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

基于频域变密度减采样的无放大同轴全息图的压缩传感层析重建

伍小燕,  于瀛洁,  白跃伟,  聂黎,  刘凯,  潘芳煜,  王小刚

downloadPDF
文章导航 > 红外与激光工程  > 2020 >  49(S1): 20190500
伍小燕, 于瀛洁, 白跃伟, 聂黎, 刘凯, 潘芳煜, 王小刚. 基于频域变密度减采样的无放大同轴全息图的压缩传感层析重建[J]. 红外与激光工程, 2020, 49(S1): 20190500. doi: 10.3788/IRLA20190500
引用本文: 伍小燕, 于瀛洁, 白跃伟, 聂黎, 刘凯, 潘芳煜, 王小刚. 基于频域变密度减采样的无放大同轴全息图的压缩传感层析重建[J]. 红外与激光工程, 2020, 49(S1): 20190500. doi: 10.3788/IRLA20190500
shu
Wu Xiaoyan, Yu Yingjie, Bai Yuewei, Nie Li, Liu Kai, Pan Fangyu, Wang Xiaogang. Compressive sensing tomographic reconstruction of non-amplifying in-line hologram based on variable density downsampling in frequency domain[J]. Infrared and Laser Engineering, 2020, 49(S1): 20190500. doi: 10.3788/IRLA20190500
Citation: Wu Xiaoyan, Yu Yingjie, Bai Yuewei, Nie Li, Liu Kai, Pan Fangyu, Wang Xiaogang. Compressive sensing tomographic reconstruction of non-amplifying in-line hologram based on variable density downsampling in frequency domain[J]. Infrared and Laser Engineering, 2020, 49(S1): 20190500. doi: 10.3788/IRLA20190500
shu

基于频域变密度减采样的无放大同轴全息图的压缩传感层析重建

doi: 10.3788/IRLA20190500

  • 1. 上海第二工业大学 智能制造与控制工程学院, 上海 201209;

  • 2. 上海大学 机电工程与自动化学院, 上海 200072

基金项目: 

国家重点研发计划政府间国际创新合作重点专项（2017YFE0118700）；欧盟H2020地平线Research and Innovation Program Under The Marie Skodowska-Curie Grant专项（FIRST734599）；上海第二工业大学机械工程学科建设项目（XXKZD1603）

详细信息
    作者简介:

    伍小燕(1981-),女,讲师,博士,主要从事光学测量方面的研究。Email:orchis_2005@163.com

    通讯作者: 白跃伟(1966-),男,教授,博士,主要从事精密测量方面的研究。Email:ywbai@sspu.edu.cn

  • 中图分类号: O436

Compressive sensing tomographic reconstruction of non-amplifying in-line hologram based on variable density downsampling in frequency domain

  • 1. School of Intelligent Manufacturing & Control Engineering, Shanghai Polytechnic University, Shanghai 201209, China;

  • 2. School of Mechatronic Engineering and Automation, Shanghai University, Shanghai 200072, China

  • 摘要: 将频域变密度减采样应用于无放大同轴全息图的压缩传感层析重建当中，旨在于从无放大同轴全息图的频域中提取少量信息，实现全息图频域少量数据的压缩传感层析重建。首先，理论介绍了三种变密度减采样法与全息图压缩传感重建相结合的原理，三种变密度减采样分别是射线分布、螺旋线分布以及指数分布变密度减采样；其次，分别开展了仿真实验和测试实验，分析了与压缩全息相结合的三种变密度减采样方法的重建质量。由实验可知：（1）能够通过三种变密度减采样实现全息图频域少量数据的提取；（2）随着采样率的增大，变密度减采样获得的全息图频域少量数据的压缩传感层析重建质量不断提高；（3）在采样率小于50%的情况下，指数分布减采样具有比另外两种减采样方法获得更高的重建质量（例如低采样率15%，指数分布减采样比另外两种方法的效果更为明显）；（4）在采样率大于50%的情况下，三种减采样模式所获得数据的层析重建质量较高且基本相一致。
    Abstract: A frequency-domain variable density downsampling method was applied to the reconstruction of compressive sensing tomography for non-amplifying in-line hologram. The purpose was to extract a small amount of information from the frequency-domain of non-amplifying in-line hologram and realize the reconstruction of compressed sensing tomography from a small amount of data in the frequency-domain of the hologram. Here, firstly it introduced the principle of combining three variable density downsampling with compressive sensing tomography reconstruction of hologram. Three kinds of variable density downsampling respectively were radial distribution, spiral distribution and exponential distribution variable density downsampling. Secondly, it carried out simulation and test experiments and analyzed the reconstruction quality of the methods for variable density downsampling combined with compressive holography. By experiments, it could be seen that:(1) three kinds of variable density downsampling could realize the extraction of a small amount of data for hologram in the frequency domain; (2) with the increase of sampling rate, the compression sensing tomography reconstruction quality of a small amount of data obtained by variable density reduction sampling was continuously improved; (3) under the sampling rate of less than 50%, exponential distribution downsampling had higher reconstruction quality than the other two methods (for example, in the case of low downsampling rate of 15%, the reconstruction quality of exponential distribution was more obvious than the other two methods); (4) under the sampling rate of more than 50%, the tomographic reconstruction quality of the three downsampling modes was relatively high and basically consistent.
  • [1] Bharathi S S, Radhakrishnan N, Prasad P B. Machine vision solutions in automotive industry[C]//Soft Computing Techniques in Engineering Applications. Berlin:Springer International Publishing, 2014.
    [2] Goodman J W, Lawrence R. Digital image formation from electronically detected holograms[J]. Applied Physics Letters, 1967, 11(3):77-79.
    [3] Donoho D L. Compressed sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4):1289-1306.
    [4] Rivenson Y, Stern A, Javidi B. Overview of compressive sensing techniques applied in holography[J]. Applied optics, 2003, 52(1):A423-A432.
    [5] Rivenson Y, Stern A, Javidi B. Improved depth resolution by single-exposure in-line compressive holography[J]. Applied Optics, 2013, 52(1):A223-A231.
    [6] David J B, Choi K, Daniel L M, et al. Compressive holography[J]. Optics Express, 2009, 17(15):13040-13049.
    [7] Brodoline A, Rawat N, Alexandre D, et al. 4D compressive sensing holographic imaging of small moving objects with multiple illuminations[J]. Applied Optics, 2019, 58(34):G127-G134.
    [8] Weng Jiawen, Li Hai, Yang Chuping, et al. Reconstruction of off-axis fresnel hologram by compressive sensing[J]. Opto-Electronic Engineering, 2015, 42(1):32-38.
    [9] de Souza J C, Freire Jr R B R, dos Santos P A M. Compressive holography with resolution improvement and lensless adjustable magnification[J]. Optics Communications, 2019, 437:337-341.
    [10] Wan Y, Man T, Wu F, et al. Parallel phase-shifting self-interference digital holography with faithful reconstruction using compressive sensing[J]. Optics and Lasers in Engineering, 2016, 86(1):38-43.
    [11] Leportier T, Park M C. Holographic reconstruction by compressive sensing[J]. Journal of Optics, 2017, 19(6):065704.
    [12] Hu Youjun, Zhou Xin, Yue Jianming, et al. Single pixel fourier hologram imaging system based on compressive sensing[J]. Laser Journal, 2016, 37(7):7-10. (in Chinese)
    [13] Weng Jiawen, Qin Yi, Yang Chuping, et al. Reconstruction of single low-coherence digital hologram by compressive sensing[J]. Laser & Optoelectronics Progress, 2015, 52:100901. (in Chinese)
    [14] Weng Jiawen, Yang Chuping, Li Hai. Self-interference incoherent digital holography by compressive sensing[J]. Acta Optica Sinica, 2016, 36(2):0209001. (in Chinese)
    [15] Sun A, Ding Z, Sheng Y, et al. Optical scanning holography based on compressive sensing using a digital micro-mirror device[J]. Optics Communications, 2017, 385:19-24.
    [16] Li Jun, Pan Yangyang, Li Jiaosheng, et al. Compressive holographic imaging based on single in-line hologram and superconducting nanowire single-photon detector[J]. Optics Communications, 2015, 355:326-330.
    [17] Li S, Zhao G, Sun H, et al. Compressive sensing imaging of 3-D object by a holographic algorithm[J]. IEEE Transactions on Antennas and Propagation, 2018, 66(12):7295-7304.
    [18] Cull C F, Wikner D A, Mait J N, et al. Millimeter-wave compressive holography[J]. Applied Optics, 2010, 49(19):E67-E82.
    [19] Bioucas-Dias J M, Figueiredo M A T. A new twist:two-step iterative shrinkage/thresholding algorithms for image restoration[J]. IEEE Transactions on Image Processing, 2007, 16(12):2992-3004.
    [20] Wang Z, Bovik A C. A universal image quality index[J]. IEEE Signal Processing Letters, 2002, 9(3):81-84.
  • [1] 舒宇康, 赵潮, 杜小玉, 何湘, 赵航, 史晓凤, 马君.  谱域光学相干层析系统深度扩展技术研究 . 红外与激光工程, 2024, 53(4): 20230720-1-20230720-10. doi: 10.3788/IRLA20230720
    [2] 刘敬, 金伟其, 阙开良.  一种基于重叠因子的同轴警戒激光雷达动态范围压缩方法 . 红外与激光工程, 2023, 52(10): 20230027-1-20230027-10. doi: 10.3788/IRLA20230027
    [3] 国成立, 郑德康, 朱德燕, 杨晓飞, 李元正, 张健, 赵烈烽.  混合型计算全息图检测低反射率非球面(特邀) . 红外与激光工程, 2022, 51(9): 20220547-1-20220547-7. doi: 10.3788/IRLA20220547
    [4] 范文强, 王志臣, 陈宝刚, 陈涛, 安其昌.  自适应光学相干层析在视网膜高分辨成像中的应用 . 红外与激光工程, 2020, 49(10): 20200333-1-20200333-13. doi: 10.3788/IRLA20200333
    [5] 王子涵, 张立, 周博睿.  基于激光回馈共聚焦的层析成像系统 . 红外与激光工程, 2020, 49(8): 20190541-1-20190541-8. doi: 10.3788/IRLA20190541
    [6] 汪侃, 龚俊, 魏敬和, 朱策, 刘凯.  邻图配对式运动恢复结构的欧式三维重建 . 红外与激光工程, 2020, 49(6): 20200078-1-20200078-8. doi: 10.3788/IRLA20200078
    [7] 宋俊玲, 饶伟, 王广宇, 辛明原.  燃烧流场温度二维重建多吸收谱线重建方法 . 红外与激光工程, 2019, 48(3): 306004-0306004(7). doi: 10.3788/IRLA201948.0306004
    [8] 赵楠翔, 胡以华.  激光反射层析成像相位恢复算法研究 . 红外与激光工程, 2019, 48(10): 1005005-1005005(7). doi: 10.3788/IRLA201948.1005005
    [9] 于瀛洁, 林星羽, 伍小燕.  放大同轴全息图压缩传感层析重建 . 红外与激光工程, 2019, 48(6): 603017-0603017(7). doi: 10.3788/IRLA201948.0603017
    [10] 王忠良, 冯文田, 粘永健.  结合光谱解混与压缩感知的高光谱图像有损压缩 . 红外与激光工程, 2018, 47(S1): 189-196. doi: 10.3788/IRLA201847.S126003
    [11] 任姣姣, 李丽娟, 张丹丹, 乔晓利.  太赫兹时域光谱反射式层析成像技术 . 红外与激光工程, 2018, 47(2): 225002-0225002(6). doi: 10.3788/IRLA201847.0225002
    [12] 顾华荣.  计算全息三维显示的数据压缩编码技术 . 红外与激光工程, 2018, 47(6): 603006-0603006(6). doi: 10.3788/IRLA201847.0603006
    [13] 李亚红, 付跃刚, 贺文俊, 刘智颖, 赵宇.  “猫眼”逆反射器的偏振特性分析 . 红外与激光工程, 2017, 46(6): 620001-0620001(7). doi: 10.3788/IRLA201746.0620001
    [14] 吕事桂, 阳再清, 丛书全.  基于导热反问题的复合材料内壁不规则缺陷Ansys二次开发红外诊断识别 . 红外与激光工程, 2016, 45(12): 1204002-1204002(6). doi: 10.3788/IRLA201645.1204002
    [15] 刘国忠, 李萍.  光学相干层析技术微流场三维可视化测速方法 . 红外与激光工程, 2015, 44(1): 273-278.
    [16] 李永倩, 马立.  φ-OTDR振动传感系统中的相位模糊问题 . 红外与激光工程, 2015, 44(9): 2800-2804.
    [17] 田爱玲, 刘婷, 刘剑, 刘丙才, 王红军.  单幅干涉条纹图的高精度波面重建技术 . 红外与激光工程, 2015, 44(4): 1203-1207.
    [18] 李运达, 李琦, 刘正君, 王骐.  太赫兹计算机辅助层析图像重构算法仿真研究 . 红外与激光工程, 2013, 42(5): 1228-1235.
    [19] 王圣刚.  一维非均匀介质中的瞬态辐射反问题 . 红外与激光工程, 2013, 42(8): 2012-2016.
    [20] 李泽, 王民钢, 刘小华, 赵跃进, 张存林.  基于压缩传感的太赫兹成像 . 红外与激光工程, 2013, 42(6): 1523-1527.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  413
  • HTML全文浏览量:  101
  • PDF下载量:  11
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-12-11
  • 修回日期:  2020-01-21
  • 刊出日期:  2020-09-22

基于频域变密度减采样的无放大同轴全息图的压缩传感层析重建

doi: 10.3788/IRLA20190500
  • 1. 上海第二工业大学 智能制造与控制工程学院, 上海 201209;
  • 2. 上海大学 机电工程与自动化学院, 上海 200072
    • 作者简介:

    伍小燕(1981-),女,讲师,博士,主要从事光学测量方面的研究。Email:orchis_2005@163.com

    通讯作者: 白跃伟(1966-),男,教授,博士,主要从事精密测量方面的研究。Email:ywbai@sspu.edu.cn
  • 收稿日期: 2019-12-11
  • 修回日期: 2020-01-21
  • 刊出日期: 2020-09-22
基金项目:

国家重点研发计划政府间国际创新合作重点专项（2017YFE0118700）；欧盟H2020地平线Research and Innovation Program Under The Marie Skodowska-Curie Grant专项（FIRST734599）；上海第二工业大学机械工程学科建设项目（XXKZD1603）

  • 中图分类号: O436

摘要: 将频域变密度减采样应用于无放大同轴全息图的压缩传感层析重建当中，旨在于从无放大同轴全息图的频域中提取少量信息，实现全息图频域少量数据的压缩传感层析重建。首先，理论介绍了三种变密度减采样法与全息图压缩传感重建相结合的原理，三种变密度减采样分别是射线分布、螺旋线分布以及指数分布变密度减采样；其次，分别开展了仿真实验和测试实验，分析了与压缩全息相结合的三种变密度减采样方法的重建质量。由实验可知：（1）能够通过三种变密度减采样实现全息图频域少量数据的提取；（2）随着采样率的增大，变密度减采样获得的全息图频域少量数据的压缩传感层析重建质量不断提高；（3）在采样率小于50%的情况下，指数分布减采样具有比另外两种减采样方法获得更高的重建质量（例如低采样率15%，指数分布减采样比另外两种方法的效果更为明显）；（4）在采样率大于50%的情况下，三种减采样模式所获得数据的层析重建质量较高且基本相一致。

English Abstract

    全文HTML

参考文献 (20)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计