컴퓨터 이미징

Computational imaging

컴퓨터 이미징은 상당한 양의 컴퓨팅에 의존하는 알고리즘을 사용하여 측정으로부터 간접적으로 이미지를 형성하는 과정이다.전통적인 이미지와는 대조적으로, 컴퓨터 이미징 시스템은 관심 있는 이미지를 형성하기 위해 감지 시스템과 계산의 긴밀한 통합을 포함한다.빠른 컴퓨팅 플랫폼(멀티 코어 CPU 및 GPU와 같은)의 유비쿼터스 가용성, 알고리즘 및 현대적인 감지 하드웨어의 발전은 상당히 향상된 기능을 가진 영상 시스템으로 귀결되고 있다.Computing Imaging 시스템은 컴퓨터 현미경,[1] 단층 촬영, MRI, 초음파 영상, 컴퓨터 사진, SAR(Synthetic Apropure Radar), 지진 영상 등을 포함한 광범위한 응용 분야를 다룬다.컴퓨터 영상 시스템에서 감지 및 계산의 통합은 달리 불가능했던 정보에 접근할 수 있게 한다.예를 들면 다음과 같다.

  • X선 영상 하나만으로 골절의 정확한 위치가 드러나지 않지만 복수의 X선 영상을 조합해 작동하는 CT 스캔을 통해 3D로 1개의 정확한 위치를 파악할 수 있다.
  • 일반적인 카메라 이미지는 모서리를 이미지화할 수 없다.그러나, 연구자들은 빛의 빠른 펄스를 보내고, 수신 신호를 기록하고, 알고리즘을 사용하는 것을 포함하는 설정을 설계함으로써, 그러한 시스템을 구축하는 첫 단계를 시연했다.[2]

컴퓨터 영상 시스템은 또한 시스템 설계자가 컴퓨터 영역의 도전을 극복함으로써 광학 및 센서의 일부 하드웨어 한계(해상도, 소음 등)를 극복할 수 있게 해준다.그러한 시스템의 일부 예에는 일관성 있는 확산 영상화, 코드화된 첨부 영상화 및 이미지 슈퍼 해상도가 포함된다.null

역사

컴퓨터 영상 시스템은 광범위한 응용 분야에 걸쳐 있다.SAR, 컴퓨터 단층 촬영, 지진 역전과 같은 애플리케이션은 잘 알려져 있지만, 신호 및 이미지 처리 알고리즘(압축 센싱 기법 포함)과 더 빠른 컴퓨팅 플랫폼의 진보에 의해 주도되는 상당한 개선(더 빠른 개선, 고해상도, 더 낮은 선량[3] 노출)을 거쳤다.사진술은 순수 화학적 처리에서 이제는 다수의 디지털 이미지(컴퓨터 사진)[4]를 캡처하고 계산적으로 융합할 수 있게 되어 대부분의 휴대폰 사용자가 이용할 수 있는 HDR, 파노라마 이미징과 같은 기법이 만들어졌다.컴퓨터 이미징은 또한 알려진 구조/패턴을 사용하여 물체의 광원 사건을 수정한 다음 수신된 것에서 이미지를 재구성하는 기법의 출현을 목격했다(예를 들어, 코드화된 어퍼처스 이미징, 초해상도 현미경 검사, 푸리에 피티모그래피).강력한 병렬 컴퓨팅 플랫폼 개발의 진보는 컴퓨터 이미징에서 진일보할 수 있는 중요한 역할을 해왔다.null

기술

코드화된 조리개 이미징

추가 정보:코드화된 조리개
참고 항목: 범위 이미징 § 코드화된 조리개

영상촬영은 보통 렌즈와 거울에 의해 광학적 파장에서 만들어진다.그러나 X선과 감마선의 경우 렌즈와 거울은 비실용적이기 때문에 변조 개구부를 대신 사용하는 경우가 많다.핀홀 카메라는 이런 변조 이미저의 가장 기본적인 형태지만 작은 개구부가 방사선을 거의 통과하지 못해 처리량이 적다는 단점이 있다.신호 대 잡음 비율이 낮은 핀홀을 통과하는 빛은 극히 일부에 불과하기 때문에 핀홀을 통한 영상촬영은 허용할 수 없는 긴 노출을 수반한다.이 문제는 구멍을 크게 만들어 어느 정도 극복할 수 있는데, 공교롭게도 해결책의 감소로 이어진다.핀홀 카메라는 렌즈에 비해 몇 가지 장점이 있다.-그 카메라는 무한한 깊이를 가지고 있으며, 다중 요소 렌즈를 사용해야만 굴절 시스템에서 치료할 수 있는 색소 편차를 겪지 않는다.핀홀로 해결할 수 있는 가장 작은 형상은 핀홀 자체와 거의 같은 크기다.구멍이 클수록 이미지가 흐려진다.여러 개의 작은 핀홀을 사용하면 이 문제를 해결할 수 있을 것 같지만, 이것은 겹치는 이미지의 혼란스러운 몽타주를 야기한다.그럼에도 불구하고, 구멍의 패턴을 주의 깊게 선택한다면, 하나의 구멍과 같은 해상도로 원본 영상을 재구성할 수 있다.null

최근 몇 년 동안 코드화된 개구부라고 불리는 것을 구성하는 맑고 불투명한 지역의 구멍 패턴을 사용하여 많은 작업이 수행되었다.코드화된 조리개 영상 기법을 사용하는 동기는 단일 핀홀의 높은 각도 분해능을 유지하면서 광자 채집 효율을 높이기 위함이다.CAI(Coded operure imaging, CAI)는 2단계 영상화 과정이다.코딩된 영상은 코딩된 개구부의 강도 포인트 확산 함수(PSF)를 가진 물체의 콘볼루션에 의해 얻는다.코드화된 그림이 형성되면 이미지를 생성하기 위해 디코딩해야 한다.이 디코딩은 세 가지 방법으로 수행될 수 있는데, 즉 상관관계인 프레스넬 회절 또는 디콘볼루션이다.코드화된 영상을 원래 코드화된 조리개로 경련시켜 원본 영상의 추정을 얻는다.일반적으로 복구된 이미지는 코딩된 개구부의 자기 상관과 함께 객체의 경련이 되며 자기 상관이 델타 함수가 아닌 한 아티팩트를 포함한다.null

코드화된 개구부의 일부 예로는 프레스넬 구역 플레이트(FZP), 랜덤 어레이(RA), 비중복 어레이(NRA), 균일 중복 어레이(URA), 변형 균일 중복 어레이(MURA) 등이 있다.아우구스틴-지안 프레스넬 다음에 호출되는 프레스넬 영역 플레이트는 불투명 영역과 투명 영역을 교대로 하는 프레스넬 영역으로 알려진 방사상 대칭 링의 집합으로 구성되기 때문에 코드화된 개구부로 전혀 간주되지 않을 수 있다.그들은 빛의 초점을 맞추기 위해 굴절이나 반사 대신에 회절을 사용한다.FZP를 때리는 빛은 불투명한 영역을 중심으로 확산되므로 건설적인 간섭이 발생할 때 이미지가 생성된다.불투명한 영역과 투명한 영역은 영상촬영이 다른 초점에서 발생하도록 간격을 둘 수 있다.null

초기 코드화된 맹독성 작업에서는 마스크에 핀홀을 무작위로 분포시켜 분석 대상 소스 앞에 배치했다.그러나 무작위 패턴은 핀홀 분포의 균일성이 떨어져 영상 재구성에 어려움을 겪는다.고유 노이즈는 대형 랜덤 이진 배열의 푸리에 변환에 존재하는 작은 용어의 결과로 나타난다.이 문제는 균일 중복 어레이(URA)의 개발로 해결되었다.개구부의 투명 및 불투명 요소의 분포를 이진 인코딩 어레이 A로, 디코딩 어레이를 G로 나타낼 수 있다면 재구성된 영상(일부 잡음 신호 N이 추가된 A와 G의 상관)이 델타 함수에 근접하도록 A와 G를 선택할 수 있다.실험적으로 URA는 랜덤하게 분포된 배열과 비교하여 SNR에 상당한 개선을 제공하지만 URA의 구성에 사용되는 알고리즘은 개구부의 모양을 직사각형으로 제한한다.따라서 URA의 인코딩 알고리즘을 변경하여 MURA(Modified Uniformal Dedundant Array)가 도입되어 선형, 육각형, 사각형 구성으로 새로운 어레이를 생성할 수 있게 되었다.URA의 설계 방법을 수정하여 새로운 배열은 의사 잡음(PN) 시퀀스가 아닌 2차 잔류물을 기반으로 했다.null

압축 스펙트럼 이미징

기존의 스펙트럼 영상 기술은 일반적으로 기초 스펙트럼 장면의 인접 영역을 스캔한 다음 결과를 병합하여 스펙트럼 데이터 큐브를 구성한다.이와는 대조적으로 압축 감지(CS)의 원리를 자연스럽게 구현하는 압축 스펙트럼 이미징(CSI)은 다중화된 투영의 2차원 집합에서 공간 스펙트럼 정보의 획득을 수반한다.압축 스펙트럼 이미징의 주목할 만한 장점은 단 몇 번의 측정만으로 전체 데이터 큐브를 감지하고 경우에 따라 단일 FPA 스냅샷으로 전체 데이터 세트를 단일 검출기 통합 기간 동안 얻을 수 있다는 것이다.null

일반적으로 압축 스펙트럼 영상 시스템은 공간, 스펙트럼 또는 공간 스펙트럼 코딩과 분산과 같은 다른 광학적 현상을 이용하여 압축 측정을 획득한다.CSI의 이면에 있는 중요한 이점은 측정량을 줄여서 희박한 신호로부터 필수 정보를 포착하는 감지 프로토콜을 설계할 수 있다는 것이다.포착된 투영의 양이 스펙트럼 데이터 큐브의 복셀 수보다 적기 때문에 재구성 프로세스는 수치 최적화 알고리즘에 의해 수행된다.연산 알고리즘과 수학의 힘을 이용해 기초 데이터 큐브를 복구하기 때문에 연산 이미징이 핵심적인 역할을 하는 단계다.null

CSI 문헌에서는 코드화된 투영을 달성하기 위한 다양한 전략을 접할 수 있다.[5][6][7]코드화된 개구부 스냅샷 스펙트럼 이미저(CASI)는 압축 감지 이론을 이용하도록 설계된 최초의 스펙트럼 이미저였다.[8]CASI는 각 열에 전송 패턴을 생성하는 이진 코딩된 간극을 채택하여 이러한 패턴이 다른 모든 열에 대해 직교하도록 한다.검출기 배열의 공간 스펙트럼 투영은 데이터 큐브의 각 파장이 이동 변조 코드의 영향을 받는 방식으로 이진 마스크에 의해 변조된다.보다 최근의 CSI 시스템에는 흑백 마스크 대신 컬러 코딩된 조리개(C-CASSI)를 사용하는 CASI, 스냅샷 컬러 압축 스펙트럼 이미저(SCCSI)라고 하는 컬러 CASI의 콤팩트 버전, 공간-스펙터로 알려진 콘볼루션 평면의 흑백 코딩 조리개를 사용하는 후자의 변형 등이 포함된다.인코딩된 과폭 이미저(SSSCSI).이러한 종류의 CSI 시스템의 공통적인 특성은 스펙트럼 정보를 분리하기 위한 분산 요소와 들어오는 데이터를 인코딩하기 위한 코딩 요소의 사용을 포함한다.null

알고리즘

컴퓨터 이미징이 광범위한 응용 분야를 다루는 반면, 컴퓨터 이미징 시스템에 사용되는 알고리즘은 종종 수학 역문제 해결과 관련이 있다.알고리즘은 일반적으로 종종 "빠른" 직접적인 반전 기법과 계산적으로 비용이 많이 들지만 더 복잡한 물리적 프로세스를 모델링할 수 있는 반복적 재구성 기법으로 나뉜다.컴퓨터 영상촬영 시스템을 위한 알고리즘을 설계하는 일반적인 단계는 다음과 같다.

  1. 측정값과 추정할 수량 간의 관계 형성이 과정에는 측정값이 알 수 없는 것과 어떻게 관련이 있는지에 대한 수학적 모델이 필요하다.예를 들면 다음과 같다.고동적 범위 이미징에서 측정은 이미징될 기본 영역의 알려진 노출의 연속이다.X선 CT 스캔에서 측정은 X선 전파를 위해 잘 확립된 관계를 가진 X선 소스와 검출기 카메라의 여러 알려진 위치에서 얻은 환자의 X선 영상이다.
  2. 측정값을 "반복"하고 관심 있는 양을 재구성할 메트릭 선택.이는 측정과 모델 간의 최소 제곱 차이와 같은 간단한 측정 기준이나 검출기의 소음 통계와 관심 대상 모델을 정밀하게 모델링한 보다 정교한 측정 기준일 수 있다.이 선택은 재구성할 수량에 대한 통계적 추정기 선택과 관련될 수 있다.
  3. 2단계의 솔루션을 계산하는 빠르고 강력한 알고리즘 설계.이러한 알고리즘은 종종 수학적 최적화와 그러한 방법들을 빠른 컴퓨팅 플랫폼에 매핑하여 실용적인 시스템을 구축하는 기법을 사용한다.

참조

  1. ^ CITRIS (2017-03-08), Computational Microscopy, retrieved 2017-09-04
  2. ^ March, G. (20 March 2012). "How to see around corners". Nature News. doi:10.1038/nature.2012.10258.
  3. ^ Ju, Yun Hye; Lee, Geewon; Lee, Ji Won; Hong, Seung Baek; Suh, Young Ju; Jeong, Yeon Joo (8 August 2017). "Ultra-low-dose lung screening CT with model-based iterative reconstruction: an assessment of image quality and lesion conspicuity". Acta Radiologica. 59 (5): 553–559. doi:10.1177/0284185117726099. PMID 28786301.
  4. ^ "Plenary talk (Peyman Milanfar)" (PDF).
  5. ^ Hagen, Nathan (13 June 2012). "Snapshot advantage: a review of the light collection improvement for parallel high-dimensional measurement systems" (PDF). Optical Engineering. 51 (11): 111702. Bibcode:2012OptEn..51k1702H. doi:10.1117/1.OE.51.11.111702. PMC 3393130. PMID 22791926.
  6. ^ Hagen, Nathan; Kudenov, Michael W. (23 September 2013). "Review of snapshot spectral imaging technologies" (PDF). Optical Engineering. 52 (9): 090901. Bibcode:2013OptEn..52i0901H. doi:10.1117/1.OE.52.9.090901.
  7. ^ Arce, Gonzalo R.; Rueda, Hoover; Correa, Claudia V.; Ramirez, Ana; Arguello, Henry (2017-02-15). Snapshot Compressive Multispectral Cameras. Wiley Encyclopedia of Electrical and Electronics Engineering. pp. 1–22. doi:10.1002/047134608X.W8345. ISBN 9780471346081.
  8. ^ Wagadarikar, Ashwin; John, Renu; Willett, Rebecca; Brady, David (8 February 2008). "Single disperser design for coded aperture snapshot spectral imaging". Applied Optics. 47 (10): B44-51. Bibcode:2008ApOpt..47B..44W. doi:10.1364/AO.47.000B44. PMID 18382550.

추가 읽기

컴퓨터 이미징 연구 분야의 발전은 SIGGRAPH와 IEEE Transactions on Computing Imaging 출판물을 포함한 여러 장소에서 제시된다.null