一种基于光谱调制阵列的快照式高光谱成像芯片结构

1.本发明属于高光谱成像技术领域，具体涉及一种基于光谱调制阵列的快照式高光谱成像芯片结构。


背景技术：

2.随着光学成像信息获取技术的不断发展，许多光谱信息获取方法采用集成技术，实现了目标二维光谱和空间信息的同时获取。光谱成像技术是一种多维光学信息获取技术，将成像技术与光谱分析技术结合起来，可以同时获取目标物体的二维光谱和空间信息。因此，光谱成像技术被广泛应用与卫星成像、军事探测、大气环境监测、医疗检查等领域。但目前无法实现高光谱分辨率和高时间分辨率的小型光谱成像方法，尤其是光谱成像芯片。
3.因此寻求高速的数据获取与压缩方法成为光学成像领域的主要研究动向。压缩感知(compressed sensing，cs)理论是一种新的快速采样方法，其主要思想是将高维的空间信号稀疏处理后投影到低维空间信号上，再由低维投影信号重构原始高维空间信号的过程。典型的有duke大学a.wagadarikar等人将压缩感知理论运用在光谱成像技术中，并设计了编码孔径快照光谱成像仪(coded aperture snapshot spectral imager,cassi)。该技术采用编码孔径、色散棱镜替代光谱分析设备，将具有三维信息的光谱图像数据经压缩编码降为二维投影信息，该信息经过twist算法可重构出被测目标光谱图像数据立方体，可在单次成像中获得图像的光谱信息。此技术过程无需进行扫描，通过对三维信息的压缩编码、图像重构，从而实现对目标快速识别。但目前压缩感知光谱成像主要是在图像维度压缩，且系统都比较复杂，无法实现快照式光谱成像芯片化，这也限制其广泛应用，尤其是便携式应用中。


技术实现要素：

4.针对上述现有光谱成像中光谱分辨率和时间分辨率无法同时实现，且光谱成像系统复杂、体积大等技术问题，本发明提供了一种基于光谱调制阵列的快照式高光谱成像芯片结构，通过光谱透过率调制实现光谱测量矩阵的设计，结合压缩感知光谱反演算法，实现单次测量下的多通道光谱测量。将微型光谱调制阵列与面阵探测器结合实现快轴式光谱成像芯片，具有体积小、光谱分辨率高、时间分辨率高的优点。
5.为了解决上述技术问题，本发明采用的技术方案为：
6.一种基于光谱调制阵列的快照式高光谱成像芯片结构，包括快照式高光谱成像芯片、被测光通过透镜阵列，所述被测光通过透镜阵列设置在快照式高光谱成像芯片的正下方，所述快照式高光谱成像芯片包括面阵探测器和光谱调制阵列，所述面阵探测器设置在光谱调制阵列上，所述光谱调制阵列与被测光通过透镜阵列一一对应。
7.所述光谱调制阵列采用m*n的阵列，所述被测光通过透镜阵列采用m*n的阵列，所述面阵探测器采用(m*m)*(n*n)的面阵探测器，所述光谱调制阵列的每一个小单元对应面阵探测器的m*n个阵列。
8.所述光谱调制阵列采用4
×
5的阵列，所述被测光通过透镜阵列采用4
×
5的阵列，所述面阵探测器的阵列为4096
×
5120个像素，所述面阵探测器的阵列帧频f＝200hz，所述光谱调制阵列的每一个小单元对应面阵探测器的1024*1024个阵列。
9.所述光谱调制阵列采用fp光谱调制阵列、超材料光谱调制阵列或液晶光谱调制阵列。
10.所述快照式高光谱成像芯片的压缩比k＝1:20。
11.一种基于光谱调制阵列的快照式高光谱成像芯片结构的探测方法，包括下列步骤：
12.s1、依据光谱数据具有稀疏性，实现数据的降维，通过压缩感知的数学模型，求出光谱传感矩阵θ；
13.s2、选取系统的有效稀疏基，进而确立光谱测量矩阵，得到优化方程；
14.s3、之后进行重构算法的设计，根据优化方程及求解算法，设计最优的算法实现原始光谱的重建。
15.所述s1中求出光谱传感矩阵θ的方法为：
16.y＝φ
·
ψ
·
s＝θ
·
s，从而求出光谱传感矩阵θ＝φψ，所述y为面阵探测器直接获得的光谱测量信号，所述φ为光谱调制阵列的光谱透过率调制测量矩阵，所述ψ为正交基矩阵，所述s表示光谱稀疏变换后的系数。
17.所述s2中得到优化方程的方法为：选取系统的有效稀疏基，通过压缩感知理论得知，假设有一个信号x稀疏度为k(k《《x)，则存在确定的δk∈(0,1)，通过受限等距性质rip，对于任意信号x稀疏度为k，存在δk∈(0,1)，θ需满足：
[0018][0019]
所述δk为光谱透过率调制测量矩阵φ的rip参数，所述θ满足rip的同时，光谱透过率调制测量矩阵φ与正交基矩阵ψ不相关，确立光谱测量矩阵，得到优化方程。
[0020]
所述s3中设计最优的算法实现原始光谱的重建的方法为：
[0021][0022]
所述f是重建信号，所述‖
·
‖
p
是l
p
范数，所述τ是正则化参数；原始光谱的重建过程即是对上述方程的求解过程，从而求出重建信号f。
[0023]
本发明与现有技术相比，具有的有益效果是：
[0024]
本发明无需分光元件、体积小、光谱分辨率率高、芯片级，且单次成像就可实现高光谱成像探测，速度快；本发明采用光谱调制阵列，实现快照式光谱透过率调制测量矩阵，结合压缩感知理论实现高光谱成像；且本发明是芯片级，前置光学系统简单，易于集成，无需扫描，且光谱通道数多。
附图说明
[0025]
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据
提供的附图引申获得其它的实施附图。
[0026]
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。
[0027]
图1为本发明的整体结构示意图；
[0028]
图2为本发明的结构及光路示意图；
[0029]
图3为本发明光谱调制阵列的结构示意图；
[0030]
图4为本发明面阵探测器的结构示意图；
[0031]
图5为本发明光谱调制阵列各单元的光谱透过率调制示意图；
[0032]
图6为本发明压缩感知的数学模型示意图。
[0033]
其中：1为快照式高光谱成像芯片，2为被测光通过透镜阵列，1-1为面阵探测器，1-2为光谱调制阵列。
具体实施方式
[0034]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，这些描述只是为进一步说明本发明的特征和优点，而不是对本发明权利要求的限制；基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0035]
下面结合附图和实施例，对本发明的具体实施方式做进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0036]
在本技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体的连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本技术中的具体含义。
[0037]
本实施例的具体参数为：光谱范围为(λ
min
～λ
max
)；被测光通过透镜阵列2为4
×
5的矩阵；光谱调制阵列1-2为4
×
5的矩阵；面阵探测器1-1阵列为4096
×
5120个像素；面阵探测器1-1阵列帧频f＝200hz；快照式高光谱成像芯片的压缩比k＝1:20。
[0038]
如图1、图2所示，设被测光沿z轴方向入射，经过被测光通过透镜阵列2，进入基于光谱调制阵列的快照式高光谱成像芯片1，由光谱调制阵列1-2对被测光进行光谱透过率调制，光谱调制阵列1-2可以是fp光谱调制阵列、超材料光谱调制阵列、液晶光谱调制阵列，光谱调制阵列1-2为4*5的阵列；如图3所示，面阵探测器1-1是一个4096*5120的面阵探测器，光谱调制阵列1-2的每一个小单元对应面阵探测器1-1的1024*1024阵列；光谱调制阵列1-2为4*5的阵列对应空间同一个目标.
[0039]
光谱成像的基本理论的主要思想是将高维的光谱信号稀疏化处理后投影到低维光谱信号上，再由低维投影信号重构原始高维光谱信号。基于这样的思想，将fp光谱调制阵列、电光光谱调制阵列、超构表面光谱调制阵列和压缩感知理论结合应用于光谱成像理论
探索。首先开展随机光谱透过率调制的光谱成像探测理论研究。其中，如图6所示，压缩感知理论作为一种数据压缩方法，依据光谱数据具有稀疏性，实现数据的降维，必须研究测量矩阵设计，基本原理如(1)式所示。
[0040]
y＝φ
·
ψ
·
s＝θ
·sꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0041]
其中，y为探测器1-1直接获得的光谱测量信号，φ为光谱调制阵列1-2的光谱透过率调制测量矩阵，ψ为正交基矩阵，s表示光谱稀疏变换后的系数，θ＝φψ为光谱传感矩阵。
[0042]
由压缩感知的数学模型，信号的压缩过程关键在于测量矩阵，测量矩阵直接影响信号重构的精度，如图4所示，其中光谱调制阵列1-2为基于光谱调制阵列的快照式高光谱成像的测量矩阵，其各个调制单元的光谱透过率调制如图5所示。因此，要实现从低维信号高概率地重构出高维信号，并且保证有足够多的信息来实现原信号的重构，需要一定的约束条件。采用压缩感知矩阵约束条件：受限等距性质(restricted isometry property,rip)，rip定义为：对于任意信号x稀疏度为k，存在，θ需满足：
[0043][0044]
基于光谱调制的快轴式光谱成像技术可以分成两个过程：编码压缩和优化反演。编码压缩主要分为高维数据编码和混叠降维采样，对于光谱成像具体过程是对高维光谱进行编码，将编码后的数据在探测器上叠加，实现三维数据的降维。优化反演包括优化问题分析及重构算法设计，具体为建立光学成像的光谱反演优化问题，设计算法利用二维采集信息重构出原始三维数据立方。压缩感知重构算法的重构精度与速度是我们所关注的，同时也需要考虑重构过程的测量次数。压缩感知重构算法的研究目的是加快计算速度、提高算法的重构精度及提高算法的普适性。利用其可以从低维投影信号反演高维信号的思想，压缩感知光谱成像技术将光谱数据三维立方体经过编码压缩降维，利用二维数据反演得到原光谱图像信息，实现了光谱图像信息的同时高效获取。
[0045]
光谱信号重构是对式y＝φx的求解问题，对于压缩感知过程的核心是稀疏采样，即测量值y的维度j远小于原始信号x的维度i，因此该求解问题是欠定的，也就是其解不是唯一的，因此稀疏信号的重构问题可以表示成求解优化问题。优化反演是数据实现重构的关键，此过程主要对场景优化问题进行分析并设计重构算法。结合压缩感知的三个关键问题，建立场景优化问题需要先对数据稀疏度进行分析，对于非稀疏光谱或者稀疏度不高的光谱阵列进行稀疏化，稀疏变换比较常用的方式包括傅里叶变换(fft)、小波变换(dwt)和离散余弦变换(dct)等；选取系统的有效稀疏基，通过压缩感知理论得知，假设有一个x稀疏度为k，(k《《x)则存在确定的δk∈(0,1)，受限等距性质(rip)，对于任意信号x稀疏度为k，存在δk∈(0,1)，θ需满足：
[0046][0047]
这里，θ＝φψ，要求θ满足rip的同时，测量矩阵φ与正交基矩阵ψ不相关，确立光谱测量矩阵，得到优化方程。之后进行重构算法的设计，压缩感知光谱重建过程是对方程(4)的求解过程，由于原始信号f的维度远远大于测量信号，所以该求解问题是欠定的，因此原始光谱信号的重构问题可以表示为优化求解问题，candes等人证明该优化问题可以表示为l0范数最优化问题，但是l0范数问题是非凸的，很难求出解，因此把它转换为凸优化问题，
也就是转化为l1范数最优化问题，l0范数优化和l1范数优化在一定程度上是等价的，常用的重构算法有贪婪算法、迭代阈值法以及最小化全变分法；通过上述过程设计最优的算法实现原始光谱的高效重建。
[0048][0049]
式中：f是重建信号，‖
·
‖
p
是l
p
范数，τ是正则化参数。
[0050]
分析现有重构算法的重构性能，搭建实验平台，进行多次实验并采集数据，在实验数据的基础上研究重构光谱图像信息质量与环境光强改变量之间的定量关系，通过对比实验寻找影响重构算法速度的因素，建立光谱图像信息重构评价函数，分析不同条件对图像稀疏度及重构算法的影响因素。开展建立稀疏域模型，建立压缩感知多维光谱信息重构优化模型，设计重构算法，最终获得被测目标的高质量重构光谱信息的新型压缩感知重构算法，实现目标的光谱成像探测。且光谱成像数据立方体的探测频率与面阵探测器1-1的帧频相等，实现单次采集获得被测目标的高光谱图像数据立方体。
[0051]
上面仅对本发明的较佳实施例作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化，各种变化均应包含在本发明的保护范围之内。