傅里葉單像素成像（FSPI）是一種基于傅里葉分析理論的計算光學成像技術。與傳統(tǒng)基于陣列探測器的成像方法相比，F(xiàn)SPI在極弱光、大氣湍流和散射介質等條件下表現(xiàn)出更高的探測效率和靈敏度。已在太赫茲成像、紅外成像、光譜成像等領域展現(xiàn)出巨大的應用潛力。然而，F(xiàn)SPI一直面臨著成像效率和成像質量的權衡問題。為實現(xiàn)高分辨率成像，需要較多的測量次數(shù)，這導致成像效率的下降。如何在不降低成像質量的情況下減少采樣次數(shù)是目前面臨的一大挑戰(zhàn)。

近日，來自南昌大學劉且根團隊提出了一種基于擴散模型的傅里葉單像素成像高分辨率迭代重建策略。該成果以“High-resolution iterative reconstruction at extremely low sampling rate for Fourier single-pixel imaging via diffusion model”為題發(fā)表在國際著名光電期刊《Optics Express》。該策略包含低頻傅里葉頻譜采集和基于擴散模型迭代重建兩個主要部分，如圖1所示。基于分數(shù)的擴散模型被用于學習數(shù)據(jù)分布的先驗信息。利用傅里葉單像素成像系統(tǒng)獲取的真實低頻傅里葉頻譜被作為一致性項，與學習到的先驗信息一起約束模型的迭代生成，實現(xiàn)在極低采樣率下的高分辨率重建。

 

圖1.系統(tǒng)總體方案

該方法流程如圖2所示。訓練階段，對大量高分辨圖像進行數(shù)據(jù)增強，獲取豐富的數(shù)據(jù)樣本。模型對樣本不斷添加高斯噪聲來擾動數(shù)據(jù)分布，從而獲取訓練樣本的內部統(tǒng)計分布。在迭代重建階段，使用預測-矯正（PC）器作為逆向隨機微分方程的數(shù)值求解器，并與一致性項(DC)相結合，進行條件生成。具體的，將隨機噪聲作為初始輸入，利用逆向隨機微分方程從學習到的先驗分布中生成高分辨圖像。在每一次迭代中，將實際采集的低頻頻譜作為數(shù)據(jù)一致項，并替換預測-矯正器輸入圖像的低頻部分以實現(xiàn)條件生成。 

圖2.基于擴散模型的高分辨率迭代重建流程圖