Super-resolución espacial en sistemas ópticos hiperespectrales de compresión basados en aperturas codificadas

Autores/as

  • Henry Arguello Fuentes Universidad Industrial de Santander
  • Hoover Fabian Rueda Chacón Universidad Industrial de Santander

DOI:

https://doi.org/10.17533/udea.redin.16306

Palabras clave:

súper-resolución, imágenes hiperespectrales, compressive sensing, CASSI, multicaptura, sistemas basados en aperturas codificadas

Resumen

El sistema de adquisición de imágenes espectrales basado en apertura codificada de única captura (CASSI) es una arquitectura óptica notable, que permite capturar la información espectral de una escena utilizando proyecciones bidimensionales codificadas. Las proyecciones en CASSI se encuentran ubicadas de tal manera, que cada medición contiene únicamente información espectral específica de una región del cubo de datos. La resolución espacial en el sistema CASSI depende altamente de la resolución del detector utilizado; así, imágenes de alta resolución requieren detectores de alta resolución, que a su vez demandan altos costos. Como solución a este problema, en éste artículo se propone un modelo óptico de súper-resolución para el mejoramiento de la resolución espacial de imágenes hiperespectrales denominado SR-CASSI. Súper-resolución espacial se logra tras solucionar un problema inverso utilizando un algoritmo de compressive sensing (CS), que tiene como entrada las mediciones codificadas de baja resolución capturadas. Éste modelo permite la reconstrucción de cubos de datos hiperespectrales súper resueltos, cuya resolución espacial es aumentada significativamente. Los resultados de las simulaciones muestran un mejoramiento de más de 8 dB en PSNR cuando el modelo propuesto es utilizado.

|Resumen
= 121 veces | PDF
= 49 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Henry Arguello Fuentes, Universidad Industrial de Santander

Escuela de Ingeniería de Sistemas e Informática.

Hoover Fabian Rueda Chacón, Universidad Industrial de Santander

Escuela de Ingeniería de Sistemas e Informática.

Citas

R. Lin, B. Dennis, G. Hurford, D. Smith, A. Zehnder, P. Harvey, D. Curtis, D. Pankow, P. Turin, M. Bester, A. Csillaghy, M. Lewis, N. Madden, H. van Beek, M. Appleby, T. Raudorf, J. McTiernan, R. Ramaty, E. Schmahl, R. Schwartz, S. Krucker, R. Abiad, T. Quinn, P. Berg, M. Hashii, R. Sterling, R. Jackson, R. Pratt, R. Campbell, D. Malone, D. Landis, C. Barrington, S. Slassi, C. Cork, D. Clark, D. Amato, L. Orwig, R. Boyle, I. Banks, K. Shirey, A. Tolbert, D. Zarro, F. Snow, K. Thomsen, R. Henneck, A. McHedlishvili, P. Ming, M. Fivian, J. Jordan, R. Wanner, J. Crubb, J. Preble, M. Matranga, A. Benz, H. Hudson, R. Canfield, G. Holman, C. Crannell, T. Kosugi, A. Emslie, N. Vilmer, J. Brown, C. Johns-Krull, M. Aschwanden, T. Metcalf, A. Conway. “The Reuven Ramaty high-energy solar spectroscopic imager (RHESSI)”. Solar Physics. Vol. 210. 2002. pp. 3-32. DOI: https://doi.org/10.1007/978-94-017-3452-3_1

W. Smith, D. Zhou, F. Harrison, H. Revercomb, A. Larar, A. Huang, B. Huang. “Hyperspectral remote sensing of atmospheric profiles from satellites and aircraft”. Hyperspectral Remote Sensing of the Land and Atmosphere. Vol. 4151. 2001. pp. 94-102. DOI: https://doi.org/10.1117/12.416996

P. Ye, J. Paredes, G. Arce, Y. Wu, C. Chen, D. Prather. Compressive confocal microscopy. Proceeding of International Conference on Acoustics, Speech and Signal Processing. Taipei, Taiwan. 2009. pp. 429-432. DOI: https://doi.org/10.1109/ICASSP.2009.4959612

C. Stellman, F. Olchowski, J. Michalowicz. War horse (wide-area reconnaissance: hyperspectral overhead real-time surveillance experiment). Proceedings SPIE 4379, Automatic Target Recognition XI. Orlando, USA. Vol. 4379. 2001, pp. 339-346. DOI: https://doi.org/10.1117/12.445382

T. Pham, F. Bevilacqua, T. Spott, J. Dam, B. Tromberg, S. Andersson. “Quantifying the absorption and reduced scattering coefficients of tissue-like turbid media over a broad spectral range with noncontact fourier-transform hyperspectral imaging”. Applied Optics. Vol. 39. 2000. pp. 6487-6497. DOI: https://doi.org/10.1364/AO.39.006487

D. Kittle. Compressive spectral imaging. Master’s thesis. Duke University. Durham, North Carolina, USA. 2010.

N. Hagen, R. Kester, L. Gao, T. Tkaczyk. “Snapshot advantage: a review of the light collection improvement for parallel high-dimensional measurement systems”. Optical Engineering. Vol. 51. 2011. pp. 111702-1 - 111702-7. DOI: https://doi.org/10.1117/1.OE.51.11.111702

E. Candès, J. Romberg, T. Tao. “Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information”. IEEE Transactions on Information Theory. Vol. 52. 2006. pp. 489-509. DOI: https://doi.org/10.1109/TIT.2005.862083

E. Candès, T. Tao. “Near-optimal signal recovery from random projections: Universal encoding strategies?”. IEEE Transactions on Information Theory. Vol. 52. 2006. pp. 5406-5425. DOI: https://doi.org/10.1109/TIT.2006.885507

D. Donoho. “Compressed sensing”. IEEE Transactions on Information Theory. Vol. 52. 2006. pp. 1289-1306. DOI: https://doi.org/10.1109/TIT.2006.871582

E. Christophe, C. Mailhes, P. Duhamel. “Hyperspectral image compression: adapting SPIHT and EZW to anisotropic 3D wavelet coding”. IEEE Transactions on Image Processing. Vol. 17. 2008. pp. 2334-2346. DOI: https://doi.org/10.1109/TIP.2008.2005824

P. Dragotti, G. Poggi, A. Ragozini. “Compression of multispectral images by three-dimensional SPIHT algorithm”. IEEE Transactions on Geoscience and Remote Sensing. Vol. 38. 2000. pp. 416-428. DOI: https://doi.org/10.1109/36.823937

A. Wagadarikar, R. John, R. Willett, D. Brady. “Single disperser design for coded aperture snapshot spectral imaging”. Applied Optics. Vol. 47. 2008. pp. B44-B51. DOI: https://doi.org/10.1364/AO.47.000B44

H. Arguello, H. Rueda, Y. Wu, D. Prather, G. Arce, “Higher-order computational model for coded aperture spectral imaging.” Appl. Opt. Vol. 52. 2013. pp. D12-D21. DOI: https://doi.org/10.1364/AO.52.000D12

H. Arguello, C. Correa, G. Arce, “Fast lapped block reconstructions in compressive spectral imaging,” Appl. Opt. Vol. 52. 2013. pp. D32-D45. DOI: https://doi.org/10.1364/AO.52.000D32

Y. Wu, I. Mirza, G. Arce, D. Prather. “Development of a digital-micro-mirror-device-based multishot snapshot spectral imaging system”. Optics Letters. Vol. 36. 2011. pp. 2692-2694. DOI: https://doi.org/10.1364/OL.36.002692

H. Arguello, G. Arce. “Code aperture optimization for spectrally agile compressive imaging”. Journal of the Optical Society of America A. Vol. 28. 2011. pp. 2400- 2413. DOI: https://doi.org/10.1364/JOSAA.28.002400

H. Arguello, C. Correa, G. Arce. “Code aperture optimization by concentration of measure in compressive spectral imaging”. Journal of the Optical Society of America A. USA. 2012.

D. Kittle, K. Choi, A. Wagadarikar, D. Brady. “Multi-frame image estimation for coded aperture snapshot spectral imagers”. Applied Optics. Vol. 49. 2010. pp. 6824-6833. DOI: https://doi.org/10.1364/AO.49.006824

H. Arguello, G. Arce. Restricted Isometry Property in coded aperture compressive spectral imaging. IEEE Statistical Signal Processing Workshop. Ann Arbor, MI, USA. 2012. pp. 716-719. DOI: https://doi.org/10.1109/SSP.2012.6319803

H. Arguello, G. Arce. Spectrally Selective Compressive Imaging by Matrix Analysis. OSA Optics and Photonics Congress. Monterey, CA, USA. 2012. pp. CM4B.5. DOI: https://doi.org/10.1364/COSI.2012.CM4B.5

H. Arguello, G. Arce. Code Aperture Agile Spectral Imaging (CAASI). Imaging and Applied Optics Congress (OSA Optics & Photonics Congress). Toronto, Canada, 2011. pp. ITuA4. DOI: https://doi.org/10.1364/ISA.2011.ITuA4

R. Willett, R. Marcia, J. Nichols. “Compressed sensing for practical optical imaging systems: A tutorial”. Optical Engineering. Vol. 50. 2011. pp. 072601 1-13. DOI: https://doi.org/10.1117/1.3596602

M. Duarte, R. Baraniuk. Kronecker product matrices for compressive sensing. IEEE International Conference on Acoustics Speech and Signal Processing. Dallas, USA. 2010. pp. 3650-3653. DOI: https://doi.org/10.1109/ICASSP.2010.5495900

H. Arguello, G. Arce. “Rank minimization code aperture design for spectrally selective compressive imaging”. IEEE Transactions on Image Processing. Vol. 22. 2012. pp. 941-954. DOI: https://doi.org/10.1109/TIP.2012.2222899

M. Figueiredo, R. Nowak, S. Wright. “Gradient projection for sparse reconstruction: Application to compressed sensing and other inverse problems”. IEEE Journal of Selected Topics in Signal Processing. Vol. 1. 2007. pp. 586-597. DOI: https://doi.org/10.1109/JSTSP.2007.910281

Descargas

Publicado

2013-08-16

Cómo citar

Arguello Fuentes, H., & Rueda Chacón, H. F. (2013). Super-resolución espacial en sistemas ópticos hiperespectrales de compresión basados en aperturas codificadas. Revista Facultad De Ingeniería Universidad De Antioquia, (67), 7–18. https://doi.org/10.17533/udea.redin.16306

Artículos similares

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 > >> 

También puede {advancedSearchLink} para este artículo.