前言
基于压缩感知的背景差这种方法减少了采样的次数, 缓解了传输和存储的负担,但对于室外背景变化较大的场景具有局 限性。 关联成像的出现, 实现了在不包含物体的光路上生成物体的像。
压缩感知和纠缠光子进行前景提取的方法,减少了采样及传输过程的冗余,但是利用纠缠光子对压缩感知关联成像的追踪过程比较复杂。 因此提出一种基于压缩感知关联成像的目标检测方法, 首先通过关联成像采集图像信 息, 然后运用背景差分法进行运动目标检测, 最后直接通过压缩感知重构目标图像。这种方法能够用远少于物体信息的奈奎斯特采样极限的采样点数来精确地恢复常规图像, 减少了采样次数, 解决了常规成像技术不易解决的问题, 提高了目标检测的准确性。
压缩感知关联成像原理
在计算鬼成像中, 空间光调制器对光源进行强度调制, 将调制后的光场照射到物体表面, 透镜对透过物体的所有光进行收集, 由桶探测器探测其总光强。成像过程中, 空间光调制器进行 N 次随机调制, 每次调制产生强度分布为 I i (x ,y)的散斑场。原理图如下：
压缩感知关联成像算法的目标检测原理
运动目标重构不同于单幅图像的重 构, 因为要想提取运动目标, 最少需要两帧图像才能够实现。 背景差分法就是利用测试图像和背景图像的差值实现运动目标提取, 即通过分离图像中的静止像素来进行运动目标提取。
运用压缩关联的方法进行目标检测, 首先明确背景差分图可以通过压缩感知算法重构出来, 即目标物体是稀疏的。提取运动目标时, 在压缩域中运用背景差分法即可获得目标图像的测量值。将获得的目标图像的测量值和测量矩阵带入式中, 利用压缩感知算法重构得到的图像就是目标物体图像。下图就是基于压缩关联成像的目标检测的流程示意图。
