基于深度学习的单像素成像研究进展

单像素成像通过调制光场测量场景对单个像素探测器的强度响应来还原场景图像，相比依赖阵列探测器捕捉图像信息的传统成像技术，在低成本、宽光谱及特定应用场景下具有出色表现。该技术是一种由物理域转为计算域的新型成像方式，因此众多研究在寻找高效的计算方式。由于神经网络在计算域中的强大学习能力，深度学习技术已经广泛应用于单像素成像中并取得了显著进展。将深度学习单像素成像分为数据驱动式、物理驱动式及混合驱动式，又在每个驱动模式下划分出神经网络用于“图像到图像”和神经网络用于“测量值到图像”两种成像方法。从6种角度综述基于深度学习的单像素成像方法的基本理论和典型案例，并讨论了各类方法的优势与不足。最后对基于深度学习的单像素成像方法进行总结与展望，有前景的应用包括高光谱成像、瞬态观测与目标检测。