English
A compressed sensing approach for enhancing infrared imaging resolution
文件大小：
898k
资源说明：本文介绍了一种通过压缩感知（Compressed Sensing，CS）技术提升红外成像分辨率的新方法。压缩感知是一种先进的信号处理框架，其基本原理是利用信号的稀疏性，通过在较低的采样率下获得信号的压缩样本，然后通过重建算法从这些少量的样本中精确重建出原始信号。在红外成像中，传统的方法通常依赖于直接对每个像素进行采样，而压缩感知的方法则是通过在光学系统焦平面上放置一个编码孔径掩模（coded aperture mask），从而测量经过掩模编码后的压缩图像样本。这种方法使得图像分辨率不再受限于焦平面阵列（Focal Plane Array，FPA）本身的尺寸，而更多地取决于编码孔径掩模的设计。
文章重点设计了一种优化的掩模图案，并采用多重采样方案以获得多样的压缩样本。所用的重建算法是梯度投影稀疏重建（Gradient Projection for Sparse Reconstruction，GPSR）算法。此外，文章还通过理论分析和数值模拟讨论了掩模的辐射效应。为了验证所提方法的有效性，实验结果表明，该方法显著提高了红外成像的分辨率，并确保了成像质量。
由于红外摄像机具有全天候成像能力，它们被广泛应用于空间地面观测、目标侦察以及战略监视领域。当前最常使用的红外传感器是不受冷却微辐射热计，因其可靠性高、体积小、重量轻和功耗低而受到青睐。根据文章所述，目前存在的标准S规格的未冷却红外传感器具有较小的阵列尺寸，这限制了它们的成像分辨率。而压缩感知方法可以有效地突破这一限制。
编码孔径掩模（coded aperture mask）是一种应用于成像系统的物理设备，通过在光束传播路径中加入特定的图案来实现对光源信息编码。编码孔径成像是一种利用编码孔径进行成像的方法，它能够突破传统光学系统的分辨率限制。在该技术中，使用了孔径编码图案来获得信号的压缩样本，再利用信号处理算法从这些样本中重建出高分辨率的图像。该方法的优势在于，它可以在不需要增加复杂系统或提升光学系统性能的前提下，通过算法处理实现图像分辨率的提升。
在本文中，作者详细设计了最佳掩模图案，并采用多重采样方案以获取更多的压缩样本。在重建过程中，使用了GPSR算法，该算法是处理稀疏信号重建问题的一种有效算法。GPSR算法通过构建一个目标函数，该函数将重建图像的稀疏性与数据的匹配度结合起来，在此过程中，利用梯度下降法对目标函数进行最小化，实现稀疏信号的重建。
此外，文章还详细讨论了掩模的辐射效应问题。掩模辐射效应可能会影响成像的质量，作者通过理论分析和数值模拟对此进行了探讨，并在实验中验证了所提出方法的有效性。
总体而言，本文提出的基于压缩感知的红外成像分辨率增强方法，为解决红外成像领域的传统难题提供了一种新的视角和解决方案。该方法不仅提高了成像分辨率，还保证了图像质量，具有广阔的应用前景。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
