相位调制的快照型立体光谱计算成像方法研究

Snapshot spectro-volumetric Imaging computationally reconstructs the spectral intensity distribution in the three dimensional world from the spatial-directional-spectral multiplexed snapshot measurement of the two dimensional sensor. Regarding the low optical efficiency and modulation freedom imposed by current amplitude modulation methods, we propose to use a single phase mask to fulfill the depth sensitive spectro-spatial modulation, with the additional miniature advantage. Aiming at the non-adaptive problem that traditional compressive imaging methods utilize fixed orthogonal bases to represent signal sparsity, we propose a manifold learning algorithm for spectral image patches, which can flexibly and efficiently explore the local sparsity on the manifold. Since traditional optical parameter optimization procedures using the Fisher information function only consider the point imaging scenario, we propose the information theoretic metrics on the spectral image manifold as well as their optimization method, which leads to the full usage of the camera’s space-bandwidth. In view of the highly underdetermined nature of the snapshot spectro-volumetric reconstruction problem, we propose the joint estimation algorithm for adaptive compressive reconstruction and depth estimation on the spectral image manifold, which takes advantage of the high local correlations existing in both spectral images and depth maps and therefore promises the fast spectro-volumetric reconstruction via online manifold learning.

快照型立体光谱成像是指从二维探测器单次曝光获得的空间-方向-光谱复用观测数据中重构出三维空间中光谱强度分布的计算成像方法。本项目针对现有的强度调制方法光学效率低且调制自由度有限的问题，提出仅利用单一相位模板实现深度敏感的空间-光谱联合调制方法，不仅提高了光学效率和调制自由度，而且具备相机小型化设计的优势；针对经典压缩感知成像方法在固定正交基上表达信号的稀疏性缺乏自适应性问题，提出基于光谱图像块的流形学习算法，灵活高效地探索光谱图像流形上的局部稀疏性；针对传统的光学参数Fisher信息函数优化方法仅考虑点目标成像的局限性，提出光谱图像流形上的信息论测度模型与优化方法，更高效地利用成像系统的空间-带宽积；针对快照型立体光谱图像重构的严重欠定性问题，提出光谱图像流形上的自适应压缩感知重构与深度计算联合估计算法，利用光谱图与深度图均存在的局部强相关性，通过在线流形学习实现立体光谱成像的快速重构。

项目围绕快照型立体光谱成像这一新型压缩成像方法开展研究，从四个方面开展了深入研究：深度敏感的空间-光谱联合调制方法；光谱图像块的流形学习算法；成像调制与数据重建的一体化优化设计；光谱图与深度图的联合快速重构方法。. 为探索光谱图像流行上的本征表达，将高光谱图像建模为四阶张量，并利用非参数贝叶斯方法自适应估计CP分解和Tucker分解的张量秩，有效获取了光谱图像块的光谱-空间-非局部相似性。为提升光谱图像特征提取的计算速度，基于稀疏卷积字典学习建立了光谱图像的验分布模型，并开发了高精度的光谱层析重建算法。为探索相位调制在立体光谱成像中的作用，基于傅里叶光学完成了包含波前调制与离焦模糊的相位调制成像建模，并仿真生成了不同深度下的光谱点扩散函数，用于立体光谱成像的前向模型。为提升光谱-深度的联合重建速度，设计了光谱图像重建与深度估计的多任务学习深度神经网络，并开展了基于空间光调制器的相位调制实验验证。. 项目共发表论文9篇，出版专著1部，申报国家发明专利3项。项目在快照型立体光谱成像的多个关键技术环节探索了新方法，包括：光谱成像的相位调制方法、基于卷积稀疏编码和非参数贝叶斯张量学习的光谱图像本征表达、以及光谱深度联合估计的多任务深度学习方法等，在新型遥感、生物医学、工业过程控制以及文化遗产保护等诸多领域具有应用前景。