.png){kind=icon}
返回
Data-driven optimization of modulation matrices for low-sampling-rate single-pixel imaging
.png){kind=icon}
PRE
AI
DOI：10.1016/j.optlastec.2025.113555.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
单像素成像是一种基于计算成像原理的新型光学检测技术。其核心思想是使用缺乏空间分辨率的单像素探测器，通过光场调制和算法重建获取高维场景信息。然而，传统调制矩阵的固定排列可能引入冗余特征，限制采样效率和图像质量。为解决此问题，本文提出了一种优化的调制矩阵——卷积矩阵（CM）。该矩阵利用局部相关性特性取代传统调制矩阵，通过卷积捕获目标信息和纹理特征，从而减少冗余信息编码。此外，设计了一种特征重建单像素成像网络（FRSPINet），其集成了高效的多尺度注意力机制，通过通道-空间交互权重分配优化高频细节重建，解决低采样率下的图像退化问题。实验结果表明，在10%采样率下，使用卷积矩阵的FRSPINet在MNIST和Fashion MNIST数据集上的结构相似性指数（SSIM）值分别达到98.1%和92.2%；在TFI数据集上的SSIM值为93.2%。在mini-digits和mini-fashion数据集的实践测试中，欠采样与全采样重建图像间的SSIM值分别为94.5%和87.8%。所提出的优化矩阵和图像重建网络显著提升了图像重建质量，为单像素成像领域的研究提供了新见解。
期刊
O
IF:
5
论文数:
2.6K
被引数:
3.5W
机构
暂无机构信息
引用论文
分享收藏
Single Pixel Imaging Key for Holographic Encryption Based on Spatial Multiplexing Metasurface基于空间复用元表面的全息加密单像素成像密钥.png)
SMALL
SMALLIF12.1
PREAI
分享收藏Optimized Sensing Matrix for Single Pixel Multi-Resolution Compressive Spectral Imaging优化的单像素多分辨率压缩光谱成像传感矩阵
PREAI
分享收藏分享收藏
查看更多内容