🔬 optics

Single Pixel Imaging and Compressive Sensing: A Practical Tutorial

यह ट्यूटोरियल सिंगल पिक्सेल इमेजिंग और कम्प्रेसिव सेंसिंग के लिए एक व्यावहारिक मार्गदर्शिका प्रदान करता है, जो विभिन्न पुनर्निर्माण विधियों—निर्धारित एल्गोरिदम से लेकर डीप लर्निंग तक—के प्रयोगात्मक कार्यान्वयन का विवरण देता है, साथ ही परिणामों को दोहराने और विविध इमेजिंग परिदृश्यों में अनुप्रयोग को सुगम बनाने के लिए संबद्ध पायथन नोटबुक भी उपलब्ध कराता है।

मूल लेखक: Dennis Scheidt

प्रकाशित 2026-01-22

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Dennis Scheidt

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक कुत्ते की तस्वीर लेना चाहते हैं, लेकिन आपके पास कोई फैंसी कैमरा नहीं है जिसमें आपके फोन की तरह लाखों छोटे सेंसर (पिक्सेल) हों। इसके बजाय, आपके पास केवल एक एकल प्रकाश सेंसर (single light sensor) है—एक "बाल्टी" जो यह बता सकती है कि कुल कितनी रोशनी उस पर पड़ रही है, लेकिन वह यह नहीं बता सकती कि वह रोशनी कहाँ से आ रही है।

यह सिंगल पिक्सेल इमेजिंग (SPI) का मूल विचार है। यह असंभव लगता है: आप केवल एक सेंसर के साथ एक तस्वीर कैसे बना सकते हैं? उत्तर गणित और प्रकाश के पैटर्न का उपयोग करने वाले एक चतुर "अनुमान और जाँच" (guessing and checking) के खेल में छिपा है।

यहाँ बताया गया है कि यह पेपर इस प्रक्रिया को सरल उपमाओं (analogies) का उपयोग करके कैसे समझाता है।

1. सेटअप: छाया कठपुतली का खेल (The Shadow Puppet Game)

सोचिए कि जिस वस्तु की आप तस्वीर लेना चाहते हैं (कुत्ता), उस पर एक प्रोजेक्टर से रोशनी डाली जा रही है। लेकिन कुत्ते का चेहरा सीधे प्रोजेक्ट करने के बजाय, प्रोजेक्टर कुत्ते के ऊपर कई मास्क (masks) या पैटर्न फ्लैश करता है।

मास्क (The Mask): एक स्टेंसिल की कल्पना करें जिसमें छेद हों। कभी छेद एक ग्रिड में होते हैं, कभी वे रैंडम डॉट्स की तरह होते हैं, और कभी वे चेकरबोर्ड की तरह दिखते हैं।
बाल्टी (The Bucket): हर बार जब आप एक पैटर्न फ्लैश करते हैं, तो कुत्ते के माध्यम से और मास्क से गुजरने वाली रोशनी आपके एकल "बाल्टी" सेंसर से टकराती है। सेंसर बस कहता है, "ठीक है, इस पैटर्न ने 50 यूनिट रोशनी को अंदर आने दिया।"
चाल (The Trick): सैकड़ों अलग-अलग पैटर्न फ्लैश करके और प्रत्येक के लिए कुल रोशनी को रिकॉर्ड करके, आप कुत्ते की पूरी छवि को गणितीय रूप से पुनर्गठित करने के लिए पर्याप्त सुराग एकत्र करते हैं। यह एक पहेली को हल करने जैसा है जहाँ आप केवल टुकड़ों का कुल वजन जानते हैं, उनका आकार नहीं, लेकिन आप जानते हैं कि वे टुकड़े ठीक कैसे व्यवस्थित थे।

2. "कंप्रेसिव" रहस्य: शॉर्टकट लेना (The "Compressive" Secret)

सामान्य तौर पर, एक स्पष्ट तस्वीर प्राप्त करने के लिए, आपको शायद 1,000 अलग-अलग पैटर्न फ्लैश करने पड़ें ताकि 32x32 पिक्सेल की छवि बनाई जा सके। इसमें समय लगता है।

कंप्रेसिव सेंसिंग (Compressive Sensing) वह जादुई ट्रिक है जो आपको अधिकांश चरणों को छोड़ने की अनुमति देती है। पेपर बताता है कि चूंकि तस्वीरें आमतौर पर "स्पार्सिटी" (sparsity) वाली होती हैं (यानी वे रैंडम शोर नहीं हैं; उनमें चिकने क्षेत्र और स्पष्ट किनारे होते हैं), आपको सभी 1,000 सुरागों की आवश्यकता नहीं है। आपको केवल 200 या 300 की आवश्यकता हो सकती है।

उपमा (The Analogy): कल्पना कीजिए कि आप पूरे एल्बम को सुनकर एक गाना पहचानने की कोशिश कर रहे हैं। कंप्रेसिव सेंसिंग ऐसा है जैसे केवल कोरस और मुख्य छंदों को सुनकर पूरे गाने को गुनगुना पाना क्योंकि आप जानते हैं कि गाने की संरचना कैसी होती है। पेपर दिखाता है कि स्मार्ट गणित का उपयोग करके, आप बहुत कम मापों के साथ एक बेहतरीन तस्वीर प्राप्त कर सकते हैं, जिससे यह प्रक्रिया बहुत तेज़ हो जाती है।

3. पैटर्न: कौन सा "मास्क" सबसे अच्छा काम करता है?

पेपर विभिन्न प्रकार के पैटर्न (जिन्हें "बेसिस" कहा जाता है) का परीक्षण करता है ताकि यह देखा जा सके कि कौन से पैटर्न सबसे कम मापों के साथ सबसे अच्छी तस्वीर देते हैं।

"प्राकृतिक" क्रम (The "Natural" Order): कल्पना कीजिए कि आप एक किताब को पेज दर पेज, बाएं से दाएं पढ़ रहे हैं। यह पैटर्न को क्रमबद्ध करने का मानक तरीका है। पेपर ने पाया कि यह अक्सर तस्वीर को थोड़ा "ब्लॉकी" या दोहराव वाला बना देता है, जैसे कि एक खराब फोटोकॉपी।
"वॉल्श" क्रम (The "Walsh" Order): यह पैटर्न को उनकी "व्यस्तता" (busyness) के आधार पर व्यवस्थित करने जैसा है, सरल पैटर्न से शुरू होकर जटिल पैटर्न की ओर बढ़ना। पेपर ने पाया कि पारंपरिक गणितीय तरीकों के लिए यह सबसे अच्छा प्रदर्शन करने वाला है। यह एक लो-पास फ़िल्टर के रूप में कार्य करता है, जिसका अर्थ है कि यह कुत्ते के बड़े और महत्वपूर्ण आकार को स्पष्ट रखता है, भले ही आपके पास बहुत कम डेटा हो।
रैंडम पैटर्न (Random Patterns): ये बोर्ड पर डार्ट फेंकने की तरह हैं ताकि यह तय किया जा सके कि छेद कहाँ रखे जाएं। आश्चर्यजनक रूप से, ये भी बहुत अच्छा काम करते हैं, खासकर जब इन्हें AI के साथ जोड़ा जाता है।

4. पहेली को हल करने के दो तरीके

एक बार जब आपके पास अपने प्रकाश माप (light measurements) आ जाते हैं, तो आपको उन्हें वापस एक तस्वीर में बदलना होता है। पेपर दो तरीकों की तुलना करता है:

विधि A: नियतात्मक गणित (The Deterministic Math - सावधान मुनीम)

यह सख्त गणितीय सूत्रों (जैसे $\ell_1$ -minimization) का उपयोग करके पहेली को हल करता है।

यह कैसे काम करता है: यह एक बहुत ही सावधान मुनीम की तरह है जो बहीखाता (ledger) को संतुलित करने की कोशिश कर रहा है। यह अच्छा काम करता है, लेकिन यह धीमा और गणनात्मक रूप से भारी हो सकता है।
परिणाम: पेपर दिखाता है कि मानक सेटअप के लिए इस गणित पद्धति के साथ Hadamard-Walsh पैटर्न का उपयोग करने से सबसे स्पष्ट छवियां मिलती हैं। यह कुत्ते के समग्र आकार को बहुत अच्छी तरह से सुरक्षित रखता है, भले ही डेटा कम हो।

विधि B: डीप लर्निंग (The Deep Learning - तेज़ शिक्षार्थी)

यह एक साधारण आर्टिफिशियल इंटेलिजेंस (एक न्यूरल नेटवर्क) का उपयोग करता है जिसे हजारों उदाहरणों पर "प्रशिक्षित" किया गया है।

यह कैसे काम करता है: एक बच्चे को हजारों कुत्तों की तस्वीरें दिखाकर कुत्ते को पहचानना सिखाने की कल्पना करें। एक बार जब बच्चा पैटर्न सीख जाता है, तो वह कुत्ते को तुरंत पहचान सकता है, भले ही तस्वीर धुंधली या अधूरी क्यों न हो।
परिणाम: पेपर ने पाया कि AI के लिए, रैंडम पैटर्न वास्तव में व्यवस्थित पैटर्न की तुलना में बेहतर काम करते हैं। क्योंकि AI प्रशिक्षण के दौरान डेटा के "नियमों" को सीख लेता है, इसलिए यह एक रैंडम पैटर्न के अंतराल को बहुत प्रभावी ढंग से भर सकता है।
सावधानी: AI एक "एक ही काम में माहिर" (one-trick pony) है। आपको हर विशिष्ट सेटअप के लिए एक विशिष्ट AI को प्रशिक्षित करना होगा (जैसे, 10% डेटा के लिए एक AI, 20% डेटा के लिए दूसरा)। आप एक ही AI का उपयोग सब कुछ करने के लिए नहीं कर सकते।

5. निष्कर्ष (The Takeaway)

पेपर निष्कर्ष निकालता है कि:

मानक प्रयोगों के लिए: मानक गणित के साथ Hadamard-Walsh पैटर्न का उपयोग करें। यह विश्वसनीय है और छवि की संरचना को स्पष्ट रखता है।
गति और AI के लिए: प्रशिक्षित न्यूरल नेटवर्क के साथ रैंडम पैटर्न का उपयोग करें। यह बहुत कम डेटा (सामान्य मापों के 10% तक) से छवियों को पुनर्गठित कर सकता है, लेकिन इसके लिए बहुत अधिक शुरुआती प्रशिक्षण की आवश्यकता होती है।
व्यावहारिकता: लेखक मुफ्त कंप्यूटर कोड (Python notebooks) प्रदान करते हैं ताकि कोई भी इन तरीकों को स्वयं आज़मा सके, चाहे वे सिंथेटिक डेटा का उपयोग कर रहे हों या वास्तविक प्रयोगात्मक डेटा का।

संक्षेप में, यह ट्यूटोरियल आपको बताता है कि कैसे चतुर पैटर्न फ्लैश करके एक एकल प्रकाश सेंसर के साथ तस्वीर ली जा सकती है, और यह आपको इसे तेज़ी से और स्पष्ट रूप से करने के लिए "चीट कोड" (गणित और AI) भी देता है।

तकनीकी सारांश: सिंगल पिक्सेल इमेजिंग और कम्प्रेसिव सेंसिंग: एक व्यावहारिक ट्यूटोरियल

समस्या विवरण
पारंपरिक इमेजिंग स्थानिक तीव्रता वितरण (spatial intensity distributions) को कैप्चर करने के लिए द्वि-आयामी डिटेक्टर एरे (CCD या CMOS) पर निर्भर करती है। हालाँकि, ये सेंसर अक्सर असामान्य तरंग दैर्ध्य (unconventional wavelengths) पर अक्षम या अनुपलब्ध होते हैं, और वे महंगे भी हो सकते हैं। सिंगल पिक्सेल इमेजिंग (SPI) एक विकल्प प्रदान करता है जो एक एकल फोटोडिटेक्टर (एक "बकेट डिटेक्टर") का उपयोग करके एक स्थानिक रूप से मॉड्युलेटेड लाइट फील्ड को सैंपल करता है। जबकि SPI उन स्पेक्ट्रल क्षेत्रों में इमेजिंग सक्षम बनाता है जहाँ एरे सेंसर विफल हो जाते हैं और शोर वाले वातावरण में सिग्नल संग्रह में सुधार करता है, अनुक्रमिक मापों (sequential measurements) से छवियों के पुनर्निर्माण (reconstruction) में कम्प्यूटेशनल चुनौतियाँ होती हैं। पूर्ण माप आधारों (full measurement bases) का उपयोग करने वाला पारंपरिक पुनर्निर्माण डेटा-गहन होता है, और मानक कम्प्रेसिव सेंसिंग (CS) पुनर्निर्माण $\ell_1$ -मिनिमाइजेशन के माध्यम से कम्प्यूटेशनल रूप से महंगा हो सकता है, जो डेटा अधिग्रहण की प्रक्रिया से भी धीमा हो सकता है। यह ट्यूटोरियल तेज़, उच्च-गुणवत्ता वाली इमेजिंग को सक्षम करने के लिए SPI के व्यावहारिक कार्यान्वयन, माप आधारों के चयन, और नियत (deterministic) बनाम डीप लर्निंग पुनर्निर्माण विधियों के तुलनात्मक अध्ययन को संबोधित करता है।

कार्यप्रणाली (Methodology)
यह शोध पत्र SPI के प्रयोगात्मक और कम्प्यूटेशनल ढांचे को रेखांकित करता है:

प्रयोगात्मक सेटअप: सिस्टम एक डिजिटल माइक्रोमिरर डिवाइस (DMD) या स्पेशियल लाइट मॉड्यूलेटर (SLM) का उपयोग करता है ताकि एक इनपुट लाइट फील्ड को ऑर्थोगोनल मेजरमेंट पैटर्न्स के साथ क्रमिक रूप से मॉड्युलेट किया जा सके। एक लेंस मॉड्युलेटेड लाइट को एक सिंगल फोटोडायोड पर प्रोजेक्ट करता है, जो प्रत्येक पैटर्न के लिए कुल तीव्रता को एकीकृत (integrate) करता है। इनपुट फील्ड $x$ और मापे गए सिग्नल्स $y$ के बीच का संबंध $y = \Phi x$ द्वारा परिभाषित है, जहाँ $\Phi$ मेजरमेंट बेसिस है।
मेजरमेंट बेसिस (Measurement Bases): अध्ययन कई ऑर्थोगोनल बेसिस का मूल्यांकन करता है:
- कैनोनिकल (Identity): सीधे स्थानिक तत्वों (spatial elements) को सैंपल करता है।
- हाडामार्ड (Hadamard): इसमें $\pm 1$ प्रविष्टियाँ होती हैं। शोध पत्र नेचुरल ऑर्डरिंग, वॉल्श ऑर्डरिंग (फ्रीक्वेंसी के अनुसार क्रमबद्ध), और "केक-कटिंग" ऑर्डरिंग (स्थानिक जटिलता के अनुसार क्रमबद्ध) पर चर्चा करता है। SLMs/DMDs पर हाडामार्ड पैटर्न को लागू करने के लिए एक विशिष्ट रणनीति को हाइलाइट किया गया है, जो एकल बाइनरी अधिग्रहण से नेगेटिव कंपोनेंट्स को पुनर्गठित करने के लिए ऑल-पॉजिटिव फर्स्ट रो का लाभ उठाती है, जिससे माप का समय कम हो जाता है।
- रैंडम गौसियन (Random Gaussian): मनमाने आयामों (arbitrary dimensions) का उपयोग करता है और स्थानिक आवृत्तियों (spatial frequencies) की एक विस्तृत श्रृंखला को सैंपल करता है।
पुनर्निर्माण एल्गोरिदम (Reconstruction Algorithms):
- नियतिवादी CS (Deterministic CS): शोध पत्र इटरेटिव सॉफ्ट थ्रेशोल्डिंग (ISTA) का उपयोग करके बेसिस पर्ट्यूट (BP) और SPGL1 पैकेज (जिसमें बेसिस पर्ट्यूट डिनोइजिंग और LASSO शामिल है) की तुलना करता है। ये विधियाँ अंडरसैम्पल्ड डेटा ( $M < N$ ) से स्पार्स सिग्नल्स को रिकवर करने के लिए $\ell_1$ -मिनिमाइजेशन समस्या को हल करती हैं।
- डीप लर्निंग: एक सरल लीनियर न्यूरल नेटवर्क (सिंगल फुली कनेक्टेड लेयर) का उपयोग करके एक सुपरवाइज्ड रिग्रेशन दृष्टिकोण अपनाया गया है। नेटवर्क को कंप्रेस्ड मेजरमेंट्स $y$ को पुनर्निर्मित छवियों $x$ में मैप करने के लिए पेयर्ड डेटासेट्स (CIFAR-10) का उपयोग करके प्रशिक्षित किया गया है। यह कम्प्यूटेशनल बोझ को प्रशिक्षण चरण (training phase) की ओर स्थानांतरित कर देता है, जिससे मानक CPUs पर मिलीसेकंड-स्केल पुनर्निर्माण संभव हो जाता है।

मुख्य योगदान

व्यावहारिक कार्यान्वयन मार्गदर्शिका: यह ट्यूटोरियल प्रयोगात्मक सेटअप के लिए एक व्यापक मार्गदर्शिका प्रदान करता है, जिसमें हाडामार्ड बेसिस में पॉजिटिव/नेगेटिव वैल्यूज को हैंडल करना और बड़े मैट्रिसेस से जुड़ी मेमोरी बाधाएं शामिल हैं।
बेसिस का व्यवस्थित तुलनात्मक अध्ययन: यह कठोरता से मूल्यांकन करता है कि विभिन्न ऑर्डरिंग स्कीम्स (नेचुरल बनाम वॉल्श बनाम केक-कटिंग) और बेसिस प्रकार (हाडामार्ड बनाम रैंडम गौसियन) विभिन्न कंप्रेशन रेश्यो के तहत पुनर्निर्माण की गुणवत्ता को कैसे प्रभावित करते हैं।
एल्गोरिदम बेंचमार्किंग: यह कार्य बेसिक BP, SPGL1 BP, और SPGL1 LASSO जैसे नियतिवादी CS एल्गोरिदम की डीप लर्निंग दृष्टिकोणों के साथ तुलना करता है, और उनके प्रदर्शन मेट्रिक्स (PSNR, RMSE, SSIM) और कम्प्यूटेशनल ट्रेड-ऑफ का विश्लेषण करता है।
पुनरुत्पादकता (Reproducibility): लेखक अपने साथ पायथन नोटबुक (Google Colab) प्रदान करते हैं जो पाठकों को परिणामों को दोहराने, मॉडल को प्रशिक्षित करने और अपने स्वयं के प्रयोगात्मक या सिंथेटिक डेटा पर इन विधियों को लागू करने की अनुमति देते हैं।

परिणाम

बेसिस ऑर्डरिंग: नियतिवादी पुनर्निर्माण के लिए, हाडामार्ड-वॉल्श ऑर्डरिंग ने सबसे अच्छा प्रदर्शन किया, जो 20–25% कंप्रेशन रेश्यो पर ग्लोबल इमेज स्ट्रक्चर को संरक्षित करने के लिए प्रभावी रूप से एक लो-पास फिल्टर के रूप में कार्य करता है। नेचुरल हाडामार्ड ऑर्डरिंग का प्रदर्शन सबसे खराब रहा क्योंकि इसमें मिसिंग फ्रीक्वेंसी कंपोनेंट्स के कारण वर्टिकल रिपिटेशन्स (vertical repetitions) उत्पन्न हुए। रैंडम गौसियन और केक-कटिंग ऑर्डरिंग ने अधिक शोर वाले परिणाम दिए लेकिन उन्होंने एक साथ कई फ्रीक्वेंसी डोमेन को सैंपल किया।
एल्गोरिदम प्रदर्शन: नियतिवादी विधियों में, SPGL1 बेसिस पर्ट्यूट एल्गोरिदम ने उच्चतम फिडेलिटी प्रदान की। SPGL1 LASSO एल्गोरिदम ने स्मूथिंग पेश की जिसने सुपरपिक्सेल आर्टिफैक्ट्स को तो कम किया लेकिन ब्लरिंग के कारण समानता मेट्रिक्स (PSм, SSIM) को कम कर दिया।
डीप लर्निंग बनाम नियतिवादी: डीप लर्निंग पुनर्निर्माण ने कम कंप्रेशन रेश्यो पर बेहतर प्रदर्शन दिखाया। विशेष रूप से, रैंडम गौसियन बेसिस ने डीप लर्निंग के संदर्भ में हाडामार्ड वेरिएंट्स से बेहतर प्रदर्शन किया (10%–50% कंप्रेशन), क्योंकि रैंडम मैट्रिसेस की विस्तृत फ्रीक्वेंसी सामग्री ने न्यूरल नेटवर्क को अधिक प्रभावी वेटिंग्स सीखने में मदद की। हालांकि, डीप लर्निंग मॉडल कार्य-विशिष्ट (task-specific) होते हैं, जिनके लिए प्रत्येक कंप्रेशन रेश्यो और बेसिस कॉन्फ़िगरेशन के लिए अलग से प्रशिक्षण की आवश्यकता होती है।
कंप्रेशन रेश्यो: नियतिवादी विधियों को टेस्ट इमेज के मुख्य आकार को प्रकट करने के लिए आम तौर पर 20–25% कंप्रेशन की आवश्यकता थी, जबकि रैंडम गौसियन बेसिस के साथ डीप लर्निंग 5%–10% कंप्रेशन पर भी फीचर्स को हल कर सकता था।

महत्व और दावे
यह शोध पत्र स्वयं को एक नवीन सैद्धांतिक सफलता के बजाय एक व्यावहारिक ट्यूटोरियल के रूप में प्रस्तुत करता है। इसका प्राथमिक महत्व निम्नलिखित में निहित है:

पहुंच को सक्षम बनाना: ओपन-सोर्स कोड और विस्तृत प्रयोगात्मक प्रोटोकॉल प्रदान करके, यह उन शोधकर्ताओं के लिए प्रवेश की बाधा को कम करता है जो SPI और कम्प्रेसिव सेंसिंग को लागू करना चाहते हैं।
ट्रेड-ऑफ को स्पष्ट करना: यह स्पष्ट करता है कि जबकि डीप लर्निंग कम कंप्रेशन रेश्यो पर गति और प्रदर्शन प्रदान करता है, इसमें नियतिवादी एल्गोरिदम की तरह सामान्य अनुकूलन क्षमता (general adaptability) की कमी है, जिन्हें नए मेजरमेंट कॉन्फ़िगरेशन के लिए पुनः प्रशिक्षण की आवश्यकता नहीं होती है।
प्रयोगात्मक मार्गदर्शन: यह प्रयोगकर्ताओं को विशिष्ट सलाह देता है, जैसे कि वास्तविक दुनिया के डेटा पर मॉडल लागू करते समय आर्टिफैक्ट्स को रोकने के लिए डीप लर्निंग ट्रेनिंग के दौरान कृत्रिम शोर (artificial noise) शामिल करने का सुझाव।

लेखक विनम्रतापूर्वक निष्कर्ष निकालते हैं कि जबकि डीप लर्निंग हाई-स्पीड, रियल-टाइम अनुप्रयोगों को सक्षम बनाता है, विधि का चुनाव पूरी तरह से अनुप्रयोग के विशिष्ट प्रतिबंधों (जैसे, कम्प्यूटेशनल संसाधन, सामान्यीकरण की आवश्यकता, और उपलब्ध प्रशिक्षण डेटा) पर निर्भर करता है। इस ट्यूटोरियल का उद्देश्य आवश्यक उपकरण प्रदान करके लाइव या इन विवो (in vivo) इमेजिंग सहित विविध क्षेत्रों में इन तकनीकों के अनुप्रयोग को सुगम बनाना है।