阅读说明：本技术 基于Hadamard频域变换矩阵阈值滤波的单像素成像方法 (Single-pixel imaging method based on Hadamard frequency domain transformation matrix threshold filtering ) 是由 陈希浩 吕瑞兵 宋成旭 孟少英 付强 鲍倩倩 于 2021-07-20 设计创作，主要内容包括：一种基于Hadamard频域变换矩阵阈值滤波的单像素成像方法。本方法通过对Hadamard调制矩阵序列进行离散余弦变换获得其频域的变换矩阵序列。在频域中对该变换矩阵序列进行低通滤波,再将矩阵序列逆变换回空域。然后利用新矩阵在单像素成像系统中对目标进行调制采样,最后利用压缩感知算法实现在超低采样率下重构目标图像。该方法基于传统被动单像素成像系统,结构简单易于操作,在低于10％的采样率下可以恢复清晰的被测物体图像。相比于Hadamard等其他调制方法,在相同成像质量和物体稀疏度的条件下,本方法所需要的采样率更低。因此,该方法有望在远距离遥感成像等领域具有广泛的应用价值。(A single-pixel imaging method based on Hadamard frequency domain transform matrix threshold filtering. The method obtains a transform matrix sequence of a frequency domain of a Hadamard modulation matrix sequence by performing discrete cosine transform on the Hadamard modulation matrix sequence. Low-pass filtering the transformed matrix sequence in the frequency domain, and inversely transforming the matrix sequence back to the space domain. And then, modulating and sampling the target in a single-pixel imaging system by using the new matrix, and finally, reconstructing a target image at an ultralow sampling rate by using a compressed sensing algorithm. The method is based on the traditional passive single-pixel imaging system, has a simple structure, is easy to operate, and can recover a clear image of a measured object at a sampling rate lower than 10%. Compared with other modulation methods such as Hadamard and the like, the method has the advantage that the required sampling rate is lower under the condition of the same imaging quality and object sparsity. Therefore, the method is expected to have wide application value in the fields of remote sensing imaging and the like.)

基于Hadamard频域变换矩阵阈值滤波的单像素成像方法

技术领域

本发明涉及单像素成像技术领域，特别涉及一种基于Hadamard频域变换矩阵阈值滤波的单像素成像方法。

背景技术

传统的单像素成像方法利用哈达玛矩阵或随机矩阵作为测量矩阵，其缺点是在低采样率下，成像质量较差，信噪比较低。基于Hadamard矩阵优化排序的单像素成像方法可以有效解决这一问题，但仍存在超低采样率下难以重构目标物体的情况，严重降低了成像效率。

发明内容

本发明要解决的技术问题是提供一种基于Hadamard频域变换矩阵阈值滤波的单像素成像方法，利用频域清晰的高低频分量，仅在低频信息中进行采样，有效提高了成像效率。

为了实现上述目的，本发明创造采用了如下技术方案：

一种基于Hadamard频域变换矩阵阈值滤波的单像素成像方法，其步骤为：

1、预处理:

1.1、计算机生成一组正交的Hadamard矩阵H，利用离散余弦变换、傅里叶变换或者小波变换将H矩阵从空域变换到频域中去,变换后的矩阵为H₁；

1.2、将频域中的矩阵H₁进行阈值滤波，舍弃高频系数，保留低频系数，并利用离散余弦逆变换回空域中，变换后的矩阵为H₂；

1.3、找到步骤1.2中H₂矩阵的最小值a、最大值b，让H₂矩阵加上|a|并且除以|a|+|b|, 变换后的矩阵为

1.4、将步骤1.3得到的H₃矩阵的各个矩阵元素四舍五入，保留两位小数得到矩阵H₄，然后将H₄矩阵加载到数字微镜器件中；

2、成像处理：

2.1、光源经准直扩束系统将光斑覆盖到物体上；

2.2、物体反射的光经成像透镜成像到数字微镜器件上，桶探测器通过收集透镜收集经数字微镜器件调制物体后反射出来的总光强S；

2.3、用H₂调制矩阵重构物体，对桶探测器收集的数据，即总光强S进行处理，处理后的数据为

S₁＝S*(a|+|b|)-|a|*T(x,y)，

其中,T(x,y)为物体的反射函数，并将S₁传输到计算机中；

2.4、利用数据S₁和矩阵H₂作符合运算，在符合测量系统中重构出目标图像。

所述的一种基于Hadamard频域变换矩阵阈值滤波的单像素成像方法所使用的成像系统，包括光源、目标物体、成像透镜、数字微镜器件、收集透镜、桶探测器和符合测量系统；所述的光源将光斑覆盖到物体上；所述的物体反射的光经成像透镜成像到数字微镜器件上；所述的桶探测器通过收集透镜收集经数字微镜器件调制物体后反射出来的总光强；所述的H₂矩阵和S₁数据传输到符合测量系统中。

所述的1.2中，使高频系数其中保留低频系数其中

所述的光源是氦氖激光光源、热光源、自然光源或人造赝热光源。

所述的桶探测器用于收集总光强，总光强为S＝∫I(x₁)dx₁，其中I(x₁)表示在x₁处的光强强度。

所述的步骤2.4中，符合运算所用的算法为压缩感知算法，或传统二阶关联算法。

本发明创造的有益效果：计算机生成正交的Hadamard矩阵，先通过离散余弦变换将其变换到频域中，再滤掉高频系数继而逆变换到空域中，最后将其矩阵元素值转变到0～1之间，将其加载到数字微镜器件用来调制目标物体，桶探测器探测到目标反射的总光强，并将其传输到计算机中，计算机利用基于Hadamard调制矩阵经频域阈值滤波后的新调制矩阵进行图像重构，重构用到的算法是TVAL3算法，一种压缩感知算法，也可以是传统关联算法或者其它压缩感知算法；依据频域清晰的高低频分量，仅在低频信息处进行采样，有效提高了成像效率。

附图说明

图1：为本发明创造中所使用的成像系统的原理框图；

1、光源；2、目标物体；3、成像透镜；4、数字微镜器件；5、收集透镜；6、桶探测器；7、符合测量系统。

具体实施方式

下面将结合本发明创造实施例中的附图，对本发明创造实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明创造一部分实施例，而不是全部的实施例。

实施例1：一种基于Hadamard频域变换矩阵阈值滤波的单像素成像方法，其步骤为：

1、预处理:

1.1、计算机生成一组正交的Hadamard矩阵H，利用离散余弦变换、傅里叶变换或者小波变换将H矩阵从空域变换到频域中去,变换后的矩阵为H₁。利用离散余弦变换、傅里叶变换或者小波变换都可实现上述目的，其中，使用离散余弦变换时效果最好。

1.2、将频域中的矩阵H₁进行阈值滤波，舍弃高频系数，保留低频系数，并利用离散余弦逆变换回空域中，变换后的矩阵为H₂。留下低频信息，舍弃高频信息更容易重构目标的轮廓，便于实现低采样率下重构物体2图像。

1.3、找到步骤1.2中H₂矩阵的最小值a、最大值b，让H₂矩阵加上|a|并且除以|a|+|b|, 变换后的矩阵为H₂矩阵的元素存在大量负值且数字微镜器件4无法读取，让H₂矩阵加上|a|且除以|a|+|b|成为H₃矩阵，可以使H₂矩阵元素的值介于0～1之间，便于将转变后的H₃矩阵加载到数字微镜器件4上，此处的调制器件也可以是其它的空间光调制器。

1.4、将步骤1.3得到的H₃矩阵的各个矩阵元素四舍五入，保留两位小数得到矩阵H₄，然后将H₄矩阵加载到数字微镜器件4中。H₃矩阵有15位小数，保留2位小数便于数字微镜器件4读取，此处的调制器件也可以是空间光调制器。

2、成像处理：

2.1、光源1经准直扩束系统将光斑覆盖到物体2上。光源1可以为氦氖激光光源、热光源、自然光源或人造赝热光源。

2.2、物体2反射的光经成像透镜3成像到数字微镜器件4上，桶探测器6通过收集透镜5收集经数字微镜器件4调制物体后反射出来的总光强S。收集总光强所用的仪器为没有空间分辨能力的桶探测器6，或者具有空间分辨能力的面阵列相机，其收集的总光强为 S＝∫I(x₁)dx₁，其中I(x₁)表示在x₁处的光强强度。

2.3、用H₂调制矩阵重构物体2，对桶探测器6收集的数据，即总光强S进行处理，处理后的数据为

S₁＝S*(|a|+|b|)-|a|*T(x,y)，

其中,T(x,y)为物体2的反射函数，并将S₁传输到计算机中。

2.4、利用数据S₁和矩阵H₂作符合运算，在符合测量系统7中重构出目标图像。符合运算所用的算法为压缩感知算法，也可以是传统二阶关联算法。

具体的，当所用的算法为TVAL3算法时，求解方法如下:

t_MN×1＝argmin||t'_MN×1||₁s.t.||Y_K×1-φ_K×MNψt'_MN×1||₂<ε,

式中，φ_K×MN为测量矩阵；Noise为环境和探测器电信号随机噪声项；

ψ＝[ψ₁,ψ₁,ψ₁…,ψ_MN]为特定稀疏基。如Noiselet,Dct等；M，N为待恢复图像行和列的像素数；为总的测量次数；||*||₁和||*||₂分别表示l₁范数和l₂范数；ε为噪声振幅的边界。

上述成像方法所使用的成像系统如图1所示。包括光源1、目标物体2、成像透镜3、数字微镜器件4、收集透镜5、桶探测器6和符合测量系统7；所述的光源1将光斑覆盖到物体2上；所述的物体2反射的光经成像透镜3成像到数字微镜器件4上；所述的桶探测器 6通过收集透镜5收集经数字微镜器件4调制物体后反射出来的总光强；所述的H₂矩阵和 S₁数据传输到符合测量系统7中。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的一个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。