Parallel single-pixel imaging based on modulation region expansion and overlapping reconstruction
本文介绍了一种鲁棒的并行单像素成像策略，该策略利用调制区域扩展和重叠重建来消除繁琐的校准、修正失配，并实现在极端非理想条件下仍能获得高质量成像。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
通常情况下，图像成像依赖于带有数百万个微小传感器的摄像机，每个传感器捕捉特定点的光线以构建图像。但在许多科学领域，从观察人体内部到探测不可见气体，这些标准的摄像机并不存在，或者使用成本过于昂贵。相反，研究人员转向了一种被称为“单像素成像”的巧妙替代方案。在这种方法中，单个传感器测量照射到目标上的总光量，但前提是这些光必须先经过一种图案的打乱。通过闪烁数千种不同的图案并记录每种图案下的总光量，计算机可以将图像在数学上重新拼凑出来。虽然这种技术效果良好，但由于需要进行如此多次的测量，它通常很慢。为了提高速度，科学家们开发了一个并行版本，它使用一小组传感器阵列而不是仅仅一个传感器，从而有效地同时运行多台单像素摄像机。然而，这种更快速的方法有一个重大缺陷：它对失准极其敏感。如果投射到目标上的图案与传感器没有完美对齐，最终生成的图像就会变成布满接缝和误差的锯齿状混乱图像，而修复这一问题通常需要一个漫长且乏味的校准过程，且极易受到噪声的影响。
来自北京理工大学和航天信息技术大学的一个研究小组找到了一种绕过这一瓶颈的方法。他们引入了一种新策略，使这些并行摄像机即使在系统轻微失准或收集的数据非常稀疏时，也能产生清晰、无缝的图像。他们并没有试图强迫硬件实现完美对齐，也没有花费数小时去校准每一个传感器，而是接受了这些不完美。他们意识到，实际到达每个传感器的光区域通常比预期的位置略大且存在偏移。与其忽视这一点，不如扩大他们认为每个传感器的“活跃”部分所覆盖的区域。通过刻意观察更宽的区域并随后重叠重建的图像碎片，他们能够将所有部分缝合在一起，而不留间隙或可见的接缝。这种方法有效地将一个潜在的弱点——投影仪与传感器之间的不匹配——转化为了一个可以控制的过程中的一部分。
研究人员使用数字微镜器件（其作用于高速投影仪）和一个小型传感器阵列测试了这个想法。在实验中，他们拍摄了标准测试图表和复杂的3D场景，例如一个玩具房子和一只猫。当他们使用不带新技术的旧标准方法时，生成的图像在不同传感器视图无法匹配的地方显示出明显的裂缝和畸变。即使他们尝试使用传统方法对系统进行校准，图像也会出现条纹和伪影，尤其是在校准数据有限的情况下。相比之下，他们的新方法产生了干净、连续的图像。值得注意的是，他们仅使用少至32次测量就实现了高质量的结果，而传统方法则需要更多次的测量才能避免错误。即使研究人员故意将传感器倾斜到一个较大的角度，该系统依然保持稳健，而在这种条件下，通常会破坏图像。这证明了该技术并不要求实验室设置必须完美对齐才能运行。
这项工作的意义在于它简化了高速、高分辨率成像的工作流程。通过消除对缓慢且对噪声敏感的校准步骤的需求，研究人员使并行单像素成像在实际应用中变得更加实用。他们的方法即使在数据非常少的情况下也能表现良好，这表明它可以用于捕捉快速移动的物体，或是在无法实现完美对齐的困难条件下进行观测。该团队通过计算机模拟和物理实验证实了这些发现，表明他们的方法在图像质量和可靠性方面始终优于现有技术。这一进步为在工业检测和生物医学成像等领域使用这些强大的成像工具打开了大门，在这些领域，速度和清晰度至关重要，且无需承担复杂的系统设置负担。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。