【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时，图像质量可以提高至多2 dB，并在光谱相似性方面实现了显著提升（Matlab代码实现）

最新推荐文章于 2024-09-14 20:30:05 发布

wlz249

最新推荐文章于 2024-09-14 20:30:05 发布

阅读量466

点赞数 23

文章标签：算法 matlab 开发语言

本文链接：https://blog.csdn.net/weixin_66436111/article/details/138003734

版权

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、数据、文章

💥1 概述

多光谱成像（MSI）收集场景的空间-光谱信息数据立方体。许多光谱成像的采集方法使用扫描，限制了其在动态场景中的广泛应用。另一方面，常规的彩色滤波阵列（CFA）方法通常用于采样彩色图像，也已经扩展到使用多光谱滤波器阵列（MSFA）进行快照式多光谱成像，它是放置在焦平面阵列（FPA）上的选择性光谱滤波器的马赛克。然而，即使是最先进的MSFA编码模式也会在重建的光谱图像中产生伪影和失真，这可能是由于光谱滤波器的非最优分布所致。为了减少伪影的出现并提供用于优化MSFA设计的工具，本文提出了一种使用球体填充（SP）方法设计MSFA的新型数学框架。假设每个采样滤波器可以在离散数据立方体中用球体表示，SP在一个立方体容器中组织相等大小且不重叠的球体中心的位置。我们的方法被称为最优球体填充的多光谱滤波器阵列（MSFA-OSP），它寻求最大化球体中心之间最小距离的滤波器位置。模拟结果显示，在使用我们提出的MSFA设计方法进行各种重建算法时，图像质量可以提高至多2 dB，并在光谱相似性方面实现了显著提升。此外，MSFA-OSP显著减少了伪色和拉链效应伪影的出现，这些效应通常在使用最先进的解马赛克算法时会出现。使用合成和实际数据的实验证明，所提出的MSFA-OSP在空间和光谱保真度方面优于最先进的MSFA。

多光谱图像是具有两个空间维度和多个光谱波段的3D信号。多光谱成像（MSI）在遥感中有着突出的应用，可以对城市和农村地区的地面、植被和建筑物等材料进行分类。在医学上，MSI提供有关组织形态和生理学的诊断信息，可以检测异常如癌症肿瘤。然而，捕获多光谱图像的常规方法依赖于扫描-无论是空间扫描还是光谱扫描-来对整个数据立方体进行采样，同时需要更大的带宽和存储。扫描也耗时且需要复杂的硬件，无法处理动态场景。

相反，受彩色滤波阵列（CFA）启发的新型快照方法可以在单次采集中部分采样数据立方体，假设整个数据立方体可以通过插值或更复杂的算法来重建，这些算法利用了空间和光谱的相关性。

CFA在2D焦平面阵列（FPA）中获取三色光谱源的子采样版本。然后，捕获的灰度马赛克图像由解马赛克算法用于重建潜在的RGB图像的近似。类似地，多光谱滤波器阵列（MSFA）是一种光谱选择性滤波器的马赛克，通常是窄带，它将CFA方法扩展到了快照式MSI。具体而言，MSFA捕获多光谱场景的单个灰度马赛克快照，其中每个像素捕获相应空间位置的特定光谱响应；这种快照方法由于其紧凑性、低成本和实时特性而独特。然而，作为CFA的一种推广，设计和使用MSFA面临着几个挑战。随着考虑更多的滤波器，每个通道的采样率会急剧减少，使得传统的CFA解马赛克算法向MSFA解马赛克复杂化。与许多采用Ad-Hoc设计的CFA不同，例如旨在模拟人类视觉系统的Bayer滤波器，2008年提出了设计CFA的早期数学模型，该模型利用傅里叶域中的二维球体填充思想，以最大化亮度和色度通道的半径，以实现完美重建。尽管这种方法最初是针对少量光谱滤波器进行彩色成像的，但后来通过使用傅里叶变换光谱学，将其扩展到了MSFA，从而导致了一种有效的多光谱感知模式，通过利用复用的正弦滤波器减少了阿里亚欠采样，从而设计出最多具有16种不同滤波器的4×4核。尽管进行了设计工作，但常规的MSFA，如基于二叉树的边缘感知（BTES）、Interuniversity Microelectronics Centre（IMEC）等，将MSFA的条目排列为任意的采样模式，通常会导致重建的数据立方体中出现伪影。

📚2 运行结果

部分代码：

%% Generate figures of the paper: Demosaicking Multispectral Images Based on Sphere Packing Filter Design
addpath(genpath('./Dataset'));
addpath(genpath('./codes'));
addpath(genpath('./RGB'));
addpath(genpath('./src'));
addpath(genpath('./Fig'));
addpath(genpath('./Pattern'));
addpath(genpath('./Results'));

clear all;
clc;

NF = 25;
N = 256;

set(groot, 'defaultFigureUnits', 'centimeters', 'defaultFigurePosition', [0 0 100.86 30.8]);
fontsize = 18;
fig=figure(12);
cd=[5,7];
%t = tiledlayout(1,2,'TileSpacing','Compact','Padding','Compact');
x = [" (a)"," (b)"];
for i=1:2
code = cd(i); % 2 Brauers, 4 Uniform
[G] = codedPatterns(N,NF,code);
[textcode] =checkCode2(code);
G = G(1:NF,1:NF);
[T] = distance(G);
minimum = min(T(:));
radius = minimum/2;
[density,diameter]= ComputeDensity(minimum,NF,G);
density = round(density,2);
minimum = round(minimum,2);
%nexttile
showSphereGeneral(G,radius,fontsize);
title("d="+num2str(minimum)+" \rho="+num2str(density), 'FontSize', fontsize,'Fontname','Times');
xlabel(['X',x(i)], 'FontSize', fontsize,'Fontname','Times');
ylabel('Y', 'FontSize', fontsize,'Fontname','Times');
zlabel('\lambda', 'FontSize', fontsize,'Fontname','Times');
axis equal;
colormap jet;
hold on
%view(40,35)
grid on;
set(gca,'FontSize',fontsize,'Fontname','Times')
end
orient(fig,'landscape')