[논문 리뷰] BCH Coding Assisted Imaging

Hao Jiang, Shuang Liu외 2명|Figshare|2026. 02. 27.

Random lasers and scattering media인용 수 0

한 줄 요약

본 논문은 AWGN 하에서 영상 재구성을 향상시키기 위해 ghost imaging에 order-statistic decoding (OSD)을 갖춘 BCH 에러-제어 코딩을 도입하고, 시뮬레이션과 실험을 통해 개선을 검증한다.

ABSTRACT

In modern correlation imaging systems, also known as ghost imaging (GI), particularly under low-light or noisy conditions, preserving high image fidelity presents a significant challenge. This paper introduces an innovative approach by integrating Bose-Chaudhuri-Hocquenghem (BCH) error control coding (ECC) into CGI systems to assist imaging. By encoding target image with BCH codes and using order-statistic decoding (OSD) for error correction during reconstruction, this approach significantly improves image quality across various signal-to-noise ratio (SNR) conditions. Simulation and experiment results validate that BCH coding assisted imaging achieves significantly enhanced robustness against additive white Gaussian noise (AWGN) and improved image reconstruction quality. In addition, the imaging performance of different BCH codes varies, with each code exhibiting distinct advantages based on factors such as code length and coding efficiency.

연구 동기 및 목표

• 노이즈와 저조도 조건에서 ghost imaging의 강인성 향상을 위한 동기를 부여한다.
• GI 획득 및 재구성 프레임워크에 BCH coding과 OSD decoding을 도입한다.
• 시뮬레이션과 실험을 통해 BCH 기반 이미징의 이점과 한계를 보여준다.
• 코드 길이와 코딩 효율이 이미징 성능에 어떤 영향을 미치는지 분석한다.

제안 방법

• 대상 이미지를 BCH 코드로 인코딩하여 구조화된 조명 패턴을 생성한다.
• bucket 검출기의 측정으로부터 얻은 소프트 신뢰도 정보를 활용한 OFD (order-statistic decoding)로 재구성한다.
• 수신 신호를 로그-우도비(log-likelihood ratios)로 GF(2)로 매핑하여 BCH 디코딩을 가능하게 한다.
• BCH 생성 행렬에 가역 변환을 적용하여 조명 에너지를 재분배하고 강인성을 향상시킨다.
• AWGN 하에서 수신 신호 분포와 OSD 성능에 대한 이론적 분석.
• 시뮬레이션과 실험을 통해 여러 BCH 구성(BCH(31,16), BCH(31,6), BCH(127,50), BCH(127,64))을 비교한다.

실험 결과

연구 질문

• RQ1 전통적인 2차 GI에 비해 AWGN에서 BCH coding과 OSD decoding이 GI 이미지 충실도를 개선하는가?
• RQ2 다양한 BCH 코드 매개변수(길이, 비율)가 GI의 재구성 품질과 강인성에 어떤 영향을 미치는가?
• RQ3 BCH 기반 GI에서 조명 패턴 설계와 신뢰도 매핑이 디코딩 성능에 어떤 영향을 미치는가?
• RQ4 이론적 OSD 성능 예측이 BCH 기반 이미징의 시뮬레이션 결과와 일치할 수 있는가?

주요 결과

• BCH 기반 이미징은 AWGN에 대한 강인성과 재구성 품질을 크게 향상시킨다.
• BCH(31,16)에서 31 심볼과 16 데이터 비트는 시뮬레이션에서 bucket SNR이 9 dB를 초과할 때 무오류 재구성을 달성할 수 있다.
• 더 강한 오류 수정(예: BCH(31,6))은 같은 노이즈에서 더 높은 재구성 성능을 제공할 수 있지만 중복성이 더 커진다.
• 더 긴 코드(BCH(127,50) vs BCH(127,64))는 낮은 대역의 SNR에서 비슷한 성능을 보이며, 중복성과 조명 패턴 크기 사이의 트레이드오프가 있다.
• 소프트 신뢰도를 활용한 OSD 디코딩은 짧은 블록 길이(n ≤ 64)에서 이론적 예측과 밀접하게 일치한다.
• 저-중간 SNR 하에서 BCH 기반 이미징은 일부 2차 GI 기준선보다 우수하게 작동하여 전체 수렴 전에 효과적으로 노이즈를 억제함을 시사한다.