基于主动位移成像的图像超分辨率重建

超分辨重建算法是一种将低分辨率图像恢复为高分辨率图像的算法,被广泛用于医学、遥感、军事安防以及人脸识别等领域。在黑夜、远场场景下构建数据集比较困难,基于深度学习的超分辨重建算法应用受到阻碍。而微扫描成像技术扫描模式固定,对器件到位精度要求高。针对这两个问题,我们提出一种基于主动位移成像的图像超分辨率重建算法。具体地,在控制相机随机移动的同时记录采样时刻位移,通过解算、映射选图、精确匹配图像序列并获取多帧图像间的亚像素信息,然后对估计图像进行迭代和更新,最后重建获得高分辨率图像。实验结果表明,本算法在PSNR、SSIM和平均梯度三个指标上都优于最近提出的基于POCS的图像超分辨率重建算法MFPOCS,与基于CNN的方法 ACNet相比具有竞争力。值得提出的是,本算法无需固定的扫描模式,降低了微扫描技术对器件实时到位精度的要求,同时,本算法可以保证重建初始帧的优良选取,有效规避了POCS算法的固有缺点。     

基于空间复用检测的共焦非视域成像

非视域成像技术可以对视线外的物体成像，具有广泛的应用前景。为了解决基于数字微镜器件(DMD)在共焦非视域光路探测中，由于DMD的分光作用导致回波信号弱的问题，本文提出将空间复用检测(SMD)的采集方式引入到共焦光路中，将SMD的采集方式与光锥变换(LCT)的重建算法结合，从而提高回波信号的信噪比。基于共焦非视域成像光路，首先通过激光器发射激光脉冲，然后使用SMD的方式采集隐藏物体的回波，最后通过LCT算法完成了重建。实验结果表明，单像素相机在共焦非视域光路中采用SMD的采集方式，可以提高信噪比，提高重建质量。