实时傅立叶单像素成像研究附Matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

一、技术本质与核心原理

实时傅立叶单像素成像作为计算光学成像的核心分支，通过 “光场调制 - 信号采集 - 计算重建” 的非传统路径突破传统成像局限，其底层逻辑建立在傅里叶变换与计算光学的融合之上。

1. 与传统成像的本质差异

传统 CCD/CMOS 成像依赖像素阵列 “一一对应” 捕获图像，受限于传感器灵敏度与光谱响应范围；而 FSPI 采用 “单像素探测器 + 空间光调制器” 的组合，通过间接测量 - 计算重构实现成像，可突破波段限制（如红外、太赫兹）与弱光环境约束。

2. 傅里叶变换核心支撑

• 频谱分解特性：任何二维图像可表示为不同空间频率、相位的傅里叶光场叠加，其权重由傅里叶系数 C (fx, fy) 决定；

• 能量分布规律：自然图像频谱能量集中于低频区域（占比超 60%），且具有共轭对称性，这为稀疏采样与快速成像提供了物理基础。

二、2024-2025 年核心技术突破

1. 采样与重建优化方案

• 频谱特征自适应采样：通过预采样确定低频最优半径，优先采集关键频率，PSNR 提升 2.28dB，SSIM 提高 15.83%；

• 扩散模型迭代重建：南昌大学团队提出分数扩散模型，结合低频频谱约束，1% 采样率下实现高分辨率重建，重构复杂度降低 40%；

• 非均匀稀疏采样：低频 80% 密集采样、高频 20% 稀疏采样，测量次数减少 60%，信噪比提升 12dB。

2. 动态与全彩成像突破

• 高速旋转目标成像（暨南大学，2025）：

• 旋转传感 - 成像双模块同步，突破恒定转速依赖；

• 14,700 rpm 转速下实现 81.57 fps 帧率，256×256 像素成像，转速波动测量精度 ±51.95 rpm；

• 全彩实时成像（暨南大学，2025）：

• RGBW 四芯片复合照明，双芯片同步点亮提升光通量 100%；

• 27 fps 全彩动态成像，色彩还原度较传统方案提升 30%，适用于医疗内窥镜场景。

三、典型应用场景落地进展

1. 工业监测领域

• 高速部件检测：对涡轮机转子、电机转轴等旋转部件，实现缺陷实时识别与运行状态监测，故障预警响应时间＜100ms；

• 微结构检测：芯片制造中 256×256 分辨率成像，可分辨 5μm 级表面缺陷，检测效率较传统方法提升 3 倍。

2. 医学成像领域

• 弱光细胞成像：利用高灵敏度单像素探测，在极弱光环境下观察细胞分裂过程，信噪比提升至 32.6dB；

• 动态生理监测：全彩成像技术可用于消化道内窥镜检查，实时捕捉黏膜病变，色彩保真度达 0.94 SSIM。

3. 安全检测领域

• 高速目标追踪：机场海关场景中，对 10m/s 运动目标实现 30fps 清晰成像，散射环境下仍保持 0.18 模糊指数；

• 隐蔽物体识别：非可见光波段成像可穿透薄雾、烟尘，识别隐藏危险品，响应时间＜50ms。

四、现存挑战与未来方向

1. 核心瓶颈

• 速度 - 分辨率权衡：高分辨率（512×512）下帧率仍受限，现有方案难以突破 50 fps；

• 强噪声环境适应性：工业强电磁干扰下，信噪比下降至 20dB 以下，重建图像失真；

• 硬件成本控制：高速 DMD 器件价格高昂，制约大规模工业化应用。

2. 前沿研究方向

1. 硬件 - 算法协同优化：开发基于 MEMS 的新型空间光调制器，结合端侧 AI 重构算法，目标将延迟降至 10ms 以内；

1. 多模态融合成像：融合傅里叶成像与太赫兹光谱，实现 “形态 - 成分” 同步检测，适用于生物组织分析；

1. 微型化系统开发：基于芯片级 DMD 与探测器，研发厘米级成像模块，拓展至无人机巡检、微创医疗场景。

⛳️ 运行结果

🔗 参考文献

[1] 袁仁智,杨闯,彭木根.基于LED阵列的单像素成像光电综合教学实验设计[J].大学物理实验, 2025(2).

[2] 刘扬.基于同步辐射的生物材料低剂量三维成像研究[D].山东大学,2019.

[3] 杨涵宇.基于单光子探测的超分辨率成像技术研究[D].哈尔滨工业大学[2025-10-20].

📣 部分代码

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇