一种多狭缝推扫式光谱成像方法

doi:10.3969/j.issn.1001-2400.2016.02.006

西安电子科技大学学报 ›› 2016, Vol. 43 ›› Issue (2): 29-34.doi: 10.3969/j.issn.1001-2400.2016.02.006

一种多狭缝推扫式光谱成像方法

林耀海1,2;石光明1;王立志1;高大化1,3

(1. 西安电子科技大学电子工程学院，陕西西安 710071;
2. 福建农林大学计算机与信息学院，福建福州 350002;
3. 空军工程大学理学院，陕西西安 710051)

收稿日期:2014-11-02 出版日期:2016-04-20 发布日期:2016-05-27
通讯作者: 林耀海
作者简介:林耀海(1981-)，男，讲师，西安电子科技大学博士研究生，E-mail: linyaohai@fafu.edu.cn．
基金资助:
国家自然科学基金资助项目(31300473, 61372131, 61227004, 61003148)；中央高校基本科研业务费专项资金资助项目(K5051202050, K5051399020)；福建省自然科学基金资助项目(2014J01073)

Push-broom spectral imaging method based upon multi-slit

LIN Yaohai1,2;SHI Guangming1;WANG Lizhi1;GAO Dahua1,3

(1. School of Electronic Engineering, Xidian Univ., Xi'an 710071, China;
2. School of Computer Science and Technology, Fujian Agriculture and Forest Univ., Fuzhou 350002, China;
3. School of Science, Air Force Engineering Univ., Xi'an 710051, China)

Received:2014-11-02 Online:2016-04-20 Published:2016-05-27
Contact: LIN Yaohai

摘要/Abstract

摘要：

高质量、高分辨率的遥感光谱数据获取受限于成像系统的光通量．针对传统推扫式的光谱仪当增加狭缝的光通量以提高信噪比时会降低空间分辨率这个问题，从信号处理角度为推扫式光谱成像系统建模，引入压缩感知理论，使得系统可以通过增加狭缝数目的方式来增加光通量．在理论上，该方法增加了光通量而没有降低空间分辨率．在仿真实验中，光通量增大128倍，用25％的曝光频率就可以很好地获得512×512的光谱图像．该光谱成像方法在遥感技术领域以较少的曝光次数、存储传输较少的数据就可以获得高质量的光谱数据．

关键词: 光谱, 成像, 压缩感知, 空间分辨率, 推扫式

Abstract:

The acquisition of high image quality and high resolution spectral data is limited by light flux. A push-broom spectral imaging should reduce the spatial resolution if it amplified its light flux to increase its signal noise ratio (SNR). According to this problem, the theory of compressive sensing (CS) is introduced for modeling the push-broom spectral imaging system from the signal processing analysis, so that the number of slits of the imaging system can be increased to amplify its light flux. Under the guidance of the theory of compressive sensing, the light flux can increase without reducing the spatial resolution. In the simulation, if its exposure frequency dropped to 1/4 the original, and its light flux increased to 128 times the original, the spectral image with the resolution of 512×512 could be well obtained. This method is suitable for remote sensing by using a smaller number of times for imaging and less memory for storage and transmission compared with the traditional one.

Key words: spectrum, imaging, compressed sensing, special resolution, push-broom

中图分类号:

v447

林耀海;石光明;王立志;高大化. 一种多狭缝推扫式光谱成像方法[J]. 西安电子科技大学学报, 2016, 43(2): 29-34.

LIN Yaohai;SHI Guangming;WANG Lizhi;GAO Dahua. Push-broom spectral imaging method based upon multi-slit[J]. Journal of Xidian University, 2016, 43(2): 29-34.

参考文献

［1］ SHI G, GAO D, SONG X, et al. High-resolution Imaging via Moving Random Exposure and Its Simulation［J］. IEEE Transactions on Image Processing, 2011, 20(1): 276-282.
［2］ DONOHO D L. Compressed Sensing［J］. IEEE Transactions on Information Theory, 2006, 52(4): 1289-1306.
［3］ CANDES E J, ROMBERG J, TAO T. Robust Uncertainty Principles: Exact Signal Reconstruction from Highly Incomplete Frequency Information［J］. IEEE Transactions on Information Theory, 2006, 52(2): 489-509.
［4］ WILLETT R M, DUARTE M F, DAVENPORT M A, et al. Sparsity and Structure in Hyperspectral Imaging: Sensing, Reconstruction, and Target Detection［J］. IEEE Signal Processing Magazine, 2014, 31(1): 116-126.
［5］ DUARTE M F, DAVENPORT M A, TAKHAR D, et al. Single-pixel Imaging via Compressive Sampling［J］. IEEE Signal Processing Magazine, 2008, 25(2): 83-91.
［6］ WAGADARIKAR A, JOHN R, WILLETT R, et al. Single Disperser Design for Coded Aperture Snapshot Spectral Imaging［J］. Applied Optics, 2008, 47(10): B44-B51.
［7］ WAGADARIKAR A A, PITSIANIS N P, SUN X, et al. Video Rate Spectral Imaging Using a Coded Aperture Snapshot Spectral Imager［J］. Optics Express, 2009, 17(8): 6368-6388.
［8］ ARGUELLO H, CORREA C V, ARCE G R. Fast Lapped Block Reconstructions in Compressive Spectral Imaging［J］. Applied Optics, 2013, 52(10): D32-D45.
［9］ ARGUELLO H, RUEDA H, WU Y, et al. Higher-order Computational Model for Coded Aperture Spectral Imaging［J］. Applied Optics, 2013, 52(10): D12-D21.
［10］ MIAN A, HARTLEY R. Hyperspectral Video Restoration Using Optical Flow and Sparse Coding［J］. Optics Express, 2012, 20(10): 10658-10673.
［11］王良君, 石光明, 李甫, 等. 多稀疏空间下的压缩感知图像重构［J］. 西安电子科技大学学报, 2013, 40(3): 73-80.
WANG Liangjun, SHI Guangming, LI Fu, et al. Compressed Sensing Image Reconstruction in Multiple Sparse Spaces［J］. Journal of Xidian University, 2013, 40(3): 73-80.

[1]	王宇,于静娜,陈先中,侯庆文. 面向高炉料面监测的宽带微带阵列天线设计[J]. 西安电子科技大学学报, 2021, 48(4): 83-90.
[2]	胡利平,闫华,钟卫军,殷红成,王超. 舰船目标三维散射中心建模及SAR快速仿真方法[J]. 西安电子科技大学学报, 2021, 48(2): 72-83.
[3]	张锦涛,雷杰,吴凌云,黄碧莹,李云松. 一种改进的高光谱端元提取算法及其FPGA实现[J]. 西安电子科技大学学报, 2019, 46(4): 22-27.
[4]	周雪芹,冯象初,景明利. 一种自适应的拟牛顿投影稀疏信号恢复算法[J]. 西安电子科技大学学报, 2019, 46(3): 14-19.
[5]	曾创展,朱卫纲,贾鑫. 一种稀疏孔径逆合成孔径雷达成像算法[J]. 西安电子科技大学学报, 2019, 46(3): 123-129.
[6]	杨建功,汪西莉,刘侍刚. 融合谱-空域信息的DBM高光谱图像分类方法[J]. 西安电子科技大学学报, 2019, 46(3): 109-115.
[7]	孙宸, 成立业. 空间感知矩阵学习的极化SAR图像分类[J]. 西安电子科技大学学报, 2018, 45(6): 92-98.
[8]	吕治国;李颖. 采用压缩感知的贝叶斯信道估计算法[J]. 西安电子科技大学学报, 2018, 45(2): 13-18+25.
[9]	李海瑞;吴鑫;张建奇. 面向瞬态成像仿真的遮挡目标逆向重构方法[J]. 西安电子科技大学学报, 2018, 45(2): 66-70.
[10]	侯榆青;魏红娜;易黄建;张旭;贺小伟. 螺旋式激发的荧光分子断层成像[J]. 西安电子科技大学学报, 2018, 45(2): 97-102.
[11]	李玮;邓维波;杨强;索莹;MIGLIORE Marco Donald. 采用压缩感知的阵列失效单元诊断方法[J]. 西安电子科技大学学报, 2018, 45(2): 160-165.
[12]	刘学文;肖嵩;薛晓. 经验模态分解构造观测矩阵的方法[J]. 西安电子科技大学学报, 2018, 45(1): 35-41.
[13]	鲁航;崔维嘉;巴斌;逯志宇. 多观测值约束的可见光定位算法[J]. 西安电子科技大学学报, 2017, 44(4): 156-161.
[14]	刘帅;马文萍;杨淑媛;陈璞花. 结合分层字典学习和空谱信息的多光谱图像去噪[J]. 西安电子科技大学学报, 2017, 44(4): 174-180.
[15]	李燕龙;陈晓;詹德满;王俊义. 非正交多址接入中稀疏多用户检测方法[J]. 西安电子科技大学学报, 2017, 44(3): 151-156.

一种多狭缝推扫式光谱成像方法

Push-broom spectral imaging method based upon multi-slit

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10