留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

图-谱结合的压缩感知高光谱视频图像复原

谭翠媚 许廷发 马旭 张宇寒 王茜 闫歌

谭翠媚, 许廷发, 马旭, 张宇寒, 王茜, 闫歌. 图-谱结合的压缩感知高光谱视频图像复原[J]. 中国光学(中英文), 2018, 11(6): 949-957. doi: 10.3788/CO.20181106.0949
引用本文: 谭翠媚, 许廷发, 马旭, 张宇寒, 王茜, 闫歌. 图-谱结合的压缩感知高光谱视频图像复原[J]. 中国光学(中英文), 2018, 11(6): 949-957. doi: 10.3788/CO.20181106.0949
TAN Cui-mei, XU Ting-fa, MA Xu, ZHANG Yu-han, WANG Xi, YAN Ge. Graph-spectral hyperspectral video restoration based on compressive sensing[J]. Chinese Optics, 2018, 11(6): 949-957. doi: 10.3788/CO.20181106.0949
Citation: TAN Cui-mei, XU Ting-fa, MA Xu, ZHANG Yu-han, WANG Xi, YAN Ge. Graph-spectral hyperspectral video restoration based on compressive sensing[J]. Chinese Optics, 2018, 11(6): 949-957. doi: 10.3788/CO.20181106.0949

图-谱结合的压缩感知高光谱视频图像复原

基金项目: 

国家自然科学基金重大科学仪器专项 61527802

详细信息
    作者简介:

    谭翠媚(1993-), 女, 广东江门人, 硕士研究生, 2015年于北京理工大学获得学士学位, 主要从事高光谱图像处理方面的研究。E-mail:2120150547@bit.edu.cn

    许廷发(1968—),男,黑龙江肇东人,博士后,教授,博士生导师,1992年于东北师范大学获得学士学位,2000年于东北师范大学获得硕士学位,2004年于中国科学院长春光学精密机械与物理研究所获得博士学位,2006年于华南理工大学电子与信息学院完成博士后工作,主要从事红外可见目标跟踪与识别技术、光电信号检测技术、高光谱遥感影像处理技术等方面的研究。E-mail:ciom_xtf1@bit.edu.cn

    马旭(1983—),男,北京人,博士后,教授,博士生导师,2005年于清华大学获得学士学位,2009年于美国特拉华大学获得博士学位,2010年于美国加州大学伯克利分校完成博士后研究工作,主要从事计算成像、图像处理与信号处理等方面的研究。E-mail:maxu@bit.edu.cn

  • 中图分类号: TP391

Graph-spectral hyperspectral video restoration based on compressive sensing

Funds: 

Science Instrument Program of the National Natural Science Foundation of China 61527802

More Information
  • 摘要: 针对液晶可调滤波片高光谱成像系统记录动态场景的成像特点,提出一种图-谱结合的压缩感知高光谱视频图像复原方法。首先,通过前景目标检测获得运动前景目标的高光谱图像,实现运动前景目标与背景区域分离,并根据前景目标检测结果将背景区域划分为运动区域(被前景目标遮挡区域)与静止区域(未被前景目标遮挡区域)。然后,基于高光谱图像空间维、光谱维相关性,对静止区域进行字典学习获得稀疏先验信息,结合压缩感知理论用于运动区域恢复,得到完整的背景区域高光谱图像。最后,将运动前景目标高光谱图像与背景区域高光谱图像相结合,得到高光谱视频图像。实验结果表明:本文提出的高光谱视频图像复原方法在峰值信噪比和视觉效果上都要优于现有算法,峰值信噪比平均提高5 dB以上。

     

  • 图 1  高光谱视频的示意图

    Figure 1.  An illustration of hyperspectral video

    图 2  基于液晶可调滤波片高光谱成像系统采集的图像示意图

    Figure 2.  An illustration of images captured by hyperspectral imaging system based on liquid crystal tunable filter

    图 3  An illustration of images captured by hyperspectral imaging system based on liquid crystal tunable filter

    Figure 3.  Flowchart of hyperspectral video restoration

    图 4  前景目标检测结果

    Figure 4.  Results of foreground object detection

    图 5  背景区域的高光谱图像

    Figure 5.  Hyperspectral images of the background area

    图 6  高光谱视频的部分复原结果对比图

    Figure 6.  Comparison of some results of hyperspectral video restoration

    表  1  本文算法与文献[7]中方法的PSNR值对比

    Table  1.   Output PSNR comparison of the proposed method and the method in Ref.[7]

    (Unit:dB)
    高光谱视频帧数 本文方法 文献[7]中的方法
    第1帧 31.44 25.76
    第2帧 31.53 26.30
    第3帧 31.90 27.38
    第4帧 32.63 27.78
    第5帧 32.88 28.15
    第6帧 32.71 28.05
    第7帧 32.54 27.64
    第8帧 32.80 26.76
    第9帧 32.35 25.92
    第10帧 31.61 23.72
    平均 32.24 26.75
    下载: 导出CSV
  • [1] 马晨光, 曹汛, 戴琼海, 等.高分辨率光谱视频采集研究[J].电子学报, 2015, 43(4):783-790. doi: 10.3969/j.issn.0372-2112.2015.04.022

    MA CH G, CAO X, DAI Q H, et al.. Research on high resolution hyperspectral capture technique[J]. Chinese Journal of Electronics, 2015, 43(4):783-790.(in Chinese) doi: 10.3969/j.issn.0372-2112.2015.04.022
    [2] 付立婷, 邓河, 刘春红.新型高光谱图像快速实时目标检测与分类方法[J].光学学报, 2017, 37(2):314-322. http://www.cnki.com.cn/Article/CJFDTOTAL-GXXB201702038.htm

    FU L T, DENG H, LIU CH H. Novel fast real-time target detection and classification algorithms for hyperspectral imagery[J]. Acta Optica Sinica, 2017, 37(2):314-322.(in Chinese) http://www.cnki.com.cn/Article/CJFDTOTAL-GXXB201702038.htm
    [3] 梅风华, 李超, 张玉鑫.光谱成像技术在海域目标探测中的应用[J].中国光学, 2017, 10(6):708-718. http://www.chineseoptics.net.cn/CN/abstract/abstract9565.shtml

    MEI F H, LI CH, ZH Y X. Application of spectral imaging technology in maritime target detection[J]. Chinese Optics, 2017, 10(6):708-718.(in Chinese) http://www.chineseoptics.net.cn/CN/abstract/abstract9565.shtml
    [4] CLAUDIA V C, DIANA F G, HENRY A F. Sparse representations of dynamic scenes for compressive spectral video sensing[J]. Dyna Revista De La Facultad De Minas, 2016, 83(195):42-51.
    [5] WAGADARIKAR A, PITSIANIS N, SUN X, et al.. Video rate spectral imaging using a coded aperture snapshot spectral imager[J]. Optics Express, 2009, 17(8):6368-6388. doi: 10.1364/OE.17.006368
    [6] CAO X, DU H, DAI Q H, et al.. A prism-mask system for multispectral video acquisition[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2011, 33(12):2423-2435. http://dl.acm.org/citation.cfm?id=2068459.2068565
    [7] AJMAL M, RICHARD H. Hyperspectral video restoration using optical flow and sparse coding[J]. Optics Express, 2012, 20(10):10658-10673. doi: 10.1364/OE.20.010658
    [8] BARNICH O, VANDROOGENBROECK M. ViBe:a universal background subtraction algorithm for video sequences[J]. IEEE Transactions on Image Processing, 2011, 20(6):1709-1724. doi: 10.1109/TIP.2010.2101613
    [9] 丁洁, 况立群, 韩燮.基于ViBe的运动目标检测改进方法[J].计算机工程与设计, 2017, 38(2):374-378. http://d.old.wanfangdata.com.cn/Periodical/jsjgcysj201702018

    DING J, KUANG L Q, HAN X. Improved moving object detection method based on ViBe[J]. Computer Engineering and Design, 2017, 38(2):374-378.(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/jsjgcysj201702018
    [10] 胡昭华, 张维新, 王珏, 等.基于改进ViBe的运动目标检测算法[J].电子技术应用, 2017, 43(4):129-132. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dzjsyy201704034

    HU ZH H, ZHANG W X, WANG J, et al.. Moving object detection algorithm based on improved ViBe[J]. Application of Electronic Technique, 2017, 43(4):129-132.(in Chinese) http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dzjsyy201704034
    [11] 戴琼海, 付长军, 季向阳.压缩感知研究[J].计算机学报, 2011, 34(3):3425-3434. http://d.old.wanfangdata.com.cn/Periodical/dianzixb200905028

    DAI Q H, FU CH J, JI X Y. Research on compressed sensing[J]. Chinese Journal of Computers, 2011, 34(3):3425-3434.(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/dianzixb200905028
    [12] 朱明, 高文, 郭立强.压缩感知理论在图像处理领域的应用[J].中国光学, 2011, 4(5):441-447. doi: 10.3969/j.issn.2095-1531.2011.05.006

    ZHU M, GAO W, GUO L Q. Application of compressed sensing theory in image processing[J]. Chinese Optics, 2011, 4(5):441-447.(in Chinese) doi: 10.3969/j.issn.2095-1531.2011.05.006
    [13] 王忠良, 冯燕, 肖华, 等.高光谱图像的分布式压缩感知成像与重构[J].光学精密工程, 2015, 23(4):1131-1137. http://d.old.wanfangdata.com.cn/Periodical/gxjmgc201504028

    WANG ZH L, FENG Y, XIAO H, et al.. Distributed compressive sensing imaging and reconstruction of hyperspectral imagery[J]. Opt. Precision Eng., 2015, 23(4):1131-1137.(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/gxjmgc201504028
    [14] 杨鹰, 孔玲君, 刘真.基于压缩感知的多光谱图像去马赛克算法[J].液晶与显示, 2017, 32(1):56-61. http://d.old.wanfangdata.com.cn/Periodical/yjyxs201701010

    YANG Y, KONG L J, LIU ZH. Multi-spectral demosaicking method based on compressive sensing[J]. Chinese Journal of Liquid Crystals and Displays, 2017, 32(1):56-61.(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/yjyxs201701010
    [15] 汪琪, 马灵玲, 唐伶俐, 等.基于光谱稀疏模型的高光谱压缩感知重构[J].红外与毫米波学报, 2016, 35(6):723-730. http://d.old.wanfangdata.com.cn/Periodical/hwyhmb201606015

    WANG Q, MA L L, TANG L L, et al.. Hyperspectral compressive sensing reconstruction based on spectral sparse model[J]. Journal of Infrared and Millimeter Waves, 2016, 35(6):723-730.(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/hwyhmb201606015
    [16] 王晗, 王阿川, 苍圣.基于压缩感知的高光谱遥感影像重构方法研究[J].液晶与显示, 2017, 32(3):219-226. http://d.old.wanfangdata.com.cn/Periodical/yjyxs201703009

    WANG H, WANG A CH, C SH. Hyperspectral remote sensing image reconstruction method based on compressive sensing[J]. Chinese Journal of Liquid Crystals and Displays, 2017, 32(3):219-226.(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/yjyxs201703009
    [17] GAN L. Block compressed sensing of natural images[C]. Proceedings of the 15th International Conference on Digital Signal Processing, Cardiff, Wales, 2007: 403-406.
    [18] DONG W SH, ZHANG L, SHI G M, et al.. Image deblurring and super-resolution by adaptive sparse domain selection and adaptive regularization[J]. IEEE Transactions on Image Processing, 2011, 20(7):1838-1857. doi: 10.1109/TIP.2011.2108306
    [19] 首照宇, 吴广祥, 张彤.基于PCA子字典学习的图像超分辨率重建[J].计算机工程与设计, 2015, 36(11):3025-3029. http://d.old.wanfangdata.com.cn/Periodical/jsjgcysj201511029

    SHOU ZH Y, WU G X, ZHANG T. Image super-resolution reconstruction via PCA sub-dictionaries learning[J]. Computer Engineering and Design, 2015, 36(11):3025-3029.(in Chinese) http://d.old.wanfangdata.com.cn/Periodical/jsjgcysj201511029
    [20] WRIGHT S J, NOWAK R D, FIGUEIREDO M A T. Sparse reconstruction by separable approximation[J]. IEEE Transactions on Signal Processing, 2009, 57(7):2479-2493. doi: 10.1109/TSP.2009.2016892
  • 加载中
图(6) / 表(1)
计量
  • 文章访问数:  3138
  • HTML全文浏览量:  1089
  • PDF下载量:  217
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-11-17
  • 修回日期:  2018-01-07
  • 刊出日期:  2018-12-01

目录

    /

    返回文章
    返回