シングルピクセルイメージングは、圧縮センシング関連のアルゴリズムと組み合わせて、空間分解能のないバケット型検出器のサンプル値のごく一部を利用して、被写体の高品質な画像を再構成することが可能である。しかし、ランダムに選択された投影スペックルシーケンスでは、より低いサンプリング率でのイメージングは困難である。極めて低いサンプリング率でのシングルピクセルイメージングの性能向上を図るため、本論文ではデータ駆動型のハダマード行列並べ替え方式を提案した。データセット全体の学習効果を利用して透過したスペックル信号列を適応的に選択し、再構成過程で2種類の異なる圧縮センシング関連アルゴリズムを用いて、数値シミュレーションおよび実験条件下で5％の超低サンプリング率で被写体の画像再構成を実現した。さらに、現在最適なハダマード行列並べ替え方式と比較したところ、1％～5％のサンプリング率で本方法の再構成効果が優れていることを発見した。本研究成果は単一ピクセルイメージングのイメージング速度を向上させるために利用可能であり、イメージング誘導や医療イメージングにおいて大きな応用可能性を持つ。

ゴーストイメージング;シングルピクセルイメージング;圧縮センシング;ハダマード行列並べ替え;データ駆動