及一种压缩光谱图像重构方法,可用于资源勘探、地质灾害检测和医疗诊断中的多光谱图像获取,提升图像的空间分辨率。



背景技术:

传统多光谱图像的获取一般通过使用若干不同的光学滤波器或光照,并依赖于对场景的多次曝光技术实现。这样的方式需要长时间曝光,且只适用于静态场景,动态场景的获取则需要更短的曝光时间。

近年来,许多光谱重构理论被提出,而基于压缩感知cs的光谱重构技术为光谱成像模式提供了新方法。该理论指出,在信号获取的同时就对数据进行适当的压缩。与传统信号获取的相比,在压缩感知理论的框架下,采样速率不再取决于信号的带宽,使得成本大大降低。

美国杜克大学的学者设计并提出了压缩编码孔径快照成像系统cassi,该系统利用随机编码模板和色散元件,实现对光谱图像的混叠观测,再通过压缩感知理论重构出原始光谱数据。但是该方法由于会在空间维丢失一半的有效信息,因而导致最终重构出的光谱图像空间分辨率不高。

针对上述现象,王立志等人提出了基于全色成像的压缩光谱成像方法,采用双通道观测,在原cassi系统观测的基础上增加了全色通道观测,该通道充分利用了光谱图像的空间维信息,有效提升了光谱的空间分辨率。但该方法中的全色通道使用的是灰度图像,没有充分利用光谱图像的谱间信息,以致谱间分辨率依然不高。



技术实现要素:

本发明的目的在于针对上述现有技术的不足,提出一种基于rgb通道的压缩光谱成像系统及成像方法,以充分利用光谱图像的谱间信息,提高重构光谱图像的分辨率。

为实现上述目的,本发明借鉴m.e.gehm,r.johm等人提出的cassi系统,在原有的系统基础上添加了rgb观测,组成一个rgb和压缩光谱通道的相结合的成像系统,其包括:

1.一种基于rgb通道的压缩光谱成像系统,包括

光谱图像观测模块,用于获得光谱图像的压缩编码观测图像和rgb观测图像;

图像重构处理模块,用于将光谱图像观测模块输出的光谱图像的压缩编码观测和rgb观测结果进行联立融合后完成光谱图像的重构,获得原始光谱图像;

其特征在于:所述光谱图像观测模块包括:

分束器,用于将光谱图像的入射光束分成信息相同、方向不同的两路光束;

压缩光谱观测子模块,用于获取编码之后的观测图像信息;

rgb观测子模块,包括第二透镜组、第二滤波片和第二面阵探测器,该第二滤波片位于第二透镜组的后端,第二面阵探测器位于第二滤波片的后端,用于观测图像,获取rgb图像信息,该rgb图像信息包括第一面阵探测器记录的光谱信息和丢失的光谱信息。

基于上述系统进行成像的方法,包括:

1)将原始图像的光谱信息x通过分束器后分成能量相同的两束光束x10和x20;

2)获取压缩光谱观测图像y1:

2a)对第一光束x10进行聚焦成像,得到光谱图像x11,再对光谱图像x11进行随机编码,得到编码后的光谱图像x12;

2b)对编码后的光谱图像x12进行光谱维滤波,滤除需要重构的光谱带宽以外的光谱图像的能量,得到滤波后的编码光谱图像x13;

2c)对上述编码光谱图像x13的光谱维分量在空间维的方向上进行搬移,使得光谱图像的光束发生色散,实现每一维光谱图像之间相对位置的变化,得到色散后的编码光谱图像x14,其中,空间维的方向指行或列的方向;

2d)第一面阵根据色散后的编码光谱图像x14,得到压缩光谱观测图像y1;

3)对第二光束x20进行聚焦成像,得到光谱图像x21,第二面阵根据获取的光谱图像x21,得到rgb观测图像y2。

4)重构光谱图像:

4a)将观测结果记为:y=ax,其中y为y1,y2组合而成观测图像矩阵,a为线性算子,表示系统的观测模型,x为原始光谱数据;

4b)将观测图像矩阵y送至图像重构处理器,根据压缩感知理论,利用非线性优化方法重构出光谱图像信息x。

本发明与现有技术相比具有以下优点

第一:本发明相比于传统的单路压缩光谱成像技术,克服了传统光照成像技术对图像空间维信息利用率低的缺点,充分利用了图像的空间维信息,重构出的光谱图像有更高的空间分辨率;

第二:本发明相比于传统的单路压缩光谱成像技术和基于全色观测成像技术,充分利用了图像的光谱维信息,重构出的光谱图像有更高的谱间分辨率。

附图说明

图1是本发明的成像系统框图;

图2是本发明进行压缩光谱观测和重构的实现流程图;

图3是用本发明和现有方法对balloons光谱图像进行观测的仿真重构结果图;

图4是用本发明和现有方法对flowers光谱图像进行观测的仿真重构结果图。

具体实施方式

下面结合附图和实例对本发明进行详细说明:

参照图1,本发明基于rgb通道的压缩光谱成像系统,包括光谱图像观测模块1和图像重构处理模块2。其中:

所述光谱观测模块1包括分束器11、压缩光谱观测子模块12和rgb观测子模块13;

分束器11位于压缩光谱观测模块12和rgb观测模块的前端13,将待采集的图像的光线分成信息相同、方向不同的两路光束;

压缩光谱观测子模块12用于获得光谱图像的压缩编码观测,该模块包括第一透镜组121、第一滤波片122、编码模板123、中继镜124、色散元件125和第一面阵探测器126;该第一滤波片122位于第一透镜组121的后端,实现对光谱图像的带通滤波;该编码模板123位于第一滤波片122的后端,实现对光谱图像的编码;该中继镜124位于编码模板124的后端,用于平移光谱图像的光谱维信息;该色散元件125位于中继镜124的后端,用于对光谱图像进行色散;该第一面阵探测器126位于色散元件125的后端,用于获取编码之后的观测图像;

rgb观测子模块13,用于获得光谱图像的rgb观测,该模块包括第二透镜组131、第二滤波片132和第二面阵探测器133,该第二滤波片132位于第二透镜组131的后端,实现对光谱图像的带通滤波;第二面阵探测器133位于第二滤波片132的后端,用于观测图像,获取rgb图像信息,该rgb图像信息包括第一面阵探测器记录的光谱信息和丢失的光谱信息;

所述图像重构处理器2,用于将压缩光谱观测子模块12和rgb观测子模块13得到的光谱图像数据进行联立融合后完成光谱图像的重构。

参照图2,本发明利用图1的系统,对光谱图像观测和光谱图像重构步骤如下:

步骤1,初始化原始光谱图像信息。

设原始光谱信息矩阵f0的大小为m×n×b,设场景中任一点的光谱信息为f0(m,n,b,)m和n分别为光谱空间的行数和列数,b为光谱谱间分辨率;m和n表示空间维坐标,b表示光谱维坐标,0≤m≤m-1,0≤n≤n-1,0≤b≤b-1;

步骤2,将原始光谱信息等分成两路。

将光谱信息按1:1的比例分成两路,第一路光谱信息f11(m,n,b)与第二路光谱信息f21(m,n,b)所含信息相同,即:

步骤3,获取光谱图像观测矩阵。

(3a)利用编码模板函数对第一路光谱信息进行编码,得出经过编码后的光谱信息f12(m,n,b)为:

其中,t(m,n)随机地取0或1,编码模板t中0和1各占50%;

(3b)将第一路编码后的光谱信息中的第k个谱段的光谱数据平移k个像素,得到色散之后的光谱信息为:

(3c)经过对第一路的光谱信息的观测,得到压缩光谱观测结果y1,计算y1上任一点的光谱信息y1(m,n):

(3d)经过对第二路的光谱信息的观测,得到rgb观测结果y2,其中,y2=[y21;y22;y23],y21,y22,y23分别表示rgb三个通道的光谱观测,三个通道对应光谱响应函数分别为h1,h2,h3,计算y21,y22,y23上任一点的光谱信息y21(m,n),y22(m,n),y23(m,n):

步骤4,将观测图像送至重构处理器进行重构。

(4a)将观测结果记为:y=ax,其中y为y1,y2组合而成观测图像矩阵,a为线性算子,表示系统的观测矩阵,x为原始光谱数据;

(4b)将压缩光谱观测图像y和观测矩阵a传送至图像重构处理器;

(4c)设定优化目标函数为min||ψtx||1,其中t表示矩阵转置,||·||1表示对投影系数ψtx取1范数,min(·)表示取1范数的最小值,x为原始光谱图像,ψ为稀疏基,即光谱图像x在稀疏基ψ上的表示是稀疏的;

(4d)将光谱观测矩阵y=ax作为约束条件;

(4e)联立优化目标函数和约束条件,得出满足约束条件y=ax,并且使||ψtx||1最小的光谱图像x,即为原始光谱信息。

本发明的效果可通过以下仿真进一步说明

1.实验条件

本实验的硬件测试平台是:intelcorei7cpu,主频3.50ghz,内存16gb;软件仿真平台为:windows764位操作系统、matlab2014a;仿真场景为哥伦比亚大学的balloons图像,哥伦比亚大学的flowers图像,图像空间分辨率均为(512,512),包含31个谱段。

2.仿真内容与结果分析

为验证本发明的实用性,实施了两个仿真实验,两个实验采用不同的光谱场景的光谱数据立方体作为原始光谱数据,然后利用两步迭代算法进行光谱图像重构,最后得到相应结果的psnr,并与原始cassi重构结果和基于全色的重构结果进行比较。

实验1,以哥伦比亚大学的balloons图像,用传统cassi编码成像系统、基于全色成像的压缩光谱成像方法和本发明进行仿真,均采用两步迭代算法进行光谱重构,结果如图3所示,其中,图3(a)为哥伦比亚大学提供真实光谱数据,图3(b)为使用传统cassi编码成像系统重构出的结果,重构结果的psnr为33.2378db,图3(c)为使用基于全色成像的压缩光谱成像方法重构出的结果,重构结果的psnr为38.1416db,图3(d)为使用本发明重构出的结果,重构结果的psnr为40.1973db。

实验2,以哥伦比亚大学的flowers图像,用传统cassi编码成像系统、基于全色成像的压缩光谱成像方法和本发明进行仿真,均采用两步迭代算法进行光谱重构,结果如图4所示。其中,图4(a)为哥伦比亚大学提供真实光谱数据,图4(b)为使用传统cassi编码成像系统重构出的结果,重构结果的psnr为30.3998db,图4(c)为使用基于全色成像的压缩光谱成像方法重构出的结果,重构结果的psnr为32.4338db,图4(d)为使用本发明重构出的结果,重构结果的psnr为35.6533db。

从重构结果的psnr可以看出,本发明重构出的光谱图像,细节更清晰、轮廓更完整,比cassi系统有很大提高,比基于全色的压缩光谱图像重构方法系统有更高的光谱准确率,且psnr有2-3db左右的提高,证实了本发明的优良性能。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1