Single-pixel imaging: development and applications of adaptive methods

Single-pixel imaging is a recent paradigm that allows the acquisition of images at a reasonably low cost by exploiting hardware compression of the data. The architecture of a single-pixel camera consists of only two elements, a spatial light modulator and a single point detector. The key idea is to measure, at the detector, the projection (i.e., inner product) of the scene under view --the image-- with some patterns. The post-processing of a measurements sequence obtained with different patterns permits to restore the desired image. Single-pixel imaging has several advantages, which are of interest for different applications, especially in the biomedical field. In particular, a time-resolved single-pixel imaging system benefits to fluorescence lifetime sensing. Such a setup can be coupled to a spectrometer to supplement lifetime with spectral information. However, the main limitation of single-pixel imaging is the speed of the acquisition and/or image restoration that is, as of today, not compatible with real-time applications. This thesis investigates fast acquisition/restoration schemes for single-pixel camera targeting biomedical applications. First, a new acquisition strategy based on wavelet compression algorithms is reported. It is shown that it can significantly accelerate image recovery compared to conventional schemes belonging to the compressive sensing framework. Second, a novel technique is proposed to alleviate an experimental positivity constraint of the modulation patterns. With respect to the classical approaches, the proposed non-negative matrix factorization based technique permits to divide by two the number of patterns sent to the spatial light modulator, hence dividing the overall acquisition time by two. Finally, the applicability of these techniques is demonstrated for multispectral and/or time-resolved imaging, which are common modalities in biomedical imaging.

L'acquisizione di immagini tramite single-pixel camera è un concetto recente che permette di ottenere immagini ad un costo relativamente basso e di realizzare la compressione dei dati durante l'acquisizione. L'architettura di una single-pixel camera comprende due soli elementi: un modulatore spaziale di luce ed un sensore puntuale. L'idea consiste nel modulare la scena osservata (immagine) con un certo pattern luminoso e di focalizare la luce in uscita dal campione sul sensore. Infine, elaborando la sequenza di misure ottenute con diversi pattern è possibile ricostruire l'immagine desiderata. L'acquisizione di immagini tramite single-pixel camera presenta diversi vantaggi per varie applicazioni ed in particolare nel campo biomedicale. Ad esempio, permette di realizzare un sistema di imaging risolto nel tempo a basso costo per la mappatura del tempo di vita di fluorescenza. Tale configurazione può anche essere accoppiata ad uno spettrometro aggiungendo, così, l'informazione spettrale. Tuttavia, la limitazione principale della single-pixel camera è la velocità di acquisizione e/o ricostruzione delle immagini che, ad oggi, non è compatibile con le applicazioni che richiedono di essere realizzate in tempo reale. Lo scopo di questa tesi di dottorato è lo sviluppo di metodi rapidi di acquisizione e ricostruzione delle immagini per applicazioni in campo biomedico. In primo luogo, si propone una strategia di acquisizione delle immagini sulla base di algoritmi di compressione nel dominio wavelet. Questo approccio permette di ricostruire più velocemente l'immagine rispetto ai metodi di acquisizione tradizionali basati sul compressed sensing. In secondo luogo, un altro metodo permette di utilizzare solo patterns positivi. Rispetto agli approcci tradizionali, questo metodo basato sulla fattorizzazione matriciale non-negativa permette di dimezzare il numero di pattern inviati al modulatore spaziale di luce e, quindi, il tempo complessivo di acquisizione. Infine, l'applicabilità di queste tecniche è dimostrata nel campo dell’imaging biomedico tramite misure multispettrali e/o risolte nel tempo.