-
题名基于强化学习的免调参即插即用单光子图像重建方法
被引量：1
- 1
-
-
作者
陈爽
田烨
付莹
-
机构
北京理工大学计算机学院
北京理工大学信息与电子学院
北京理工大学复杂环境智能感测技术工信部重点实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第10期3600-3612,共13页
-
基金
国家自然科学基金(No.62331006,No.62171038,No.62088101)
中央高校基本科研业务费专项资金。
-
文摘
量子图像传感器(Quanta Image Sensor,QIS)具有超高的单光子灵敏度与空间分辨率,因此其有望成为替代CMOS的下一代图像传感器.然而,从QIS获取的原始数据是二进制的图像帧,因此需要采用图像重建算法从二进制观测值中恢复原始场景.现有的方法包括基于模型的QIS图像重建和基于深度学习的QIS图像重建,其中基于模型的QIS图像重建通常需要进行大量的优化迭代,且对内部参数选择高度敏感.而基于深度学习的QIS图像重建则往往需要对每个具有细微不同的任务设计和训练单独的网络模型,灵活性欠缺并在很大程度上限制了其实用性.为了解决上述QIS图像重建方法的局限性,本文提出一种基于强化学习的免调参即插即用单光子图像重建方法.该方法能够自适应地对不同输入图像、不同过采样倍率和重建所处的不同迭代轮次动态选取合适的参数,实现更好的重建效果.具体地,本文将即插即用框架下的QIS图像重建任务中需要手动调整的参数建模为序列决策问题,引入结合无模型强化学习和基于模型强化学习思想的算法学习一个最佳策略,以实现对于不同输入图像在每次优化迭代时的最优超参选择.在合成和真实数据集上的实验结果表明,本文提出的方法可以在过采样倍率为4、6、8三种情况下,在峰值信噪比上相较现有先进方法提高约0.44~0.60 dB,在重建的视觉效果上也能够保留更多的纹理细节.真实极暗光QIS图像数据已在https://github.com/ying-fu/Real-SPAD-Dataset公开.
-
关键词
量子图像传感器
单光子成像
即插即用
强化学习
图像重建
-
Keywords
quanta image sensor
single photon imaging
plug-and-play
reinforcement learning
image reconstruction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名星载高光谱成像系统发展综述
被引量：3
- 2
-
-
作者
刘思田
卢慧
王栋
李晓兰
朱春丽
边丽蘅
-
机构
北京理工大学复杂环境智能感测技术工信部重点实验室
-
出处
《航天返回与遥感》
CSCD
北大核心
2023年第6期12-26,共15页
-
基金
国家自然科学基金面上项目(61971045)
国家优秀青年科学基金项目(62322502)。
-
文摘
高光谱遥感技术通过记录地表物体在多个连续波段下的光谱信息,实现高精度的地球观测与分析。为了获取更多地物目标的细节信息,研究人员提出了对高光谱成像系统各项参数指标的新要求,国内外开展了大量相关研究。随着卫星技术的成熟,高光谱遥感平台从最初的机载平台逐渐发展到星载平台,促进了高光谱遥感图像在地质、农林业、环境监测等领域的广泛应用。目前,多数光谱成像系统选用传统的光学器件来实现分光,将计算光学与高光谱遥感结合,有利于集成更紧凑便捷的成像系统。文章首先介绍了高光谱成像系统的主要类型和原理,随后对近30年来典型的星载高光谱成像系统及载荷进行了综述,梳理了典型国内外星载高光谱成像系统的发展现状,并对不同国家成像系统的性能指标进行了对比分析,总结了相应的发展历程,并对未来星载高光谱成像系统的发展作出了展望。
-
关键词
高光谱成像系统
遥感载荷
星载光谱成像仪
发展趋势
-
Keywords
hyperspectral imager
remote sensing payload
space-borne spectral imager
development trend
-
分类号
V248.1
[航空宇航科学与技术—飞行器设计]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
