[论文解读] Compressive Sampling Approach for Image Acquisition with Lensless Endoscope
本文提出一种压缩采样（CS）方法用于无透镜内窥镜成像，用单模光纤产生的随机照明图案替代传统的光栅扫描，从而无需进行光束校准。该方法在降低测量率的同时，实现了与传统光栅扫描相当或更优的图像重建质量；当压缩率超过视场的50%时，仅使用一个随机图案的CS方法优于光栅扫描。
The lensless endoscope is a promising device designed to image tissues in vivo at the cellular scale. The traditional acquisition setup consists in raster scanning during which the focused light beam from the optical fiber illuminates sequentially each pixel of the field of view (FOV). The calibration step to focus the beam and the sampling scheme both take time. In this preliminary work, we propose a scanning method based on compressive sampling theory. The method does not rely on a focused beam but rather on the random illumination patterns generated by the single-mode fibers. Experiments are performed on synthetic data for different compression rates (from 10 to 100% of the FOV).
研究动机与目标
- 解决传统无透镜内窥镜中依赖聚焦光束光栅扫描所导致的耗时校准与扫描过程问题。
- 探究通过压缩采样使用随机照明图案是否可替代校准后的聚焦照明，用于活体细胞成像。
- 评估压缩采样在减少测量次数的情况下，与传统光栅扫描相比，重建高质量图像的性能表现。
- 评估不同数量的随机照明图案（P = 1, 2, 4）和不同压缩率（M/N 从 0.1 到 1.0）对图像重建质量的影响。
提出的方法
- 该方法将图像获取建模为图像与点扩散函数（PSF）之间的线性卷积，观测数据受独立同分布的高斯噪声污染。
- 对于压缩采样，测量数 M 相较于像素数 N 减少（M < N），并通过限制算子 R 在视场中心获取观测值。
- 生成无需光束校准的随机照明图案（散斑），前向模型采用多个PSF的掩蔽卷积之和（P = 1, 2, 4）。
- 通过交替方向乘子法（ADMM）求解带有总变差（TV）正则化项的约束优化问题，实现图像重建。
- 基于残差白化特性，迭代调整正则化参数 ρ，以平衡数据保真度与稀疏性。
- 通过利用未校准单模光纤产生的散斑图案的固有随机性，避免了波前整形校准的需要。
实验结果
研究问题
- RQ1在无透镜内窥镜中，使用随机照明图案的压缩采样能否实现与传统光栅扫描相当或更优的图像重建质量？
- RQ2在不同压缩率（M/N）下，随机照明图案的数量（P = 1, 2, 4）如何影响重建性能？
- RQ3在信噪比（SNR）方面，压缩采样方法在何种压缩率（M/N）下优于光栅扫描？
- RQ4压缩采样设置中缺乏光束校准是否会影响图像质量，若影响，程度如何？
- RQ5在低测量条件下，总变差正则化的选择如何影响重建质量？
主要发现
- 当 M/N = 1.0（无压缩）时，光栅扫描的信噪比（SNR）优于使用单个随机图案的压缩采样，证实了在完全采样下校准仍为最优方案。
- 当 M/N < 0.5 时，使用单个随机图案的压缩采样在平均 SNR 上优于光栅扫描，表明在压缩条件下性能更优。
- 在 M/N = 0.5 时，使用四个随机图案的平均 SNR 高于使用一个或两个图案的情况，表明照明多样性提升可改善重建质量。
- 在 M/N = 0.5 时，压缩采样方法使用四个随机图案可实现约 28 dB 的平均 SNR，而光栅扫描在相同条件下约为 25 dB。
- 结果表明，压缩采样可减少采集时间（因测量数更少），或在相同时间内扩展视场，且无需光束校准。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。