【成果】博士研究生王子豪在光学计算成像方面取得进展

近日，公司控制科学与工程专业2021级博士研究生王子豪在傅里叶单像素成像方面取得进展，相关研究成果Optimizing Under-Sampling in Fourier Single-Pixel imaging using GANs and attention mechanisms发表在《Optics and Laser Technology》。《Optics and Laser Technology》是光学成像领域的国际知名期刊，目前影响因子为5.0（SCI二区top）。论文第一作者为王子豪，通讯作者为陆洋副教授，BB贝博艾弗森为第一署名单位和通讯单位，该研究得到国家重点研发计划（项目编号：2024YFF0726500）、山东省重点研发计划（项目编号：2024ZLGX09）、中国科学技术协会青年精英科学家资助计划（目编号：2022QNRC001）、国家自然科学基金（项目编号：U22A20205）、山东省泰山学者特聘专家项目（项目编号：tstp20230614）的资助支持。

图1 论文首页

单像素成像（SPI）是一种具有独特优势的新兴成像技术，但傅里叶单像素成像（FSPI）在提高采样效率和重建质量方面仍面临挑战。FSPI中调制模型的生成通常需要构建线性采样空间，因此采样空间的复杂度直接影响成像效率。本文提出基于生成对抗网络（GANs）与注意力机制的FSPI欠采样优化方法，旨在动态生成优化采样掩模并提升重建效率。与现有端到端方法不同，本方案采用GANs与蒙特卡罗模型直接生成采样掩模而非图像，赋予更强的灵活性与优化潜力。生成器采用带ResBlock结构的U-net增强梯度传播，可捕捉图像细节与高频信息，从而提升重建质量。通过对抗训练，生成器能产出多样化且逼真的采样模式，从而增强模型的泛化能力。本方法的有效性与优势已通过多项实验验证：在光学实验环节，通过设计散射介质SPI系统验证方案，并对比分析了最佳探测器增益。值得注意的是本方法在散射介质条件下展现出卓越适应性，即使使用A4纸张和水箱作为散射介质，仍能实现高质量图像重建。本研究为深度学习在FSPI欠采样优化中的应用提供了新思路与解决方案，尤其适用于复杂成像环境。

图2基于GANs的傅里叶单像素成像采样空间优化流程

论文链接：https://https://www.sciencedirect.com/science/article/abs/pii/S0030399225003408