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$\Phi$由编码孔径图案决定。
SCI中的数学模型表示为：
其中$\Phi \in R^{n\times nb}$为传感矩阵，$x\in R^{nb}$为期望信号(desired signal)，$g\in R^n$为噪声。

这里考虑的传感矩阵不是稠密矩阵（dense matrix）,$\Phi$具有非常特殊的结构，可以写成:

其中$D_K,K=1...B$是对角矩阵。

以CACTI中的SCI为例，