并行单像素成像中基于镜像图案的串扰抑制

《Measurement》：Crosstalk suppression via mirrored patterns in parallel single-pixel imaging

　　* 提出了一种镜像图案方法，用于抑制并行单像素成像 (PSPI) 中的串扰伪影。* 所提出的方法将串扰伪影重塑为类似于散焦斑点，增强了视觉和结构保真度。* 所提出的方法将原始像素值固有的不适定恢复转换为具有稳定解析解的适定问题。* 所提出的方法是系统无关的，无需预先校准或深度学习训练。## 引言非可见光成像，包括紫外 (UV)、红外 (IR) 和太赫兹 (THz)，是先进仪器和测量系统中的关键技术。由于这些成像模态具有量化人眼不可见物理现象的独特能力，它们已被广泛应用于环境监测 [1], [2]、工业检测 [3]、遥感 [4]、农食质量评估 [5], [6] 等不同领域。然而，硬件限制严重制约了高分辨率成像在这些领域的应用。与可见光波段成熟的硅基传感器不同，紫外、红外和太赫兹波段的高分辨率焦平面阵列 (FPA) 由于制造挑战而在技术上不可行或成本过高 [7], [8], [9]。因此，探索替代方法以提高非可见光成像系统的空间分辨率已成为一个重要课题。一种提高成像系统空间分辨率的有前景的解决方案在于计算成像技术，特别是单像素成像 (SPI)。SPI 通过空间光调制器 (SLM) 使用一系列图案对场景进行调制，并将单个探测器测量的相应强度进行关联，从而重建高分辨率图像 [10], [11], [12], [13], [14]。SPI 已展现出在三维成像 [15], [16], [17]、无透镜成像 [18]、目标检测 [19], [20], [21], [22], [23]、水下成像 [24] 等方面的潜力。通过将 FPA 的每个像素视为单像素探测器，SPI 的原理可扩展为改善可见光 [25], [26], [27], [28], [29]、红外 [30], [31], [32], [33], [34], [35], [36] 和微波 [37], [38], [39] 光谱中低分辨率 FPA 捕获图像的空间分辨率。这种技术称为并行单像素成像 (PSPI)，为高分辨率红外成像系统提供了一种高性价比的解决方案。在 PSPI 系统中，由于光学像差，特别是散焦，FPA 捕获的图像通常是模糊的。这种现象会导致子图像串扰，在重建图像中表现为不自然的伪影，并降低图像质量 [40]。现有抑制 PSPI 系统串扰的方法大致可分为传递函数矩阵计算、物理增强深度学习方法和图案设计策略。传递函数矩阵计算方法对图案和像素之间的映射过程进行建模，有效地抑制了串扰伪影并提高了峰值信噪比 (PSNR) [34]。基于此方法，应用物理增强深度学习方法构建了一种并行压缩超分辨率成像方法，进一步提高了图像质量 [35]。此外，一种为相邻像素分配不同调制图案的新型图案设计策略有效地减少了不自然的块状伪影 [36]。然而，这些方法有明显的局限性。传递函数矩阵依赖于系统，且对校准精度高度敏感，即使是轻微的系统振动也需要在每次实验前重新校准。物理增强深度学习方法需要大量的训练数据和大量的时间。而简单地使用不同调制图案的图案设计策略只是将不自然的块状伪影转换为近似随机噪声，而不是去除它们。因此，找到一种无需复杂校准或大量训练即可有效抑制串扰的通用方法具有重要意义。在这项工作中，提出了一组专门设计的镜像图案来解决 PSPI 中的串扰伪影。从根本上说，镜像图案方法通过重塑伪影使其类似于散焦斑点来内在抑制串扰伪影。此外，这种方法将原始像素值的恢复从不适应的逆问题转换为适定问题，实现了精确解。重要的是，所提出的方法可以在无需特定系统校准过程或特定深度网络数据训练的情况下实施。模拟和实验结果表明，镜像图案方法重建的图像平均均方根误差 (RMSE) 降低了 27.7%，平均 PSNR 提高了 9.1%，为增强非可见光成像系统的空间分辨率提供了一种稳健且高效的方法。## 章节摘要### PSPI 的原理在 SPI 中，具有 n 个像素的像素化目标图像可以表示为列向量，记为 I = [i₁, i₂, …, i_n]^T。i-次调制图案可以表示为行向量，记为 P_i = [p_i1, p_i2, …, p_in]。i次调制过程可以表示为：$$s_i = P_i I$$其中 s_i 表示第 i-次调制期间由单像素探测器检测到的测量强度。假设调制过程总共进行 m 次，所有调制图案可以堆叠为### 数值模拟为了验证镜像图案方法的有效性，设计并实施了一系列模拟实验。模拟中的目标图像是 1951 USAF 分辨率测试图。采用 16 阶阿达马矩阵作为图案编码矩阵，以实现 4 × 4 倍的超分辨率重建。实际上，由于 -1 无法由光强度表示，阿达马矩阵被转换为两个调制矩阵的差值，这也减少了### 讨论与结论结果表明，镜像图案方法显著提高了图像分辨率和质量。如表 1 所示，传递函数矩阵和物理增强深度学习方法可能为特定的成像系统实现更高的重建质量，因为它们明确使用了针对该系统准确校准的系统模型或学习到的图像先验。然而，它们的性能与特定的系统配置密切相关，### CRediT 作者贡献声明**段新凯:** 撰写 – 初稿，可视化，验证，软件，方法论，调查，形式分析，数据整理，概念化。**苑展鹏:** 可视化，验证，调查，数据整理。**邓伟杰:** 资源。**孙明杰:** 撰写 – 审阅与编辑，监督，资源，项目管理，资金获取，概念化。## 利益冲突声明作者声明，他们不存在任何可能影响本论文报告工作的已知竞争财务利益或个人关系。## 致谢本工作得到中国国家科技重大专项 (批准号 2023YFB2806800) 和 KLOMT 开放研究项目 (批准号 2022KLOMT02-02) 的支持。段新凯 | 苑展鹏 | 邓伟杰 | 孙明杰