检索结果-南通市图书馆

用于单光子压缩成像的抗噪重建网络的设计与训练

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2022年第4期59卷 250-261页

作者：祝志太鄢秋荣熊乙宁杨晟韬方哲宇南昌大学信息工程学院江西南昌330031

将光子计数技术与单像素成像结合的单光子压缩成像方法具有成本低、灵敏度高的特点,但该方法使用传统压缩重建算法时重建时间长。基于深度学习的压缩重建网络不仅实现了快速重建,而且可获得更好的重建质量。最近用于单像素成像的压缩重... 详细信息

将光子计数技术与单像素成像结合的单光子压缩成像方法具有成本低、灵敏度高的特点,但该方法使用传统压缩重建算法时重建时间长。基于深度学习的压缩重建网络不仅实现了快速重建,而且可获得更好的重建质量。最近用于单像素成像的压缩重建网络主要基于光探测器工作在模拟方式,采用无噪声或带有加性高斯白噪声的系统仿真数据进行训练。对此,建立了单光子压缩成像系统噪声模型,提出了一种用于单光子压缩成像的抗噪声重建网络(RN)训练方法,使用含有泊松噪声的测量值仿真数据对神经网络进行训练,并搭建单光子压缩成像系统进行验证。实验结果表明,RN能明显提高各种已有压缩重建网络的图像重建质量。在此基础上,提出了一种用于单光子压缩成像的抗噪重建网络(RPN-net),该网络采用跨越式连接结构与阶段式训练方法,实验结果表明其重建性能优于现有的压缩重建网络。

关键词：成像系统压缩感知光子计数技术单光子压缩成像深度学习泊松噪声

泛化测量率的压缩重建网络及其在单光子压缩成像中的应用

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

泛化测量率的压缩重建网络及其在单光子压缩成像中的应用

作者：祝志太南昌大学

学位级别：硕士

单像素成像是一种基于压缩感知理论的计算成像方法,因其具有灵敏度高,信噪比大等优良特性,被广泛应用于荧光显微、光谱成像和生物医学成像等多个领域。将光子计数技术与单像素成像技术结合,能够实现更高灵敏度、低成本的单光子压缩成像... 详细信息

单像素成像是一种基于压缩感知理论的计算成像方法,因其具有灵敏度高,信噪比大等优良特性,被广泛应用于荧光显微、光谱成像和生物医学成像等多个领域。将光子计数技术与单像素成像技术结合,能够实现更高灵敏度、低成本的单光子压缩成像。用于单光子压缩成像的传统图像压缩重建算法往往具有极高的计算复杂度,且在微弱光环境下,噪声的存在会带来图像重建质量的大幅度下降,而将深度学习与单光子压缩成像相结合是解决这一问题的有效方案。传统的深度学习方案针对不同的测量率需要训练不同的神经网络模型,这无疑会带来更长的时间损耗且存储多个网络模型需要大量的存储空间,极大地限制了深度学习在单光子压缩成像中的实际应用。本文基于测量率的泛化和单光子压缩成像中的泊松噪声展开研究,主要工作内容及成果如下:(1)提出了用于单光子压缩成像的泛化测量率压缩重建网络。基于图像可以在多个表达域进行分析与处理,分别在测量域和图像域中设计了信息记忆层,实现多个低测量率数据的顺序修正,建立了泛化测量率的神经网络模型(MS-Net);基于压缩测量所得测量值具有时间特性与相关性,是一种特殊的时间序列,设计了基于序列学习的泛化测量率压缩重建网络(MS-RNN)。通过仿真实验验证MSNet与MS-RNN的有效性。实验结果表明,本文所提出的MS-Net与MS-RNN均能够实现测量率的泛化,且与传统的重建算法相比在相同的测量率下取得了更好的重建质量。(2)在单光子压缩成像系统中对MS-Net和MS-RNN进行了进一步地验证。搭建单光子压缩成像系统,验证具体实验的可行性,在真实的实验环境中进行实验对比。结果表明,不论是MS-Net还是MS-RNN均能够有效地应用于实际系统,完成多个测量率的图像重建,符合预期结果。(3)提出了一种抗泊松噪声的神经网络训练方法并在系统中进行了验证。考虑到正向模型越精确,仿真数据训练出的网络应用于实际系统就越有效,本文建立了单光子压缩成像系统噪声模型,提出了一种用于单光子压缩成像的抗泊松噪声神经训练方法(RN)。将RN运用到MS-RNN中,通过实验验证RN的有效性。实验结果表明,该训练方法能明显提升压缩重建网络的抗泊松噪声能力。

关键词：单光子压缩成像泛化测量率循环神经网络泊松噪声

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

大面积单光子压缩成像系统研究

大面积单光子压缩成像系统研究

作者：王慧南昌大学

学位级别：硕士

单像素成像技术借鉴了压缩感知(Compressed Sensing,CS)高通量测量的思想,将噪声压制在单像素水平,大幅度提高信噪比。尤其将该技术与光子计数技术结合应用于极弱光探测可将上述优势凸显并放大。本文将这种把单像素成像与光子计数技术... 详细信息

单像素成像技术借鉴了压缩感知(Compressed Sensing,CS)高通量测量的思想,将噪声压制在单像素水平,大幅度提高信噪比。尤其将该技术与光子计数技术结合应用于极弱光探测可将上述优势凸显并放大。本文将这种把单像素成像与光子计数技术相结合的成像方法称为“单光子压缩成像”。由于超灵敏、低维度及亚采样等优势,单光子压缩成像在天文观测、荧光显微以及医学探测等领域具有广阔的应用前景。由于大图重建遇到的巨大的内存占用和计算复杂度等问题,目前单光子压缩成像系统的成像面积非常小,而且现有成像面积扩大的方案多数以牺牲采样时间作为代价,严重影响了成像系统的实时性。在此背景下,本文围绕大面积单光子压缩成像展开研究,主要研究内容及成果如下:(1)利用平行单光子源和大光敏面积的计数型光电倍增管(Photomultiplier Tube,PMT)设计了以数字微镜器件(Digital Micromirror Device,DMD)全镜面作为成像区域的大面积单光子压缩成像系统方案。根据系统功能需求,自主设计并实现了基于现场可编程门阵列(Field Programmable Gate Array,FPGA)的同步控制电路。(2)建立单光子压缩系统压缩采样模型,然后利用蒙特卡洛方法对单光子压缩成像系统进行模拟仿真。构造三种0-1随机二值矩阵,通过蒙特卡洛仿真实验研究了测量矩阵类型、稀疏度以及测量次数对系统成像性能的影响。此外,还对双DMD压缩光谱成像系统进行蒙特卡洛仿真,为后续工作奠定理论基础。(3)为缩短大面积成像的采样时间、减小内存占用和计算复杂度,提出一种基于多微镜组合调制的大面积成像方案。推导了成像系统的信噪比和探测极限。理论分析与实验结果表明,本文提出的多微镜组合调制方案更适合极弱光环境下的快速成像,可实现更高质量图像重建,通过调整组合像素的微镜阵列大小和单次测量时间的设置可以最小化泊松噪声的影响。(4)在大面积单光子压缩成像系统基础上,提出一种时间自适应采样方法。推导了单次采样的光强估计精度阈值理论,据此阈值设计实现了基于FPGA的自适应采样控制电路。实验证实了该采样方法的时间自适应优势,且成像性能实验表明,时间自适应采样方法可根据成像光强变化自动调节采样时间,从而获得更高质量的重建图像,避免了对采样时间的推测性设置。

关键词：单光子压缩成像大面积多微镜组合时间自适应采样

用于单光子压缩成像的采样重建联合优化网络研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

用于单光子压缩成像的采样重建联合优化网络研究

作者：杨晟韬南昌大学

学位级别：硕士

基于压缩感知理论的单像素成像技术使用一个单点探测器即可实现二维成像。采用单光子探测器作为单像素相机中的探测器,可将经典的单像素相机扩展到单光子水平,实现了单光子计数压缩成像,与面阵单光子探测器实现的二维成像相比,具有低成... 详细信息

基于压缩感知理论的单像素成像技术使用一个单点探测器即可实现二维成像。采用单光子探测器作为单像素相机中的探测器,可将经典的单像素相机扩展到单光子水平,实现了单光子计数压缩成像,与面阵单光子探测器实现的二维成像相比,具有低成本的优势。同时单像素成像系统中的探测器可以收集多个像素的光强,可实现所谓的超灵敏成像。因此单光子压缩成像在荧光成像、生物医学成像、深空探测等极弱光成像领域具有重要的应用。基于传统压缩感知（Compressed Sensing,CS）的原理,单光子压缩成像需要较长的时间用于压缩测量和较大的迭代运算量进行图像重建。近年来深度学习方法被研究用于压缩感知图像的重建问题,不仅避免了迭代运算实现快速成像而且获得了更好的图像重建性能。大部分深度学习压缩重建网络主要从算法上研究如何从测量值中恢复图像,未联系实际成像系统的硬件实现。本论文从单光压缩成像系统的实际出发,开展采样和重建联合优化的深度学习压缩重建网络,主要研究内容及成果如下:（1）提出一种基于深度学习的采样和重建联合优化方法。该方法通过在卷积神经网络中设计采样子网络与深度重建子网络分别对压缩采样过程和图像重建过程进行学习,并根据损失函数更新网络参数实现对测量矩阵和重建算法的联合优化。最终获得可以用于单光子压缩成像测量矩阵和相应的图像重建算法。（2）设计了基于模型驱动的采样重建联合优化迭代网络（Sampling reconstruction Optimization Iterative Network,Sroi-Net）。修改网络的正向和逆向传播,使采样子网络的权重二值化,从而能够作为二值测量矩阵用于单光子压缩成像系统,并将传统迭代算法展开成深度重建子网络进行图像的重建。在仿真和单光子压缩成像系统中进行的对比实验,验证了该采样子网络获得的二值测量矩阵的性能和Sroi-Net图像重建的质量。（3）提出了用于单光子压缩成像系统的快速非成像识别的方法。借鉴采样和重建联合优化方法思想,该方法无需重建出目标的图像再进行识别,可以直接根据单光子压缩成像系统中探测器输出光子的计数值对成像目标进行分类识别。仿真和系统实验结果表明,在极低测量率下该方法依然可以完成较为准确的识别。

关键词：单光子压缩成像采样重建联合优化二值测量矩阵图像识别

基于深度学习的空间变分辨单光子压缩成像技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的空间变分辨单光子压缩成像技术研究

作者：方哲宇南昌大学

学位级别：硕士

基于压缩感知理论的单像素成像技术以其独特的成像方式受到广泛关注,已应用于生物医学成像、太赫兹成像和高光谱成像等多个领域。采用单光子探测器作为单像素相机中的探测器,可将经典的单像素相机扩展到单光子水平,实现单光子计数压缩成... 详细信息

基于压缩感知理论的单像素成像技术以其独特的成像方式受到广泛关注,已应用于生物医学成像、太赫兹成像和高光谱成像等多个领域。采用单光子探测器作为单像素相机中的探测器,可将经典的单像素相机扩展到单光子水平,实现单光子计数压缩成像,具有低成本和超高灵敏度的优势。但单像素成像速度非常慢,限制了其在实时场景的应用。研究获取最有效信息的采样方法以减少测量次数和优化重建算法实现快速图像重建是提高单像素成像速度的两条途径。围绕这两条途径,本文基于空间变分辨成像和深度学习方法对单光子压缩成像技术的优化展开研究,主要工作内容及成果如下:(1)提出了采样和重建联合优化的空间变分辨迭代收缩阈值网络。基于空间变分辨成像和神经网络中的全连接层的模型,以非均匀像素组合的方式设计了一类可训练的变分辨测量矩阵;设计了一种针对不同分辨采样区域的均方误差分别加权的差异化损失函数;将这种采样重建联合优化模型和迭代收缩阈值网络(ISTA-Net)相结合,提出了SVR-ISTA-Net。通过仿真实验验证了采样模型,损失函数和测量矩阵训练对于网络性能的影响。结果表明,本文提出的SVR-ISTA-Net在相同的采样次数下相对于均匀采样可以大幅地提升图像中心区域的成像质量,且提升效果随采样率增长而增长,充分地利用了采样信息。(2)在单光子压缩成像系统上对SVR-ISTA-Net进行了验证。将二值化神经网络的训练方法应用于网络的采样层,使得其可以训练得到用于单光子压缩成像系统的二值测量矩阵。对系统进行蒙特卡洛建模验证可行性并进行实际实验。结果表明,该网络在实际应用场景也能有效地提升图像中心区域的成像质量。(3)提出了卷积采样和重建联合优化的空间变分辨迭代收缩阈值网络。基于空间变分辨成像和神经网络中的卷积层的模型,设计了共享权重和不共享权重两类可训练的变分辨测量矩阵;针对不同分辨的采样区域提出一种非均匀随机步长设置方法;将这种变分辨卷积采样模型应用于SVR-ISTA-Net。通过仿真实验验证了卷积采样和随机步长设置对于网络性能的影响。结果表明,本文提出的不共享权重的卷积采样模型能在保持对图像中心区域的高质量重建的同时大幅减少采样层参数数目,节省系统资源。

关键词：单光子压缩成像空间变分辨成像神经网络像素组合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的单光子压缩成像研究

基于深度学习的单光子压缩成像研究

作者：李冰南昌大学

学位级别：硕士

单像素成像应用了压缩感知(Compressed Sensing,CS)理论,可以通过一个点探测器实现二维成像。单像素成像具高灵敏度的优势,因此被广泛应用于生物医学检测、航天遥感、三维成像、光谱成像等领域。单像素成像和光子计数技术结合可以进一... 详细信息

单像素成像应用了压缩感知(Compressed Sensing,CS)理论,可以通过一个点探测器实现二维成像。单像素成像具高灵敏度的优势,因此被广泛应用于生物医学检测、航天遥感、三维成像、光谱成像等领域。单像素成像和光子计数技术结合可以进一步提高灵敏度,所形成的单光子压缩成像方案在极微弱光成像领域具有广泛的应用前景。传统的重建算法具有很高的时间复杂度,为了降低压缩感知的重建时间,近年来使用深度神经网络代替传统压缩感知重建算法取得了重大突破,该方法已被证明是一种有效的解决方案。然而大部分的研究者停留在数值仿真阶段,没有进行系统实验验证。为了快速高质量地实现微弱光环境下的成像,本文围绕单光子压缩成像系统和深度学习重建网络展开研究。主要研究内容和成果如下:(1)搭建了单光子压缩成像系统,设计了基于二维残差网络(Res2Net)的二值采样重建网络(Binary Sampling Res2net Reconstruction Network,Bsr2-Net),并在MNIST数据集和BSDS300数据集上分别进行训练。Bsr2-Net借鉴了分块压缩感知的思想,进行高分辨率图像重建时,首先重建所有的低分辨率图像块,然后根据图像块之间的空间关系实现高分辨率图像重构。(2)通过数值仿真对比了传统重建算法、最近报道的深度学习重建网络、Bsr2-Net在重建手写数字图像、自然图像时的性能。并将这三种重建方法应用于单光子压缩成像系统,对实验结果进行比较和分析。在单光子压缩成像系统的不同光强下应用传统重建算法和深度学习重建网络,分析了这两种重建方法对系统光强的要求。(3)设计了基于Bsr2-Net的泛化采样率深度学习重建网络Gsr2-Net。Gsr2-Net 借鉴了计算鬼成像(Computational Ghost Imaging,CGI)的重建算法,以一定的重建精度为代价实现了采样率的泛化。Gsr2-Net训练完成后可以对不同采样率下的图像进行重建,这样可以规避在调整采样率时,必须重新训练该采样率下的深度学习重建网络的问题。

关键词：单光子压缩成像深度学习快速重建二值采样

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

用于单光子压缩成像的自适应采样技术研究

用于单光子压缩成像的自适应采样技术研究

作者：王逸凡南昌大学

学位级别：硕士

单光子压缩成像将单像素成像与光子计数技术相结合,可以实现极弱光下的成像,在生物医学成像、天文探测、多光谱成像等领域具有广泛的应用。由于单像素成像的采样时间受限于测量次数和空间光调制器的调制频率,因此单像素成像往往通过压... 详细信息

单光子压缩成像将单像素成像与光子计数技术相结合,可以实现极弱光下的成像,在生物医学成像、天文探测、多光谱成像等领域具有广泛的应用。由于单像素成像的采样时间受限于测量次数和空间光调制器的调制频率,因此单像素成像往往通过压缩感知（Compressed Sensing,CS）采样来减少测量次数,缩短采样时间。然而压缩感知的重建算法通常涉及迭代优化,计算复杂度高,花费的时间随图像大小呈指数型增长。在此背景下,本文从空间域和变换域上分别对单光子压缩成像的自适应采样技术进行了研究,主要研究内容及成果如下:（1）本文研究了利用图像的空间域信息进行自适应采样的方法,并提出了一种基于感兴趣区域的自适应压缩采样方法。其主要方法是通过视觉显著性对感兴趣区域进行定位,然后根据感兴趣区域来生成非均匀分辨率掩模对场景进行成像。实验结果表明,在相同的测量次数情况下,基于感兴趣区域的自适应压缩采样能够在感兴趣区域获得更好的成像质量。（2）利用图像在变换域中的稀疏性可以直接在变换域中对图像进行压缩采样,然后通过逆变换进行图像重建。并且为了降低观测矩阵的存储量和压缩感知的计算复杂度,提出了一种基于小波域的分块自适应压缩采样技术。通过实验对比了不同算法的重建时间和图像质量,验证了该方案可以有效地减少图像重建时间和观测矩阵的存储量,有利于减轻硬件压力。（3）提出了一种基于互相关的快速自适应目标跟踪方法用于单光子压缩成像系统。该方法通过在数字微镜器件（Digital Micro-mirror Device,DMD）上自适应地加载相应的掩模,使用点探测器直接测量目标与场景之间的空间相关性,从而进行目标跟踪。实验结果表明,该方法可以快速有效地跟踪目标,只需要少量的测量次数就可以更新目标的位置信息。

关键词：单光子压缩成像自适应采样小波变换目标跟踪

基于双数字微镜联合调制的单光子压缩光谱成像技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于双数字微镜联合调制的单光子压缩光谱成像技术研究

作者：袁成龙南昌大学

学位级别：硕士

单光子压缩光谱成像将单像素成像技术与光谱测量技术相结合,实现了对光谱图像信息的压缩采集。作为一种新型的光谱成像方案,单光子压缩光谱成像能够同时获取成像物体的空间信息和光谱信息。相比较传统的光谱成像技术,单光子压缩光谱成... 详细信息

单光子压缩光谱成像将单像素成像技术与光谱测量技术相结合,实现了对光谱图像信息的压缩采集。作为一种新型的光谱成像方案,单光子压缩光谱成像能够同时获取成像物体的空间信息和光谱信息。相比较传统的光谱成像技术,单光子压缩光谱成像能够减少信号的采样时间与数据的采集量,具有更高的成像信噪比。而现阶段的光谱成像系统无法同时给出物体在空间上多点的光谱信息,一般需要通过利用滤光片组分波段重复测量获取光谱数据,导致数据采集量过大,严重影响了光学系统的稳定性。在此背景下,本文围绕单光子压缩光谱成像展开研究,主要的研究内容及成果如下:（1）利用平行单光子源、反射式刻线衍射光栅和高精度计数型光电倍增管（Photomultiplier Tube,PMT）等系统关键元件设计出了以数字微镜器件（Digital Micromirror Device,DMD）作为空间光调制器的单光子压缩光谱成像系统方案。根据系统功能需求,独立设计并实现基于现场可编程门阵列（Field Programmable Gate Array,FPGA）的同步控制与光子计数电路以及上位机控制软件系统。（2）对单光子压缩光谱成像系统进行理论分析与技术研究,完成了对成像方案的算法验证,并建立了单光子压缩光谱成像系统的采样模型。利用蒙特卡罗方法对成像系统进行仿真,通过仿真结果与系统成像实验,实现了对成像目标的空间信息和光谱信息的同步测量。（3）在单像素成像系统中,测量矩阵关系到光信号调制和图像重建,对成像系统的性能影响很大,加载到DMD上的二值矩阵只能实现对像素的0、1调制。为提高测量矩阵重建性能,提出一种数字化灰度矩阵调制的单光子压缩成像方案,通过构造出具有不同灰度等级的随机测量矩阵,结合DMD灰度调制的采样方法,重建出更高质量的灰度图像。

关键词：单光子压缩成像光谱成像测量矩阵灰度调制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

用于光子计数单像素成像的去块状采样网络

红外与激光工程 2021年第12期50卷 184-193页

作者：熊乙宁鄢秋荣祝志太蔡源鹏杨耀铭南昌大学信息工程学院江西南昌330031

将光子计数技术和单像素成像结合,能实现高灵敏、低成本的光子计数成像,但存在采样时间和重建时间长的问题。基于深度学习的压缩采样和重建网络,将去除偏置和激活函数的全连接层作为测量矩阵,通过从数据中学得高效的测量矩阵和避免传统... 详细信息

将光子计数技术和单像素成像结合,能实现高灵敏、低成本的光子计数成像,但存在采样时间和重建时间长的问题。基于深度学习的压缩采样和重建网络,将去除偏置和激活函数的全连接层作为测量矩阵,通过从数据中学得高效的测量矩阵和避免传统迭代算法带来的巨大计算量,实现了更快、更高质量的图像重建。但利用全连接层进行高分辨图像的分块压缩感知时,重建图像会产生块状效应。针对该问题提出了重叠分块采样网络(Os_et)、嵌套采样网络(Ns_et)、卷积采样网络(Cs_et)等三种方法以取代全连接层采样。在重建网络的设计中,使用线性映射网络对图像进行重建,设计实验结果表明Cs_et的去块状化效果最好。将Cs_et二值化后应用于光子计数单像素成像系统,实验结果表明Cs_et除块状化明显优于传统算法TVAL3,且Cs_et在重建质量上也同样取得了较好的效果。

关键词：分块压缩感知块效应光子计数技术单光子压缩成像深度学习