寬波段光譜成像系統(tǒng)研究

王怡　姚凱凱　王浩

摘 要：現(xiàn)有部分光譜輻射計可以在可見光波段對目標場景進行成像，但在紅外波段，只能獲取場景的紅外光譜輻射曲線，無法在紅外波段進行成像。同時，即使在可見光波段，成像分辨率也有待提高，為了綜合解決可見光成像分辨率低和無法進行紅外成像的問題，本文提出一種寬波段光譜成像技術，通過在光譜輻射計前端加載編碼成像系統(tǒng)，然后采用CoSaMP算法進行圖像重構，達到同時獲取高分辨率可見光場景圖像與紅外場景圖像的目的。

關鍵詞：寬波段；編碼成像；高分辨率；圖像重構

中圖分類號：TH774.1 文獻標識碼：A 文章編號：1671-2064（2018）03-0015-03

隨著武器系統(tǒng)及光學成像技術的飛速發(fā)展，現(xiàn)代戰(zhàn)場環(huán)境中需要得到更高分辨率的影像信息及其光譜信息，同時為了能夠分析空中目標的物理特性，往往需要目標在不同波段的成像效果。現(xiàn)有的部分光譜輻射計雖然在可見光波段和紅外波段均可以進行光譜輻射曲線的測量，然而其空間成像功能只能在可見光波段實現(xiàn)，無法實現(xiàn)紅外波段的空間成像，不能滿足特定情況下的目標特性科研需求。本文通過在光譜輻射計前端加裝光學編碼系統(tǒng)，對紅外及可見光波段的入射光束進行調(diào)制，得到多組紅外測量曲線，然后再通過重建算法求解出目標場景的紅外圖像。同時，由于輻射計中可見光成像單元中獲取的圖像也是經(jīng)過編碼調(diào)制的，因此可以通過壓縮感知理論，對可見光編碼圖像進行重構，利用較小分辨率的可見光探測器得到高分辨率圖像。

1 壓縮感知理論

傳統(tǒng)奈奎斯特采樣定理指出，如果要從離散采樣信號中準確恢復出原始信號，則采樣頻率必須高于兩倍信號帶寬，即奈奎斯特采樣率。而壓縮感知理論[1，2]認為，如果信號可以在某個基上進行稀疏表示，則可以在低于奈奎斯特采樣率的情況下準確恢復出原始信號。

假設X表示原始信號，其向量形式為x，如果信號是稀疏的，那么肯定存在一個基字典，使得：

上式中，為噪聲信號，為信號x在字典下的稀疏表示系數(shù)矩陣，的稀疏度遠大于原始信號x，在實際存儲信號的過程中，只需要存儲各個信號的稀疏表示系數(shù)矩陣，不需要存儲所有的圖像信息，通過公式（1）可以信號進行精確恢復。

在壓縮感知理論中，基字典的設計必須滿足等距約束性質[3]（Restricted Isometry Property，RIP），即：

如果對原始信號x進行編碼，則得到的觀測圖像可以表示為，即。稀疏表示系數(shù)的求解可以表示為求解如下最優(yōu)化問題：

其中，為權重系數(shù)，通過上式可以在已知觀測圖像和編碼矩陣的情況下，重建出高分辨率原始信號。

2 基于壓縮感知理論的圖像重構

本文對從光譜輻射計上獲取的可見光編碼圖像及紅外編碼光譜曲線采用壓縮采樣匹配追蹤（Compressive Sampling MP，CoSaMP）算法進行重構，相比于匹配追蹤（Matching Pursuit，MP）算法及其他同類算法[4-7]而言，CoSaMP算法[8]的重構精度更高，復雜度低，重構效率高。算法的輸入、輸出及重構流程如下：

輸入：編碼矩陣，觀測向量y，稀疏度K。

輸出：信號稀疏表示系數(shù)估計，殘差。

算法流程：

（1）初始化殘差，、為空集，，最大迭代次數(shù)T；

（2）計算，找到索引，使得：

（4）通過最小二乘法求解得：

（5）從中選出絕對值最大的K項記為，對應的中的K列記為，對應的A的列序號記為，更新集合；

（6）更新殘差；

（7），若則返回（2），若或殘差為0則停止迭代；

（8）輸出稀疏表示系數(shù)矩陣。

上述流程中，表示殘差，表示迭代次數(shù)，J0表示每次迭代后的索引，為t次迭代的索引集合，表示矩陣A的第j列，表示按索引選出的矩陣A的列集合，為t×1的列向量。

在圖像重構過程中，當重構可見光編碼圖像時，輸入的觀測向量即光譜輻射計上接收到的編碼后的圖像，當重構紅外圖像時，輸入的觀測向量為多條光譜曲線組成的矩陣。

3 光路設計與系統(tǒng)仿真

本文在光譜輻射計前端加裝光學編碼系統(tǒng)，對入射光束進行調(diào)制，在可見光探測器上得到編碼調(diào)制后的可見光圖像，而在紅外探測器上得到多條調(diào)制后的光譜曲線，光學系統(tǒng)結構設計如圖1所示。從光源出射的光束經(jīng)過物面后水平出射，投射入透鏡1當中，通過透鏡1的會聚作用縮小光斑直徑，然后對攜帶場景信息的光束進行編碼，文中采用透射式空間光調(diào)制器（SLM）實現(xiàn)信息編碼功能，其上加載由“0”和“1”組成的隨機編碼模板。光束經(jīng)過SLM后經(jīng)透鏡2的再次會聚作用后入射到光譜輻射計鏡頭內(nèi)部，最終在探測器上感應成像。

光譜輻射計中內(nèi)置有可見光成像探測器和紅外探測器，其中可見光探測器上可以得到編碼后的場景圖像信息，而由紅外探測器可以獲取場景信息經(jīng)過編碼后的光譜曲線，提高SLM上編碼模板的加載頻率，可以得到同一場景的大量編碼圖像與光譜曲線，通過對編碼后得到的大量紅外光譜曲線的重建，即可恢復出目標場景的空間圖像。文中對該編碼成像過程中進行仿真，然后采用CoSaMP算法進行圖像重建，結果如圖2和圖3所示。

在圖2和圖3的仿真圖中，第一幅圖像為傳統(tǒng)的不進行光學編碼的成像效果，第二幅圖像為隨機編碼模板，第三幅圖像為可見光探測器上接收到的編碼圖像仿真，第四幅圖像為重構圖像。在圖2和圖3中的紅色方框內(nèi)的圖像分別為兩幅圖像的原圖及圖像的局部放大，從局部放大圖像中可以明顯的看出，重建圖像的清晰度高于傳統(tǒng)成像效果。在紅外光譜曲線的重構中，由于曲線數(shù)據(jù)無法直接仿真，因而通過實際測試，在光譜輻射計中接收實際的紅外光譜曲線進行圖像重構，詳細過程將在第四節(jié)中介紹。

4 圖像解碼與重構

在本次實驗中通過SLM加載2000次編碼模板，在光譜輻射計的紅外探測器上得到目標場景的2000條光譜曲線，采用第二節(jié)介紹的CoSaMP算法進行圖譜重構。其中，SLM編碼模板采用48*64的隨機0、1模板，目標靶形狀為“X”形。光源發(fā)出的光透過目標靶后被透鏡會聚到SLM中，得到一個清晰可見的“X”形的圖像。經(jīng)SLM調(diào)制后的光束經(jīng)由會聚透鏡，得到近似平行的光束入射到光譜輻射計中。在輻射計內(nèi)部，入射的光束經(jīng)由平面反射鏡反射后到達會聚反射鏡中，反射得到一束會聚光進入紅外探測器中。實驗中采集到的部分曲線如圖4所示。

采用2000條光譜曲線進行圖像重構，結果如圖5所示。由于紅外探測器的視場較小，CCD探測器中所成的“X”形的像并沒有完全在紅外探測器的視場中，只有圖像的中間圓圈內(nèi)的部分可以被紅外探測器探測到，獲取到的數(shù)據(jù)重構后得到“X”圖像的中間部分的形狀，印證了在CCD中的可視圖像形狀，達到在紅外波段進行目標成像的目的，說明了本文提出的方法在原理上的可行性。

5 結語

本文提出一種寬波段編碼成像方法，通過在光譜輻射計前段加裝光學編碼系統(tǒng)，并采用CoSaMP算法對輻射計上獲得的可見光波段的圖像以及紅外波段的光譜曲線進行重構，在獲取高分辨率可見光圖像的同時，實現(xiàn)輻射計在紅外波段的場景成像功能。該技術可以廣泛應用于各系統(tǒng)的紅外目標特性測試及其他相關領域的測試研究中。

參考文獻

[1]R. Marcia， R. Willett. Compressive coded aperture superresolution image reconstruction[C]. IEEE International Conference on Acoustics，2008：833-836.

[2]R. Marcia， Z. Harmany， R. Willett. Compressive Coded Apertures for High-Resolution Imaging[J]. SPIE Photonics Europe，2010，7723（1）.

[3]李樹濤，魏丹.壓縮感知綜述[J].自動化學報，2009，35（11）：1369-1377.

[4]Mallat S G， Zhang Z. Matching pursuits with time-frequency dictionaries[J]. IEEE Transactions on Signal Processing，1993，41（12）：3397-3415.

[5]REBOLLO-NEIRA L， Lowe D， Optimized orthogonal matching pursuit approach[J]. IEEE Signal Processing Letters， 2002.9（4）：137-140.

[6]Needell D，Vershynin D. Uniform uncertainty principle and signal recovery via regularized orthogonal matching pursuit[J]. Foundations of Computational Mathematics， 2009， 9（3）：317-334.

[7]Do T T， Gan L， Nguyen N et al. Sparsity adaptive matching pursuit algorithm for practical compressed sensing[C]. Proc of the 42nd Asilomar Conference on Signals， Systems， and Computers.2008：1572-1579.

[8]D Needell， J A Tropp. CoSaMP： Iterative signal recoveryfrom incomplete and inaccurate samples[J]. Applied & Computational Harmonic Analysis，2009，26（3）：301-321.