[论文解读] Binary sampling ghost imaging: add random noise to fight quantization caused image quality decline

Junhui Li, Dongyue Yang+4 more|arXiv (Cornell University)|Feb 28, 2017

Random lasers and scattering media参考文献 11被引用 16

一句话总结

本文提出在二值采样鬼成像中采用抖动（dithering）——在量化前添加受控的随机噪声——以恢复高质量的鬼像，其中信号臂和参考臂均被简化为两级输出。尽管1比特量化导致图像严重退化，但最优抖动（幅度约0.5–1 LSB）可使图像质量恢复至接近全比特重建的水平，尤其在过采样场景下效果显著。

ABSTRACT

When the sampling data of ghost imaging is recorded with less bits, i.e., experiencing quantization, decline of image quality is observed. The less bits used, the worse image one gets. Dithering, which adds suitable random noise to the raw data before quantization, is proved to be capable of compensating image quality decline effectively, even for the extreme binary sampling case. A brief explanation and parameter optimization of dithering are given.

研究动机与目标

• 解决因极端位深降低（特别是二值采样）导致的鬼成像质量下降问题。
• 探究抖动是否能有效补偿信号臂和参考臂中因量化导致的图像质量下降。
• 确定在二值鬼成像中实现最大图像质量恢复的最优抖动参数（幅度与分布）。
• 证明使用低成本、高速二值探测器（如SPAD和DMD）在实际鬼成像系统中的可行性。

提出的方法

• 对信号臂和参考臂均应用均匀量化，将数据压缩为1比特（二值）输出。
• 在量化前引入加性抖动——采用矩形和三角形概率分布的随机噪声——以解耦量化误差。
• 采用对比度噪声比（CNR）作为评估重建图像质量的主要指标。
• 采用传统伪热光源鬼成像装置，包含旋转磨砂玻璃、同步桶探测器和CMOS相机。
• 通过改变抖动幅度和分布，在不同测量次数下进行参数优化。
• 分析量化误差统计，表明一阶误差项占主导地位，从而证明抖动的有效性。

实验结果

研究问题

• RQ1 当信号臂和参考臂均被简化为二值采样时，抖动是否能有效恢复鬼成像质量？
• RQ2 抖动性能如何随不同概率分布（矩形与三角形）及幅度变化？
• RQ3 在信号臂与参考臂中，哪一臂对量化引起的图像质量退化更敏感？
• RQ4 在二值采样下，能最大化图像质量的最优抖动幅度范围是什么？
• RQ5 即使测量次数仅为图像像素数的四倍，抖动是否仍能实现高质量鬼成像？

主要发现

• 采用0.5–1 LSB的最优抖动幅度可显著提升二值采样鬼成像的图像质量，使CNR恢复至接近原始全比特性能水平。
• 参考臂对量化比信号臂更敏感，且在参考臂上应用抖动可带来最显著的图像质量提升。
• 矩形与三角形抖动性能几乎完全相同，表明一阶量化误差项主导了图像退化过程。
• 图像质量随测量次数增加而提升，且在过采样场景（如4倍像素数）下抖动带来的增益最大。
• 当两臂均经二值量化并采用最优参数抖动后，重建图像在视觉上与非量化重建结果无法区分，如图6所示的CNR分析与视觉对比所证实。
• 在最优抖动条件下，CNR超过未抖动的二值情况，证实抖动能有效抵消量化引起的图像质量退化。