基于显著视觉和DMD阵列分区控制的压缩感知成像方法与流程

本发明涉及图像处理技术领域，特别是基于显著视觉和dmd阵列分区控制的压缩感知成像方法。

背景技术：

在传统的香农奈奎斯特采样定理指导下，信号处理往往面临两大难题:模数(a/d)转换器技术的限制和海量采样数据的处理压力。cs理论表明当信号具有稀疏性或可压缩性时，可以通过全局非自适应线性投影的方式，用远低于香农奈奎斯特采样定理要求的频率获取信号的全部信息。以dmd的诞生为基础，cs理论和dmd相结合的压缩感知成像技术在近年来得到了快速的发展，这不仅可以显著地节省传感器的数量，还可以避免了“先采样后压缩”带来的资源浪费。

考虑一幅二维的图像i，其大小为n1×n2,可认为图像i是一个n1行n2列的矩阵，将其向量化为x＝vec(i)，符号vec(·)表示将矩阵向量化为一个一维信号，遵循从上到下、从左到右的原则。对于一维信号x∈rn×1,存在测量矩阵φ∈rm×n(m＜＜n)，采样率r＝m/n，在该矩阵下的线性测量值y∈rm×1,它们的关系如下：

y＝φx(1)

式(1)可以看作是原信号x在φ下的线性投影。因为y的维数远小于x的维数，所以(1)有无穷多个解，一般情况下很难重构原始信号，但因为信号具有可压缩性并且φ满足如式(2)所示的约束等矩性(rip)条件，即对于任意k-稀疏信号和常数δk∈(0，1)：

理论证明，信号x可以由测量值y通过求解最优l0范数问题精确重构。在此之后也诞生了其他的算法如基于l1范数最小值算法、正交匹配算法、组合算法以及总变差恢复算法(tv)。

现有的压缩感知成像方法在dmd以全分辨率成像的情况下，成像时间长，数据量相当大，一般情况下计算机会出现内存不足的现象。而在实际应用中，人们往往关注的是感兴趣区域(roi)的信息。如果在成像过程中不对roi信息和背景区域信息加以区别的话，往往造成大量的资源浪费，并且得到的roi信息也会不够细致。人眼对图像的分辨能力为0.35mm即图像上两条相距0.35mm的线条能被人眼区分开，更精细的结构则不能辨别。图像的分辨率是指图像中存储的信息量，衡量的方法有很多种包括每厘米的像素数和每英寸的像素数等。在这里以每厘米的像素数表征图像的分辨率，人眼能识别的图像分辨率为每厘米上有10/0.35＝28个像素点。当图像每厘米上的像素点少于28个时图像为低分辨，表现为图像模糊或图像重叠。每厘米上的像素点多于28个时图像为高分辨，图形中物体清晰、细节分明。

人类和其他灵长目动物都能表现出有选择性的视觉行为，如眼动、注意和记忆等。选择性是视觉众多功能中最根本的一条，表现为舍弃一部分信息，从而有效地处理重要的信息。从人的角度来看，这是一个场景中选择内容进行观察的过程，称之为视觉选择性。从场景的角度来看，场景中的某一些内容比起其他内容更能引起观察者的注意，可称之为视觉显著性。显著视觉检测算法正是用来检测场景中较为突出的目标物体，从而实现对roi的检测。算法原理简而言之为，输入图像分别做高斯模糊和图像平均，再将得到的两幅图像i1(x,y)和i2(x,y)计算两者的欧几里得距离s(x，y)＝||i1(x，y)-i2(x，y)||并作归一化处理得到的图像即为输入图像的显著图s(x,y)。现有压缩感知成像方法不能直接对场景中目标物体进行高分辨成像、在高分辨成像情况下消耗时间长和计算量大。

技术实现要素：

本发明所要解决的技术问题是克服现有技术的不足而提供基于显著视觉和dmd阵列分区控制的压缩感知成像方法，该方法可以有效地检测出目标物体的位置，从而实现只对目标物体进行高分辨成像的目的，该方法成像时间短，计算量小，成像效果好。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于视觉显著性和数字微镜器件dmd阵列分区控制的自适应压缩感知成像方法，通过dmd阵列分区控制方式实现了dmd的低分辨成像，利用显著视觉检测算法找到目标物体在dmd的位置；通过多次缩小dmd阵列分区大小的同时提高包含目标物体区域的成像分辨率，最终实现了仅对场景中目标物体的高分辨率压缩感知成像。

作为本发明所述的一种基于视觉显著性和数字微镜器件dmd阵列分区控制的自适应压缩感知成像方法进一步优化方案，具体包括以下步骤：

步骤一、选用已知分辨率的dmd，并搭建出压缩感知成像系统；

步骤二、设置采样率，生成初始条件下用于采样的测量矩阵；

步骤三、根据dmd实际分辨率和步骤二中测量矩阵的大小，设置dmd阵列初始分区大小和调整步进；

步骤四、采用测量矩阵对场景进行多次采样并获得该测量矩阵对应的观测值向量矩阵；

步骤五、将测量矩阵和步骤四中的观测值向量矩阵作为重建算法的输入变量，恢复得到包含目标物体的区域图像；

步骤六、当步骤五中恢复得到的区域图像中目标物体图像分辨率达到所需分辨率或dmd阵列分区中仅包含一个微镜，则执行步骤十三，否则跳转至步骤七到步骤十二；

步骤七、采用显著视觉检测算法对步骤五中的区域图像进行处理，得到初步的显著图，对初步的显著图作归一化处理得到最终的显著图；

步骤八、对步骤七中最终的显著图进行自适应的二值化处理、形态学操作得到二值图像，随后对二值图像作形态学的膨胀运算得到新的二值图像；

步骤九、在步骤八新的二值图像中，将包含目标物体的区域标记为1，背景区域标记为0，从标记为1的区域中找出最大区域，最大区域的面积为s，去掉面积均小于s/10的标记为1的区域；

步骤十、根据步骤九中包含目标物体的区域的位置及大小，计算得到目标物体在dmd阵列上的实际位置和大小；

步骤十一、根据步骤十中目标物体在dmd阵列上的实际位置和大小，并缩小dmd阵列分区的大小，根据目标物体在dmd阵列上实际位置和大小以及dmd阵列分区的大小生成新的测量矩阵；

步骤十二、执行步骤四到步骤六；

步骤十三、将步骤五得到的区域图像中的目标物体等比例地融合到场景的初始背景中。

作为本发明所述的一种基于视觉显著性和数字微镜器件dmd阵列分区控制的自适应压缩感知成像方法进一步优化方案，显著视觉检测算法的具体步骤如下：

步骤一、输入图像i分别做图像平均和图像模糊处理得到图像i1和i2；

步骤二、计算图像i1和i2之间的欧几里得距离得到图像i3；

步骤三、将图像i3作归一化处理，得到输入图像的显著图。

作为本发明所述的一种基于视觉显著性和数字微镜器件dmd阵列分区控制的自适应压缩感知成像方法进一步优化方案，所述的dmd阵列分区控制方法具体为：选取dmd阵列上的方形区域，该区域内的所有微镜翻转状态一致。

作为本发明所述的一种基于视觉显著性和数字微镜器件dmd阵列分区控制的自适应压缩感知成像方法进一步优化方案，步骤七所述的显著图自适应二值化处理，具体方法如下：通过计算显著图中背景区域像素数量s1，在显著图的灰度直方图上从灰度级为0处开始统计像素个数，找到s1所在的最小灰度级区间[l1l2]，将灰度级l1作为二值化阈值。

作为本发明所述的一种基于视觉显著性和数字微镜器件dmd阵列分区控制的自适应压缩感知成像方法进一步优化方案，步骤十三中的融合方法，具体为：采用双线性内插值算法，在原始图像四周的像素值的关系上填充目标图像。

作为本发明所述的一种基于视觉显著性和数字微镜器件dmd阵列分区控制的自适应压缩感知成像方法进一步优化方案，所述压缩感知成像系统包括成像透镜、dmd、聚焦透镜、探测器、模数转换模块、处理模块；其中，

成像透镜，用于将场景入射光汇聚到dmd上；

dmd，用于通过dmd中测量矩阵的微镜片产生反射光，将反射光照射到聚焦透镜；

聚焦透镜，用于将dmd上的反射光汇聚至探测器；

探测器，用于将汇聚后的反射光转换成电信号输出至模数转换模块；

模数转换模块，用于将电信号转换成数字信号输出至处理模块进行处理。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

(1)本发明结合了视觉显著性检测算法，可以实现在低分辨率图像中找到包含目标物体的所在的roi，然后在roi中实现对目标物体的高分辨率成像；

(2)本发明通过dmd阵列分区控制方法可以实现dmd对场景的低分辨采样，有效减小了测量矩阵的大小，降低了复杂度；

(3)本发明是通过迭代算法不断地精确场景中目标物体在dmd上的实际成像区域，抗干扰能力强，鲁棒性好；

(4)本发明的成像方法操作简单，成像时间短，数据计算量小。

附图说明

图1是本发明所述的数字微镜器件阵列分区控制的方法示意图；其中，(a)为4×4的dmd阵列分区大小的控制方式，(b)为2×2的dmd阵列分区大小的控制方式。

图2是本发明所述的压缩感知成像系统装置示意图。

图3是本发明所述的显著图生成的流程图。

图4是本发明所述的一种基于视觉显著性和数字微镜器件阵列分区控制的自适应压缩感知成像方法的流程图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

如图1所示是本发明所述的dmd阵列分区控制的方法示意图，图中使用的初始dmd分辨率为8×8，总共有64个微镜；图中1中的(a)展示了4×4的dmd阵列分区大小的控制方式即该4×4的方形dmd阵列中的微镜采用相同的调制方式，使得这16个微镜翻转方式完全一样，整个分区视为一个整体。通过这样的dmd阵列分区控制方式将初始dmd阵列划分为新dmd阵列，它只包含2×2个块区域。在实际应用中，每一个区域便充当为一个像素，这样就大大降低了dmd的分辨率，从而减小了测量矩阵的大小，达到降低重构端计算复杂度的目的。而图1中的(b)展示了在图1中(a)的基础上缩小了dmd阵列分区的大小，仅有2×2的分区大小，每一个分区包含了4个微镜；以同样的控制方式，图1中的(b)实现了将8×8的初始dmd阵列划分为4×4的新dmd阵列。此图表明通过dmd阵列分区控制可以降低dmd的分辨率，减小dmd阵列分区大小可以在原来的分辨率基础上提升分辨率。本发明正是以这种方式，对场景进行低分辨率采样，并且不断减小dmd阵列分区大小逐步精确场景中目标物体在dmd阵列上的实际区域。

如图2所示是压缩感知成像系统装置示意图，dmd是由几百万个微米级别大小的微镜组成，每个微镜可以独立翻转，并通过二进制元素(0,1)来调制微镜的翻转情况；初始的微镜翻转角度为0度即水平方向，当微镜的调制状态为‘1’时，微镜翻转角度为+12度即将入射光发射出来到聚焦透镜，表现为dmd阵列上的白色区域；当微镜的调制状态为‘0’时，微镜翻转角度为-12度即入射光不反射出来，表现为dmd阵列上的黑色区域。如2图所示的一幅场景经过成像透镜映射在调制过dmd上，dmd将入射光部分反射到聚焦透镜，探测器将汇聚的光强转变为电信号，模数转化器a/d对其进行采样并将测量值传到计算机上；计算机利用测量矩阵不断改变dmd的翻转状态可以得到多个不同的测量值，并通过已知的测量矩阵和观测值利用重构算法恢复得到场景的图像。其中，恢复得到的场景图像的分辨率是由设定的dmd的分辨率即阵列分区的多少决定的。

如图3所示是本发明所述的显著图生成的流程图。初始图像为每一次dmd对场景中目标物体采样后计算机恢复得到的图像。将初始图像中的所有像素值的和除以像素个数得到初始图像的平均像素值。图像ⅰ的大小和初始图像相同，其所有像素的值为初始图像的平均像素值。用3×3的高斯模板对初始图像做滤波处理，达到了对初始图像模糊的目的，得到了图像ⅱ。计算图像ⅰ和图像ⅱ的欧几里得距离，也就是图像ⅰ和图像ⅱ对应位置的像素值差的平方作为新图像对应位置的像素值，将新图像做归一化处理便得到初始图像的显著图。

如图4所示是本发明提出的一种基于视觉显著性和数字微镜阵列分区控制的自适应压缩感知成像方法的流程图，首先搭建如图2所示的压缩感知成像系统，压缩感知成像系统包括成像透镜、dmd、聚焦透镜、探测器pd、模数转换模块、处理模块；处理模块可为计算机；其中，

成像透镜，用于将场景入射光汇聚到dmd上；

dmd，用于通过dmd中测量矩阵的微镜片产生反射光，将反射光照射到聚焦透镜；

聚焦透镜，用于将dmd上的反射光汇聚至探测器；

探测器，用于将汇聚后的反射光转换成电信号输出至模数转换模块；

模数转换模块，用于将电信号转换成数字信号输出至处理模块进行处理。

在实验进行前需对整个系统初始化，包括设定每次压缩感知成像的采样率和初始dmd阵列分区大小及调整参数；根据经验我们设定采样率r＝30％，并且每次的采样率一致。根据我们dmd阵列的分辨率为512×512，在初始低分辨成像为16×16的情况下设定初始的dmd分区阵列大小为32×32，dmd分区阵列控制的方法如图1所示，分区调整参数设为上一次大小的1/4即如果上一次分区阵列大小为32×32个微镜，那么下一次的dmd阵列分区大小为16×16个微镜。在设计好测量矩阵后需要进行对如图2所示的场景进行压缩感知成像，通过测量矩阵多次改变如图2所示的dmd的翻转状态得到多个观测值，计算机通过测量矩阵和对应的观测值利用重构算法得到如图二所示的恢复效果图。在分辨率很小的情况下恢复出来的效果图其实是看不出任何细节，而存在物体的地方表现为这一区域亮度、色彩、对比度及纹理特征比其他位置更加明显。正是这些信息的差异，视觉显著性检测算法具有将目标物体从背景和其他物体中突显出来的能力。视觉显著性算法处理压缩感知成像的恢复图像得到其显著图，在显著图中目标物体区域亮度值较其他位置要大。二值化方法处理显著图得到二值图像，为了精确性对二值图像作膨胀处理，膨胀类型选择直径为3的圆盘。新的二值图像中标记为‘1’的区域被当作包含目标物体的区域，通过相关函数可以得到标记为‘1’的区域的大小(像素个数)、重心、边界周长以及每个标记为‘1’的像素坐标等。其中标记为‘1’的像素个数和其坐标可以分别用来设计下一次测量矩阵的大小和确定待测的区域位置。迭代停止条件为dmd阵列分区中仅含一个微镜抑或目标物体已达到所需分辨率。如果没有达到迭代停止条件便调整参数即则在上一次压缩感知成像的基础上缩小分区大小和提高对目标物体的成像分辨率重复压缩感知成像和视觉显著性算法处理。此时的dmd阵列分区大小为上一次dmd阵列分区大小的4倍，成像分辨率扩大4倍。将已获得的高分辨目标物体图像和低分辨成像得到的背景通过双线性内插值算法等比例融合。融合后的图像便是希望得到的输出图像。

本发明提出的一种基于视觉显著性和数字微镜器件阵列分区控制的自适应压缩感知成像方法，利用了dmd阵列分区控制和显著视觉检测的方式，有效检测出场景中包含目标物体的区域和实现了只对场景中目标物体的高分辨成像。整个成像过程操作简单，鲁棒性好。为获得同样高分辨的目标物体图像，本方法与其他方法相比成像时间短，重构复杂度低，计算量小。

以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替代，都应当视为属于本发明的保护范围。