[发明专利]一种时空频五维压缩超快摄影装置

权利要求书

1.一种时空频五维压缩超快摄影装置，其特征在于，该装置包括：

一个由飞秒激光器(101)、第一反射镜(102)、第二反射镜(103)、工程散射器件(104)构成的主动照明系统(100)；

一个由待测动态场景(201)、相机镜头(202)、透射反射之比为1∶1的第一分束立方(203)、CMOS相机(204)、第一透镜(205)、第二透镜(206)、数字微镜器件(207)、透射反射之比为1∶1的第二分束立方(208)、第一滤波片(209)、第一条纹相机(210)、第二滤波片(211)、透射光栅(212)、第二条纹相机(213)构成的数据采集系统(200)；

一个由光电探头(301)、数字脉冲延时发生器(302)构成的同步控制系统(300)；

一个由计算机构成的数据重构系统(400)；

所述主动照明系统(100)的飞秒激光器(101)与第一反射镜(102)、第二反射镜(103)、工程散射器件(104)依次光路连接；

所述数据采集系统(200)的待测动态场景(201)与相机镜头(202)连接，相机镜头(202)与第一分束立方(203)连接，第一分束立方(203)反射的一路与CMOS相机(204)连接，第一分束立方(203)透射的一路依次与第一透镜(205)、第二透镜(206)及数字微镜器件(207)连接，数字微镜器件(207)反射的光路依次与第二透镜(206)、第一透镜(205)及第一分束立方(203)连接，第一分束立方(203)反射的另一路与第二分束立方(208)连接，第二分束立方(208)透射的一路依次与第一滤波片(209)及第一条纹相机(210)连接，第二分束立方(208)反射的一路依次与第二滤波片(211)、透射光栅(212)及第二条纹相机(213)连接；其中，待测动态场景(201)、相机镜头(202)、第一分束立方(203)、第一透镜(205)、第二透镜(206)、数字微镜器件(207)、第二分束立方(208)、第一滤波片(209)及第一条纹相机(210)组成立体成像系统；待测动态场景(201)、相机镜头(202)、第一分束立方(203)、第一透镜(205)、第二透镜(206)、数字微镜器件(207)、第二分束立方(208)、第二滤波片(211)、透射光栅(212)及第二条纹相机(213)组成高光谱成像系统；所述透射光栅(212)为300线对每毫米，用于提供光谱分辨；第一滤波片(209)与第二滤波片(211)分别用于滤除待测动态场景(201)表面的光致发光与待测动态场景(201)表面散射光；

所述的同步控制系统(300)的数字脉冲延时发生器(302)分别与光电探头(301)、数据采集系统(200)中的CMOS相机(204)、第一条纹相机(210)及第二条纹相机(213)连接；

所述的数据重构系统(400)的计算机分别与CMOS相机(204)、第一条纹相机(210)、第二条纹相机(213)连接；数据重构采用全变分块匹配3D滤波即TV-BM3D算法，所述TV-BM3D算法对第一条纹相机(210)与第二条纹相机(213)相机采集到的两张积分图像进行重构，并对重构的结果进行耦合处理，即将立体成像的三维数据与高光谱成像的四维数据进行哈达玛积操作，最后完整的恢复出时空频五维动态场景；其中：

重构采用全变分块匹配3D滤波算法，具体数据处理过程如下：

数据处理过程分为对立体成像系统拍摄的积分图像重构和对高光谱成像系统拍摄到的积分图像重构，最后将重构的结果进行耦合，恢复出五维原始动态场景；

在立体成像系统中，动态场景的空间深度信息由下式计算出：

z＝ct_e/2， (1)

其中，c为光速，即3*10⁸m/s，t_e为光子的飞行时间；

因此，在立体成像系统中，第一条纹相机(210)最后采集的结果E₁(m,n)由下式表示：

E₁(m,n)＝KTCI_sα(x,y,z)， (2)

I_s代表主动照明系统(100)产生的照明散射激光，α(x,y,z)为待测动态场景表面强度反射系数，C为空间编码算符，T代表时间偏转算符，K为时空集成算符；为了从积分图像E₁(m,n)中还原出三维立体信息，利用全变分块匹配3D滤波(TV-BM3D)算法对积分图像进行重构，设待测动态场景表面散射光I₁＝I_sα(x,y,z)，解决下式的最小化问题：

在(3)式中，||·||₂代表l₂范数，θ为辅助可调参量，λ为正则化参数，Φ(·)是全变分正则化项，s为强度阈值限制，而ε是一个大于0的正数，实际值取决于噪声水平；设y₀为CMOS相机(204)拍摄的静态图像，N为I₁的总像素数量，因此s优化阈值由下式表示：

其中，代表优化结果的时空集成图像；解决等式(3)的优化问题通过不断迭代更新I₁和θ，即固定其中一个参数，更新另一个参数；因此(3)式的优化问题分解成两个下式的迭代问题，通过不断迭代更新I₁和θ：

其中，k代表迭代次数；令利用上图设置法即epigraph setmethod求解等式(5)的投影问题；对这里的I₁和E₁分别进行向量化处理，解决下式的投影问题：

其中加入下划线的参量表示N+1维度向量；θ^(k)＝[θ^(k)T 0]^T∈R^N+1，R^N+1表示N+1维向量空间，G为f(I₁)的上图集，G＝{[I₁^Tq]^T∈R^N+1：q≥f(I₁)}，q是一个正实数；为了求解等式(7)，选择上图集G到θ^(k)上最近的向量I₁^(k+1)，在集合G支持的超平面上执行连续的正交投影；利用梯度下降法即Gradient descent method来计算第j次投影后的投影点v_j表示成：

这里设v₀的初始值等于θ^(k)，表示方程f在点v_j-1的导数，即在第j_max次连续投影后，上图设置G支持的超平面上执行连续投影的最优解I₁^(k+1)写为将向量化的I₁和E₁变形为矩阵，得到优化结果v_jmax＝I₁^(k+1)；

求解等式(6)看成是一个图像降噪问题，I₁^(k+1)是一个带有噪声的图像，而θ^(K+1)是一个降噪后的图像；交替使用TV降噪器和BM3D降噪器进行图像去噪，即第一步使用TV降噪器，后续迭代使用BM3D降噪器；在每次迭代中，通过不断更新噪声标准差σ：

其中，η为[0,1)之间的正实数，ξ为小于1的实数，△^(k+1)为差值；最后，当迭代次数k达到最大时，得到最优解

在高光谱成像系统中，原始动态场景为I₂(x,y,t,λ)，第二条纹相机最后采集到结果为E₂，具体表达式为：

E₂(m,n)＝MTSCI₂(x,y,t,λ)， (10)

S为光谱偏移算符，M为时空频集成算符；因此，为了恢复出四维(x,y,t,λ)信息，再次利用全变分块匹配3D滤波(TV-BM3D)算法对积分图像进行重构，即解决下式的最小化问题；

重复上述(4)-(9)式优化迭代过程，得到最优解

基于等式(3)和(11)，已经分别获得了原始动态场景的三维立体信息以及二维空间，一维时间，一维光谱信息；通过对两次重构结果的耦合操作，完整的恢复出原始动态场景的五维(x,y,z,t,λ)信息；根据立体成像系统与高光谱成像系统的时间相关性，具体的耦合操作如下：

其中：

在(12)、(13)式中，H(x)是一个阈值滤波器，x_s代表强度阈值以确保噪声被完全消除,⊙代表二维(x-y)矩阵的哈达玛积操作；经过阈值滤波后，包含了在空间深度方向的x-y平面序列切片，在耦合过程中仅提供了三维轮廓框架；基于等式(12)，的序列深度信息通过对与经过阈值限制的进行哈达玛积操作获得；最后，整个时空频五维信息(x,y,z,t,λ)被完整的还原出来。