1.一种基于多域扩散模型的傅里叶单像素成像高分辨率重建方法,其特征在于,包括以下步骤:步骤S1、单像素成像系统构建和目标物体光响应信号采集;
单像素成像系统包括计算机主机、氦氖激光器、透镜组、数字微镜器件DMD和光电探测器;氦氖激光器持续发射红色激光,激光经过透镜组反射至数字微镜器件DMD的有效区域内,计算机主机将傅里叶基底图案传输到数字微镜器件DMD中对光束进行调制,调制后的光束利用透镜聚集至光阑后照射到目标物体上,由光电探测器探测光响应信号,并同步传输至计算机主机;
步骤S2、目标物体光响应信号解析;
计算机主机根据采集的目标物体光响应信号,通过四步相移法获取傅里叶基底图案的傅里叶系数,并进行重组得到目标物体的傅里叶稀疏采样频谱及对应的低分辨率初始图像;
步骤S3、采用多域扩散模型对高分辨率图像进行数据增强;
多域扩散模型包括图像域扩散模型和频域扩散模型,对图像域扩散模型和频域扩散模型同时训练,在正向扩散过程中对高分辨率图像域和频域训练图像进行数据增强,连续地向训练集添加高斯噪声,以扰动数据分布,获得数据样本图像域和频域上的先验得分;
步骤S4、基于串行或并行协同方式的多域联合优化;
基于获得的先验得分逐步迭代获得目标物体图像:串行协同方式通过图像域扩散模型生成初始重建图像,再经过频域扩散模型优化频谱特征;并行协同方式通过同步运行多域扩散模型并融合输出结果;
步骤S5、在基于串行或并行协同方式重建图像的过程中引入PC采样器校正反向SDE过程中的误差,得到校正后的重建图像。
2.根据权利要求1所述的一种基于多域扩散模型的傅里叶单像素成像高分辨率重建方法,其特征在于,步骤S1中计算机主机将二值化后的傅里叶基底图案传输到数字微镜器件DMD中对光束进行调制;所述光电探测器为单像素光电探测器,单像素光电探测器将检测到的光响应信号转化为电压信号。
3.根据权利要求1所述的一种基于多域扩散模型的傅里叶单像素成像高分辨率重建方法,其特征在于,步骤S2中目标物体光响应信号解析,包括以下内容:根据采集的目标物体光响应信号,获取四幅具有不同相位的傅里叶基底图案,并通过图像强度差计算傅里叶系数,傅里叶系数通过以下公式进行计算:;
上式中,是傅里叶基底图案的笛卡尔坐标;是虚数单位;是频率为和初始相位为的傅里叶基图案的光电响应值,或或或;是对应频率处的傅里叶系数;为系统增益因子;
通过对所得傅里叶系数进行重组,得到目标物体图像的傅里叶频谱。
4.根据权利要求1所述的一种基于多域扩散模型的傅里叶单像素成像高分辨率重建方法,其特征在于,步骤S3中正向扩散过程,分别对高分辨率图像域和频域训练图像逐步添加高斯噪声,得到随时间演化的随机过程表示为:;
上式中,为在上的变化量,描述在加噪过程的变化;为漂移项,为扩散系数,为标准布朗运动噪声;
高斯噪声方差的时间调度表示为:
;
上式中,为高斯噪声在时间时的方差;为高斯噪声方差的最小值;为高斯噪声标准差的最小值;为高斯噪声标准差的最大值;
选取和,则正向扩散过程用随机微分方程SDE表示为:
;
数据样本图像域和频域上的先验得分利用分数模型来估计,带有参数的分数模型通过以下算法优化参数进行训练:;
上式中,为最优网络参数,为寻找使期望损失最小的参数,为对时间变量的期望;为时间依赖加权函数;为真实数据样本的期望;为给定下对加噪数据的期望;为真实得分,即给定时对数概率密度的梯度,为加噪后的数据;为扩散过程的转移概率分布;一旦训练完成,,则用表示先验得分;
对优化过程的频域空间输入数据施加加权策略,以缩小高频与低频信息之间的动态范围差异,使先验得分更易获取,频域空间加权策略表示为:;
上式中,为加权后的频域空间输入数据;为训练模型的频域空间输入数据;为权重矩阵:;
上式中,和分别为频率编码线和相位编码线的数量,和用于调节权重,为设定截止值,为权重边界的平滑度。
5.根据权利要求1所述的一种基于多域扩散模型的傅里叶单像素成像高分辨率重建方法,其特征在于,步骤S4中所述基于获得的先验得分逐步迭代获得目标物体图像,目标物体图像重建过程表示为:;
上式中,为在上的变化量,描述在去噪过程的变化;为高斯噪声在时间时的方差;表示先验得分,表示时间倒退的标准布朗过程噪声;
每次重建迭代中,为了确保生成图像与实际采集的傅里叶频谱数据保持一致,引入数据一致性更新过程:设当前重建图像为,其傅里叶变换为,实际采集的低频傅里叶数据为,定义掩膜函数为,掩膜函数取值为在低频区域取1,其余区域取0,数据一致性更新后重建图像表示为:。
6.根据权利要求5所述的一种基于多域扩散模型的傅里叶单像素成像高分辨率重建方法,其特征在于,步骤S4所述串行协同方式中,图像域与频域扩散模型的迭代过程交替执行,每次迭代后通过数据一致性更新,约束校正低频频谱分量:首先使用图像域扩散模型进行初步重建,得到中间结果,随后利用频域扩散模型对进行进一步处理,得到最终图像。
7.根据权利要求5所述的一种基于多域扩散模型的傅里叶单像素成像高分辨率重建方法,其特征在于,步骤S4所述并行协同方式中,分别独立地利用图像域扩散模型和频域扩散模型得到初步重建的中间结果与,对两者进行加权合成,得到最终重建图像,合成公式如下:;
上式中,为权重系数;为逆向傅里叶变换。
8.根据权利要求1所述的一种基于多域扩散模型的傅里叶单像素成像高分辨率重建方法,其特征在于,步骤S5中在基于串行或并行协同方式重建图像的过程中引入PC采样器校正反向SDE过程中的误差,得到校正后的重建图像;所述PC采样器包括预测器和校正器,通过马尔可夫链蒙特卡洛MCMC方法迭代校正,预测算法通过先验得分提供方向性更新,生成一个初步的样本更新进行迭代校正,预测算法表示为:;
上式中,为预测上一个时间步的样本状态;为当前时间步的样本状态;为离散化时间步长;为关于的先验得分;为均值为0、协方差矩阵为的高斯噪声,I为单位矩阵;
校正算法基于同一先验得分,沿梯度方向校正预测结果,减少预测步中随机噪声带来的偏离;
校正算法表示为:
;
上式中,为校正后的样本;为梯度上升步长。