Rank Minimization for Snapshot Compressive Imaging——学习笔记
秩最小化的快照压缩成像
摘要
快照压缩成像(Snapshot compression imaging,简称SCI)是指将多帧图像映射到一个测量值中的压缩成像系统,视频压缩成像和高光谱压缩成像是两种具有代表性的应用。尽管高速视频和高光谱图像的令人兴奋的结果已经被证明,但是重建质量差阻碍了SCI的广泛应用。本文的目的是利用期望信号中的高维结构来提高SCI的重建质量。我们建立了一个将视频/高光谱帧的非局部自相似性和秩最小化方法与SCI感知过程相结合的模型。在此基础上,提出了一种交替极小化算法来解决这一非凸问题。我们进一步研究了SCI中采样过程的特殊结构,以解决SCI重建中的计算量和内存问题。
研究内容
与之前研究的压缩感知不同,SCI通常是高维的,例如,从单个256×256(像素)的测量帧中恢复出空间分辨率为256×256(像素)的148帧视频或恢复出256×256(像素)的由100个光谱信息的视图像。
采样方式
视频跨找压缩成像仪——CASSSI(其详细原理可以参见paper 8),其大致成像原理以及采样过程如下:
如上图所示,场景信息首先被投影到编码孔径上,而编码孔径起着空间调制的作用。空间调制的信息被棱镜光谱分散,最后被探测器捕获。
编码孔径与传感矩阵的关系图,其中传感矩阵 Φ Φ Φ由编码孔径图案决定。
SCI中的数学模型表示为:
其中 Φ ∈ R n × n b Φ∈R^{n×nb} Φ∈Rn×nb为传感矩阵, x ∈ R n b x∈R^{nb} x∈Rnb为期望信号(desired signal), g ∈ R n g∈R^n g∈Rn为噪声。
这里考虑的传感矩阵不是稠密矩阵(dense matrix), Φ Φ Φ具有非常特殊的结构,可以写成:
其中 D K , K = 1... B { {D_K} },K=1...B DK,K=1...B是对角矩阵。
以CACTI中的SCI为例,