基于多通道压缩感知的高分辨高动态范围红外成像方法研究

Infrared imaging with high resolution and high dynamic range is a key issue to the fields of military reconnaissance, seismic monitoring and medical diagnostic. Traditional Infrared imaging methods cannot obtain high performance images due to the limits of infrared detectors. This project proposes a new multi-channel infrared imaging method with high-resolution and high-dynamic range based on compressive sensing and computational imaging. The method makes the resolution and dynamic range of infrared information no longer restrict to the density of the infrared detector. The main research content of this project includes how to obtain infrared information collaboratively, excavating and representing infrared priors, and decoding with the priors. The main innovations of this project are listed below: 1) more infrared information are obtained by multi-channel compressive sensing; 2) by using the property of advantage complementary in multi-channels, this project can extend the dynamic range of infrared images; 3) in the recovery stage, this project integrates the local and nonlocal priors into a unified variational framework, which guarantees the reconstruction accuracy of infrared images. The technical achievements of this project will promote the applications of the new infrared imaging method and improve the performance of infrared images significantly.

高分辨率、高动态范围红外成像在军事侦察、安防监控、医疗诊断等领域有迫切需求。传统红外成像方法中，探测器性能严重制约了空间分辨率的提高，且动态范围不足、焦面均匀性差。本课题以压缩感知理论为基础，有机结合计算成像方法与红外成像原理，提出了基于多通道压缩感知的高分辨率、高动态范围红外成像新方法，对红外信息混叠采样新模式、并行观测矩阵设计、基于多通道互补特性的动态范围扩展方法、多通道联合反演算法及快速非均匀性校正算法等展开研究。主要创新点：1)采用多通道随机混叠采样方法，尽可能多地保留高分辨信息；2)利用多通道间通光量天然互补的特性，实现红外动态范围的有效扩展；3)把局部和非局部稀疏约束整合到统一的变分框架中，同时完成重构与去噪，提高红外成像质量。本项目将完成从理论分析、关键技术攻关到系统方案设计的研究，并通过数值仿真和原理样机验证来评估新方法的有效性及实用性，为后续工程化应用奠定理论和技术基础。

近年发展起来的计算成像方法、尤其是基于压缩感知理论的计算成像方法，为创新红外成像模式带来了新的机遇。本项目基于多通道压缩感知理论，对高分辨高动态范围红外成像方法展开研究，突破了三项关键技术：. 1）提出了高精度信息获取新理论与红外成像新模式。传统成像模式中，图像传感器点阵与拍摄景物像素是一一对应，其分辨率取决于传感器的点阵密度。本项目使用的多通道并行压缩感知方法，采用N+1多通道结合方式，对超宽带景物高频模拟信号以空间压缩混叠的耦合方式，通过传感器点阵感知，与景物像素形成一对多的对应关系，然后将优化反演与编码混叠过程（对应于观测矩阵）紧密配合，根据非凸优化理论，设计出基于模型指导的稀疏正则特性的优化反演算法，重构精度高。. 2）设计了多通道并行观测矩阵并进行了光路实现。本项目针对编码与重建的数学模型和物理实现方法进行研究，设计了N+1结构的多通道采样框架，其中一个核心随机压缩采样通道，其首先采用一个随机编码模板、一个色散棱镜，并用低分辨率探测器进行混叠采样，这种编码-错位的过程保证了每个探测器像元的采样数据都是场景信号的随机加权和；另N个通道为低分辨率全通通道，建立了多通道并行的随机编码-压缩采样框架。. 3）提出了基于空洞卷积的多通道联合优化反演算法.通过非均匀性校正可以有效的去除图像上的固定样式噪声，提高红外探测器的温度灵敏度。本项目在基于模型指导的稀疏正则特性的优化反演的基础上，针对N+1的随机编码-压缩采样框架，进一步提出了基于空洞卷积的多通道联合优化反演算法，使用深度学习网络，并引入空洞卷积代替普通卷积，将均匀性校正与超分辨反演合二为一，获得了较好的仿真和实测效果。. 总之，本项目完成了从理论分析、关键技术攻关、系统方案设计与实现的研究，并通过数值仿真和原理样机验证来评估了新方法的有效性及实用性，实现了高动态范围、高分辨率红外成像，圆满完成了项目研究内容，取得了预期研究成果。