18-07期VALSE Webinar会后总结
清华大学索津莉副教授2018年4月4日VALSE Webinar 成功举办。索津莉，2004 年6 月获山东大学工学学士学位，2010 年6 月获中国科学院研究生院工学博士学位，现为清华大学自动化系副教授，主要从事计算成像、计算机视觉等方向的研究。近年来围绕场景统计建模、计算摄像理论与关键技术进行探索，研究成果发表在领域国际期刊/会议TPAMI、TIP、OL、OE、CVPR、ICCV 等，并获20余项中国/国际发明专利授权。研究成果获得国家科学技术进步二等奖1项(排名3)、中国电子学会科学技术一等奖（排名2）。索津莉博士主持自然科学基金面上项目1项(已结题)、重大仪器研制专项子课题2项、重点项目子课题1项，并获2017年度优秀青年科学基金资助，同时作为项目骨干参与了国际重大合作项目等多个项目的研究。
索津莉副教授Webinar的题目为：Computational Imaging with A Single Photodiode。
在报告中，索津莉博士首先介绍了计算摄像和单像素成像的基本原理和方法，然后以单像素计算成像作为典型实例，展示了计算摄像的成像能力和应用前景。讲者介绍了单像素成像相较传统成像的优势和国际研究现状。目前当像素成像系统的数据通量与单像素探测器的带宽之间存在数量级的差异，因此成像性能非常受限。索津莉博士课题组通过计算成像的方法，结合计算光路和计算重建，建立新的成像机制和系统，在单像素成像框架下实现了高精度的高光谱采集以及快速高分辨率成像，极大提高了单像素成像的性能，也为单像素成像系统的实际引用奠定了基础。
问答部分：
问题1：深度学习用于成像速度怎么样？回答：深度学习在单像素成像和计算摄像里边最突出的优势就是加快了重建速度，可以说重建速度非常快。所有计算摄像的方法都面临一个问题，就是传感器上采集到的信号是一种编码后的信号，需要通过解码才可以得到我们最终的图像，并不是像传统成像那样“所见即所得”，这也是计算摄像发展一直面临的一个难题。深度学习可以有效地缓解这一问题，将深度学习用于重建，对于计算摄像的发展是一个很大的促进。值得指出的是，计算摄像的编码成像和解码重建是一一对应的，针对特定的计算摄像系统一定要构建相应的深度网络和进行相应的网络训练。
问题2：怎样加那个小孔，是在光路中加吗？回答：是的，在成像光路的傅里叶平面加一个小孔就可以。
问题3：请科普超光谱，多光谱成像是什么？回答：自然界的光是连续光谱，而我们一般相机成像对光谱维度进行了离散化，比如灰度（单色）或者RGB（三色）。只要离散化的数目大于1，对光谱有辨识能力，就可以称为多光谱成像。在成像谱段内离散化的数量，可以进一步分为多光谱、高光谱、超光谱等。
问题4：非相干光成像也有傅里叶平面吗？回答：有的，这个对于成像光源并没有明显的要求。我们实验当中有的用激光器，也有的用普通的高压汞灯照明，成像方法都是适用的。
问题5：前面您提到与显微成像的比较，可以做到与普通光学显微镜对比的分辨率和细节呈现效果吗？ 回答：在明场成像下，几乎可以达到商用显微镜的成像效果，我们对比的是实验室的奥林巴斯的一台显微镜，在视觉效果上没有明显区别。对于荧光成像，因为荧光本身并不是特别稳定，对于长时间成像会有影响，单像素成像效果会受一定影响。
问题6：直流分量去掉，会影响成像信噪比吗？回答：会降低通光量，但是因为单像素成像是累加成像，而且单像素探测器一般光灵敏度很高，因此，从实验结果来看，几乎不会影响最终重构图像的信噪比。
问题7：请科普一下深度相机及原理有哪些？
回答：在计算机视觉领域有很多计算深度的方法，几乎都有对应的深度相机。比如基于双目（或多目）摄像头的、基于光线飞行时间的、基于结构光的。
问题8：单像素多光谱成像光谱是怎么调制的？
回答：我们提到的两种单像素多光谱成像方法中，光谱信息分别在时域和频域进行的调制，时域调制是对光谱在不同的时间段进行不同编码采集，而频域调制则是将不同的光谱调制在不同的载波上。两种调制方法都利用了空间光调制速度与探测器采集速度之间的差异。
问题9：单像素成像在医学临床有应用吗？或者有什么前景呢？
回答：在医学上比较有前景的方向有单光纤内窥和极弱荧光探测。单光纤内窥可以用于低侵入早期癌症检测，原理是利用癌细胞在急速分裂过程当中分泌的荧光化学物质进行成像，在肿瘤形成之前进行早期诊断和干预。单像素成像相较面阵成像更有利与光纤的耦合。极弱荧光探测则主要利用单像素成像对于极弱光成像的优势，做一些基础医学的研究，比如探索神经环路活动、癌细胞转移等等。近两年也有一些探索性的医学应用，比如用近红外单像素成像进行眼底成像，用于眼科疾病的诊断。
问题10：单像素图像恢复，用什么方法？
回答：单像素图象恢复大约包含三大类方法：基于统计相关的重构、基于压缩感知的重建、以及基于傅里叶变换的方法。近期也有一些引入深度学习的重建方法。这几类方法各有优缺点和适用范围:基于相关的方法需要大量的编码测量值，运算简单；压缩感知重建算法可以大幅降低编码测量，但是计算复杂度高，不太适用于高分辨重建；傅里叶变换方法计算复杂度低，可以有效地实现高分辨重建，但是必须要采用正弦光调制，采集速度很慢；最新的深度网络重建方法算起来很快，压缩率也可以降得很低，训练成本较高。
问题11：自动驾驶里面用到的传感器有哪些？价格大概多少？能介绍一下吗？
回答：目前自动驾驶里边用的比较广泛的传感器包括可见光摄像头、近红外摄像头（主要考虑全天候监控的需要）、深度探测器（包括激光雷达、基于结构光或飞行时间的深度相机等）。
录像视频在线观看地址：http://www.iqiyi.com/u/2289191062
特别鸣谢本次Webinar主要组织者：VOOC责任委员：张天柱（中科院自动化所）VODB协调理事：章国锋（浙江大学）
活动参与方式：1、VALSE Webinar活动依托在线直播平台进行，活动时讲者会上传PPT或共享屏幕，听众可以看到Slides，听到讲者的语音，并通过聊天功能与讲者交互；2、为参加活动，请关注VALSE微信公众号：valse_wechat 或加入VALSE QQ群（目前A、B、C、D、E、F、G群已满，除讲者等嘉宾外，只能申请加入VALSE H群，群号：701662399），直播链接会在报告当天（每周三）在VALSE微信公众号和VALSE QQ群发布；*注：申请加入VALSE QQ群时需验证姓名、单位和身份，缺一不可。入群后，请实名，姓名身份单位。身份：学校及科研单位人员T；企业研发I；博士D；硕士M。3、在活动开始前10分钟左右，讲者会开启直播，听众点击直播链接即可参加活动，支持安装Windows系统的电脑、MAC电脑、手机等设备；4、活动过程中，请勿送花、打赏等，也不要说无关话语，以免影响活动正常进行；5、活动过程中，如出现听不到或看不到视频等问题，建议退出再重新进入，一般都能解决问题；6、建议务必在速度较快的网络上参加活动，优先采用有线网络连接；7、VALSE微信公众号会在每周一推送上一周Webinar报告的总结及视频（经讲者允许后），每周四发布下一周Webinar报告的通知。
页:
[1]