La detección comprimida es una nueva y emocionante técnica computacional para extraer grandes cantidades de información de una señal. En una demostración de alto perfil, por ejemplo, Los investigadores de la Universidad de Rice construyeron una cámara que podía producir imágenes en 2-D utilizando un solo sensor de luz en lugar de los millones de sensores de luz que se encuentran en una cámara básica.

Pero el uso de sensores comprimidos para la adquisición de imágenes es ineficaz:esa "cámara de un solo píxel" necesitaba miles de exposiciones para producir una imagen razonablemente clara. Informar sus resultados en la revista Transacciones IEEE sobre imágenes computacionales , Los investigadores del MIT Media Lab describen ahora una nueva técnica que hace que la adquisición de imágenes mediante detección comprimida sea 50 veces más eficiente. En el caso de la cámara de un solo píxel, podría reducir el número de exposiciones de miles a docenas.

Un aspecto intrigante de los sistemas de imágenes de detección comprimida es que, a diferencia de las cámaras convencionales, no requieren lentes. Eso podría hacerlos útiles en entornos hostiles o en aplicaciones que usan longitudes de onda de luz fuera del espectro visible. Deshacerse de la lente abre nuevas perspectivas para el diseño de sistemas de imágenes.

"Antes, la obtención de imágenes requería una lente, y la lente mapearía píxeles en el espacio a sensores en una matriz, con todo estructurado y diseñado con precisión, "dice Guy Satat, estudiante de posgrado en el Media Lab y primer autor del nuevo artículo. "Con imágenes computacionales, comenzamos a preguntar:¿Es necesaria una lente? ¿El sensor tiene que ser una matriz estructurada? ¿Cuántos píxeles debe tener el sensor? ¿Es suficiente un solo píxel? Estas preguntas esencialmente rompen la idea fundamental de lo que es una cámara. El hecho de que solo se requiera un píxel y ya no sea necesaria una lente relaja las principales limitaciones de diseño, y permite el desarrollo de nuevos sistemas de imágenes. El uso de detección ultrarrápida hace que la medición sea significativamente más eficiente ".

Aplicaciones recursivas

Uno de los coautores de Satat en el nuevo artículo es su asesor de tesis, profesor asociado de artes y ciencias de los medios de comunicación Ramesh Raskar. Como muchos proyectos del grupo de Raskar, la nueva técnica de detección comprimida depende de la obtención de imágenes de tiempo de vuelo, en el que se proyecta una pequeña ráfaga de luz en una escena, y los sensores ultrarrápidos miden cuánto tiempo tarda la luz en reflejarse.

La técnica utiliza imágenes de tiempo de vuelo, pero algo circular, una de sus aplicaciones potenciales es mejorar el rendimiento de las cámaras de tiempo de vuelo. Por tanto, podría tener implicaciones para otros proyectos del grupo de Raskar, como una cámara que puede ver alrededor de las esquinas y sistemas de imágenes de luz visible para diagnóstico médico y navegación vehicular.

Muchos sistemas prototipo del grupo Camera Culture de Raskar en el Media Lab han utilizado cámaras de tiempo de vuelo llamadas cámaras de racha. que son costosos y difíciles de usar:capturan solo una fila de píxeles de imagen a la vez. Pero en los últimos años han aparecido cámaras comerciales de tiempo de vuelo llamadas SPAD, para diodos de avalancha de fotón único.

Aunque no es tan rápido como las cámaras de racha, Los SPAD siguen siendo lo suficientemente rápidos para muchas aplicaciones de tiempo de vuelo, y pueden capturar una imagen 2-D completa en una sola exposición. Es más, sus sensores se construyen utilizando técnicas de fabricación comunes en la industria de chips de computadora, por lo que deberían ser rentables para producir en masa.

Con SPAD, Los componentes electrónicos necesarios para controlar cada píxel del sensor ocupan tanto espacio que los píxeles terminan muy separados entre sí en el chip del sensor. En una cámara convencional, esto limita la resolución. Pero con detección comprimida, en realidad lo aumenta.

Conseguir algo de distancia

La razón por la que la cámara de un solo píxel puede arreglárselas con un sensor de luz es que la luz que incide tiene un patrón. Una forma de modelar la luz es poner un filtro, como un tablero de ajedrez en blanco y negro al azar, delante del flash que ilumina la escena. Otra forma es hacer rebotar la luz que regresa de una serie de diminutos microespejos, algunos de los cuales están dirigidos al sensor de luz y otros no.

El sensor realiza una única medición:la intensidad acumulada de la luz entrante. Pero si repite la medición suficientes veces, y si la luz tiene un patrón diferente cada vez, El software puede deducir las intensidades de la luz reflejada en puntos individuales de la escena.

La cámara de un solo píxel fue una demostración amigable para los medios, Pero, de hecho, La detección comprimida funciona mejor cuantos más píxeles tiene el sensor. Y cuanto más separados estén los píxeles, menos redundancia hay en las medidas que realizan, de la misma manera que ves más de la escena visual que tienes delante si das dos pasos a tu derecha en lugar de uno. Y, por supuesto, cuantas más mediciones realice el sensor, cuanto mayor sea la resolución de la imagen reconstruida.

Economías de escala

Las imágenes de tiempo de vuelo esencialmente convierten una medición, con un patrón de luz, en docenas de mediciones, separados por billonésimas de segundos. Es más, cada medición se corresponde con solo un subconjunto de píxeles en la imagen final, los que representan objetos a la misma distancia. Eso significa que hay menos información para decodificar en cada medición.

En su papel Sentado en, Raskar, y Matthew Tancik, un estudiante graduado del MIT en ingeniería eléctrica e informática, presentar un análisis teórico de la detección comprimida que utiliza información de tiempo de vuelo. Su análisis muestra cuán eficientemente la técnica puede extraer información sobre una escena visual, a diferentes resoluciones y con diferentes números de sensores y distancias entre ellos.

También describen un procedimiento para calcular patrones de luz que minimiza el número de exposiciones. Y, utilizando datos sintéticos, comparan el rendimiento de su algoritmo de reconstrucción con el de los algoritmos de detección comprimida existentes. Pero en el trabajo en curso, están desarrollando un prototipo del sistema para poder probar su algoritmo en datos reales.