La imagen computacional es el proceso de formar imágenes indirectamente a partir de mediciones utilizando algoritmos que dependen de una cantidad significativa de computación. A diferencia de las imágenes tradicionales, los sistemas de imágenes computacionales implican una estrecha integración del sistema de detección y la computación para formar las imágenes de interés. La disponibilidad ubicua de plataformas informáticas rápidas (como CPU y GPU de múltiples núcleos ), los avances en algoritmos y el hardware de detección moderno están dando como resultado sistemas de imágenes con capacidades significativamente mejoradas. Los sistemas de imágenes computacionales cubren una amplia gama de aplicaciones que incluyen microscopía computacional , [1] imágenes tomográficas , resonancia magnética , imágenes por ultrasonido , fotografía computacional , radar de apertura sintética (SAR), imágenes sísmicas , etc. La integración de la detección y la computación en sistemas de imágenes computacionales Permite acceder a información que de otro modo no sería posible. Por ejemplo:
Los sistemas de imágenes computacionales también permiten a los diseñadores de sistemas superar algunas limitaciones del hardware de la óptica y los sensores (resolución, ruido, etc.) al superar los desafíos en el dominio informático. Algunos ejemplos de tales sistemas incluyen imágenes difractivas coherentes , imágenes de apertura codificada y superresolución de imágenes .
La imagen computacional se diferencia del procesamiento de imágenes en el sentido de que el objetivo principal de la primera es reconstruir imágenes reconocibles por humanos a partir de datos medidos mediante algoritmos, mientras que la segunda es procesar imágenes ya reconocibles (que pueden no tener una calidad suficiente) para mejorar la calidad. calidad o obtener alguna información de ellos.
Los sistemas de imágenes computacionales abarcan una amplia gama de aplicaciones. Si bien aplicaciones como SAR , tomografía computarizada e inversión sísmica son bien conocidas, han experimentado mejoras significativas (exposiciones más rápidas, de mayor resolución y de dosis más bajas [3] ) impulsadas por avances en los algoritmos de procesamiento de señales e imágenes (incluidas las técnicas de detección comprimida ), y plataformas informáticas más rápidas. La fotografía ha evolucionado desde un procesamiento puramente químico hasta ahora ser capaz de capturar y fusionar computacionalmente múltiples imágenes digitales ( fotografía computacional ) [4], lo que hace que técnicas como HDR y imágenes panorámicas estén disponibles para la mayoría de los usuarios de teléfonos celulares. Las imágenes computacionales también han visto el surgimiento de técnicas que modifican la fuente de luz que incide sobre un objeto utilizando estructuras/patrones conocidos y luego reconstruyen una imagen a partir de lo que se recibe (por ejemplo: imágenes de apertura codificada , microscopía de superresolución , pticografía de Fourier ). Los avances en el desarrollo de potentes plataformas informáticas paralelas han desempeñado un papel vital para poder lograr avances en imágenes computacionales.
Las imágenes generalmente se obtienen en longitudes de onda ópticas mediante lentes y espejos. Sin embargo, para los rayos X y los rayos gamma, las lentes y los espejos no son prácticos, por lo que a menudo se utilizan aperturas modulantes. La cámara estenopeica es la forma más básica de este tipo de generador de imágenes por modulación, pero su desventaja es el bajo rendimiento, ya que su pequeña apertura permite el paso de poca radiación. Dado que sólo una pequeña fracción de la luz pasa a través del orificio, lo que provoca una baja relación señal-ruido, la obtención de imágenes a través de orificios implica exposiciones prolongadas inaceptables. Este problema se puede superar hasta cierto punto haciendo el agujero más grande, lo que lamentablemente conduce a una disminución de la resolución. Las cámaras estenopeicas tienen un par de ventajas sobre las lentes: tienen una profundidad de campo infinita y no sufren aberración cromática, que se puede curar en un sistema refractivo solo usando una lente de elementos múltiples. La característica más pequeña que puede resolverse mediante un orificio es aproximadamente del mismo tamaño que el orificio mismo. Cuanto más grande es el agujero, más borrosa se vuelve la imagen. El uso de múltiples y pequeños orificios podría parecer una solución a este problema, pero da lugar a un montaje confuso de imágenes superpuestas. Sin embargo, si se elige cuidadosamente el patrón de los agujeros, es posible reconstruir la imagen original con una resolución igual a la de un solo agujero.
En los últimos años se ha trabajado mucho utilizando patrones de agujeros de regiones claras y opacas, constituyendo lo que se llama una apertura codificada. La motivación para utilizar técnicas de imágenes de apertura codificada es aumentar la eficiencia de la recolección de fotones manteniendo al mismo tiempo la alta resolución angular de un solo orificio. La obtención de imágenes de apertura codificada (CAI) es un proceso de obtención de imágenes de dos etapas. La imagen codificada se obtiene mediante la convolución del objeto con la función de dispersión del punto de intensidad (PSF) de la apertura codificada. Una vez formada la imagen codificada, debe decodificarse para producir la imagen. Esta decodificación se puede realizar de tres formas: correlación, difracción de Fresnel o deconvolución. Se logra una estimación de la imagen original convolucionando la imagen codificada con la apertura codificada original. En general, la imagen recuperada será la convolución del objeto con la autocorrelación de la apertura codificada y contendrá artefactos a menos que su autocorrelación sea una función delta.
Algunos ejemplos de aperturas codificadas incluyen la placa de zona de Fresnel (FZP), arreglos aleatorios (RA), arreglos no redundantes (NRA), arreglos uniformemente redundantes (URA), arreglos uniformemente redundantes modificados (MURA), entre otros. Las placas de la zona de Fresnel, llamadas así en honor a Augustin-Jean Fresnel, no pueden considerarse aberturas codificadas en absoluto, ya que consisten en un conjunto de anillos radialmente simétricos, conocidos como zonas de Fresnel, que alternan entre opacos y transparentes. Utilizan difracción en lugar de refracción o reflexión para enfocar la luz. La luz que incide sobre el FZP se difractará alrededor de las zonas opacas, por lo que se creará una imagen cuando se produzca una interferencia constructiva. Las zonas opacas y transparentes se pueden espaciar para que la imagen se produzca en diferentes focos.
En los primeros trabajos sobre aperturas codificadas, los orificios se distribuían aleatoriamente en la máscara y se colocaban frente a una fuente para ser analizados. Sin embargo, los patrones aleatorios plantean dificultades con la reconstrucción de imágenes debido a la falta de uniformidad en la distribución de los poros. Aparece un ruido inherente como resultado de pequeños términos presentes en la transformada de Fourier de matrices binarias aleatorias de gran tamaño. Este problema se resolvió mediante el desarrollo de matrices uniformemente redundantes (URA). Si la distribución de los elementos transparentes y opacos de la apertura se puede representar como una matriz de codificación binaria A y la matriz de decodificación como G, entonces A y G se pueden elegir de modo que la imagen reconstruida (correlación de A y G con una adición de alguna señal de ruido N) se aproxima a una función delta. Se ha demostrado experimentalmente que los URA ofrecen mejoras significativas en la SNR en comparación con matrices distribuidas aleatoriamente; sin embargo, el algoritmo utilizado para la construcción de los URA restringe la forma de la apertura a un rectángulo. Por lo tanto, se introdujo la matriz uniformemente redundante modificada (MURA) con un cambio en el algoritmo de codificación de URA, lo que permite crear nuevas matrices en configuraciones lineales, hexagonales y cuadradas. El método de diseño de las URA se modificó para que las nuevas matrices se basaran en residuos cuadráticos en lugar de secuencias de pseudoruido (PN).
Las técnicas de imágenes espectrales convencionales normalmente escanean zonas adyacentes de la escena espectral subyacente y luego combinan los resultados para construir un cubo de datos espectrales. Por el contrario, la imagen espectral compresiva (CSI), que naturalmente incorpora los principios de la detección comprimida (CS), implica la adquisición de información espacial-espectral en conjuntos bidimensionales de proyecciones multiplexadas. La notable ventaja de las imágenes espectrales compresivas es que todo el cubo de datos se detecta con solo unas pocas mediciones y, en algunos casos, con tan solo una instantánea FPA, de modo que se puede obtener todo el conjunto de datos durante un único período de integración del detector.
En general, los sistemas de imágenes espectrales de compresión explotan diferentes fenómenos ópticos, como la codificación y dispersión espacial, espectral o espacial-espectral, para adquirir las mediciones de compresión. La ventaja significativa de CSI es que es posible diseñar protocolos de detección que capturen la información esencial de señales escasas con una cantidad reducida de mediciones. Debido a que la cantidad de proyecciones capturadas es menor que la cantidad de vóxeles en el cubo de datos espectrales, el proceso de reconstrucción se realiza mediante algoritmos de optimización numérica. Este es el paso en el que las imágenes computacionales desempeñan un papel clave porque se explota el poder de los algoritmos computacionales y las matemáticas para recuperar el cubo de datos subyacente.
En la literatura CSI se pueden encontrar diferentes estrategias para alcanzar las proyecciones codificadas. [5] [6] [7] El generador de imágenes espectrales de instantáneas de apertura codificada (CASSI) fue el primer generador de imágenes espectrales diseñado para aprovechar la teoría de la detección de compresión. [8] CASSI emplea aperturas codificadas binarias que crean un patrón de transmisión en cada columna, de modo que estos patrones son ortogonales con respecto a todas las demás columnas. La proyección espacial-espectral en el conjunto de detectores es modulada por la máscara binaria de tal manera que cada longitud de onda del cubo de datos se ve afectada por un código de modulación desplazado. Los sistemas CSI más recientes incluyen el CASSI que utiliza aperturas codificadas por colores (C-CASSI) en lugar de máscaras en blanco y negro; una versión compacta del CASSI coloreado, llamado generador de imágenes espectrales compresivas coloreadas instantáneas (SCCSI), y una variación de este último que utiliza una apertura codificada en blanco y negro en el plano convolucional, conocido como generador de imágenes hiperespectral codificado espacial-espectral (SSCSI). ). Las características comunes de este tipo de sistemas CSI incluyen el uso de un elemento dispersivo para desacoplar la información espectral y un elemento de codificación para codificar los datos entrantes.
Si bien las imágenes computacionales cubren una amplia gama de aplicaciones, los algoritmos utilizados en los sistemas de imágenes computacionales a menudo están relacionados con la resolución de un problema matemático inverso . Los algoritmos generalmente se dividen en técnicas de inversión directa, que a menudo son "rápidas", y técnicas de reconstrucción iterativas que son costosas desde el punto de vista computacional pero que pueden modelar procesos físicos más complejos. Los pasos típicos para diseñar algoritmos para sistemas de imágenes computacionales son:
Los avances en el campo de la investigación de imágenes computacionales se presentan en varios lugares, incluidas publicaciones de SIGGRAPH y IEEE Transactions on Computational Imaging.