Научно-технический
«ОПТИЧЕСКИЙ ЖУРНАЛ»
издается с 1931 года
 
   
Русский вариант сайта Английский вариант сайта
   
       
   
       
Статьи последнего выпуска

Электронные версии
выпусков начиная с 2008


Алфавитный указатель
2000-2010 гг


444
Архив оглавлений
выпусков 2002-2007 гг


Реквизиты и адреса

Вниманию авторов и рецензентов!
- Порядок публикации
- Порядок рецензирования статей
- Типовой договор
- Правила оформления
- Получение авторского вознаграждения


Контакты

Подписка

Карта сайта





Журнал с 19.02.2010 входит в новый «Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертации на соискание ученой степени доктора и кандидата наук»
Аннотации (07.2017) : ИССЛЕДОВАНИЕ КЛЮЧЕВЫХ ТЕХНОЛОГИЙ ОПТИЧЕСКОГОКОДИРОВАНИЯ НА ОСНОВЕ АДАПТИВНОЙ КОМПРЕССИВНОЙ ПРИЗРАЧНОЙ СЪЕМКИ КРУПНОРАЗМЕРНЫХ ОБЪЕКТОВ

ИССЛЕДОВАНИЕ КЛЮЧЕВЫХ ТЕХНОЛОГИЙ ОПТИЧЕСКОГОКОДИРОВАНИЯ НА ОСНОВЕ АДАПТИВНОЙ КОМПРЕССИВНОЙ ПРИЗРАЧНОЙ СЪЕМКИ КРУПНОРАЗМЕРНЫХ ОБЪЕКТОВ

© 2017 г.       Leihong Zhang; Zilan Pan; Guoliang Zhou

University of Shanghai for Science and Technology, College of Communication and Art Design, Shanghai, China

Вычислительная призрачная съемка представляет собою хороший способ оптического кодирования, однако она не вполне применима для получения изображений крупноразмерных объектов или тогда, когда длительность съемки велика. Предложен новый способ оптического кодирования, основанный на сочетании метода адаптивной разреженной поблочной выборки с вычислительной призрачной съемкой. В этой модели крупноразмерный объект разбивается на несколько блоков, затем каждый блок интерпретируется как отдельное изображение, которое обрабатывается методом вычислительной призрачной съемки с собственным параметром выборки, соответствующим зрительной системе человека. В процессе восстановления изображения используется алгоритм разреженной выборки. По сравнению с обычной вычислительной призрачной съемкой качество восстановленных изображений оказывается выше, так что этим методом оказывается возможным получение высококачественных крупноразмерных изображений, а количество передаваемой информации сокращается, что контрастирует с ситуацией при поблочной вычислительной призрачной съемке; последнее позволяет использовать менее объемистые хранилища данных или менее скоростные линии передачи. Эта техника может быть непосредственно использована для получения и передачи изображений и хранения данных, давая преимущества в качестве восстанавливаемой информации, скорости передачи и обеспечении высокой безопасности.

Ключевые слова: вычислительная призрачная съемка, поблочная вычислительная призрачная съемка, алгоритм разреженной выборки.

 

Study on the key technology of optical encryption based on adaptive compressive ghost imaging for large-sized object

© 2017    Leihong Zhang*; Zilan Pan*; Guoliang Zhou**

*   University of Shanghai for Science and Technology, College of Communication and Art Design, 516 Jun gong road, Shanghai, China, 200093

** China United Network Communications Corporation Jinan branch, Jinan, China, 250000

E-mail: pzl_702@foxmail.com

Submitted 31.03.2016

Computational ghost imaging is a good optical encryption method, but it can hardly imaging for large-sized object or the time is long. To solve the problem, we propose a novel optical encryption method based on block adaptive compressive sensing with computational ghost imaging. In this model, we divide the large-sized image into several blocks, then every block is considered as a single image to finish ghost imaging, every block has its own sampling ratio according to human visual system. In the recovery process, we use compressive sensing algorithm to reconstruct the image. Compared with computational ghost imaging, the quality of recovery image is better, so large-sized image can also be recovered with high quality with this method, and the number of transmitted information is reduced in contrast with block computational ghost imaging so that it can use fewer spaces, high-efficiency data storage or transmission. This technique can be immediately applied to imaging applications and data storage with the advantages of high quality of reconstructed information and high security, fast transmission.

Keywords: computational ghost imaging, block computational ghost imaging, compressive sensing algorithm.

OCIS codes: 110.1085, 110.1758, 110.3010, 060.4785

 

References

1.         Alfalou A., Brosseau C. Optical image compression and encryption methods // Advances in Optics and Photonics. 2009. V. 1. № 3. P. 589–636.

2.         Chen W., Javidi B., Chen X. Advances in optical security systems // Advances in Optics and Photonics. 2014. V. 6. P. 120–155.

3.         Pittman T.B., Shih Y.H., Strekalov D.V., & Sergienko A.V. Optical imaging by means of two-photon quantum entanglement // Physical Rev. A. 1995. V. 52. № 5. P. 3429.

4.        Shapiro J.H. Computational ghost imaging // Physical Rev. A. 2008. V. 78. № 6. P. 061802.

5.         Clemente P., Durán V., Tajahuerce E., & Lancis J. Optical encryption based on computational ghost imaging // Opt. Lett. 2010. V. 35. № 14. P. 2391–2393.

6.        Bromberg Y., Katz O., Silberberg Y. Ghost imaging with a single detector // Physical Rev. A. 2009. V. 79. № 5. P. 053840.

7.         Katz O., Bromberg Y., Silberberg Y. Compressive ghost imaging // Appl. Phys. Lett. 2009. V. 95. № 13. P. 131110.

8.        Katkovnik V., Astola J. Compressive sensing computational ghost imaging // JOSA A. 2012. V. 29. № 8. P. 1556–1567.

9.        Leihong Z., Zilan P., Dong L., Dawei Z., & Xiuhua M. Encryption of optical information using the comprehensive ghost imaging algorithm // Electronics World. 2015. V. 121. № 1949. P. 34–39.

10.       Leihong Z., Zilan P., Luying W., & Xiuhua M. High-performance compression and double cryptography based on compressive ghost imaging with the fast Fourier transform // Optics and Lasers in Eng. 2013. V. 86. P. 329–337.

11.       Zhang L., Pan Z., Liang D., Ma X., & Zhang D. Study on the key technology of optical encryption based on compressive ghost imaging with double random-phase encoding // Optical Eng. 2015. V. 54. № 12. P. 125104.

12.       Aβmann M, Bayer M. Compressive adaptive computational ghost imaging // Scientific reports. 2013. Part 3.

13.       Yu W.K., Li M.F., Yao X.R., Liu X.F., Wu L.A., & Zhai G.J. Adaptive compressive ghost imaging based on wavelet trees and sparse representation // Opt. Exp. 2014. V. 22. № 6. P. 7133–7144.

14.       Donoho D.L. Compressed sensing // IEEE Trans. Information Theory. 2006. V. 52. № 4. P. 1289–1306.

15.       Candès E.J. Compressive sampling // Proc. Intern. Congr. Mathematicians. 2006. V. 3. P. 1433–1452.

16.       Candès E., Romberg J. Sparsity and incoherence in compressive sampling // Inverse Problems. 2007. V. 23. № 3. P. 969.

17.       Candès E.J., Wakin M.B. An introduction to compressive sampling // IEEE Signal Proc. Magazine. 2008. V. 25. № 2. P. 21–30.

18.       Li C. An efficient algorithm for total variation regularization with applications to the single pixel camera and compressive sensing / Doct. Dis. SPb.: Rice University, 2009.

19.       Yang J., Zhang Y., Yin W. A fast alternating direction method for TVL1-L2 signal reconstruction from partial Fourier data // IEEE J. Selected Topics in Signal Proc. 2010. V. 4. № 2. P. 288–297.

 

 

Полный текст