基于拉普拉斯算子的综合孔径辐射计成像算法

成像反演是综合孔径辐射计的一项关键内容.然而,综合孔径辐射计成像反演是病态的反问题.虽然传统的正则化方法能有效克服其病态性,但依然存在较大的重构误差.为了进一步降低重构误差,提出一种基于拉普拉斯算子的综合孔径辐射计成像算法.与传统的单参数正则化不同,该算法通过引入拉普拉斯算子项,对差分亮温构造拉普拉斯混合正则化,并利用...     

CGLS 算法在综合孔径微波辐射计中的应用

高效的反演成像算法是综合孔径微波辐射计的关键技术之一。由于综合孔径微波辐射计反演成像在数学上是病态的反问题,所以需要进行正则化处理以克服其病态特性而获得稳定的解。与直接正则化方法相比,共轭梯度最小二乘(Conjugate Gradients Least Squares, CGLS)迭代法具有无须明确正则化参数、无须对传递矩阵求逆等优点。提出将共轭梯度最小二乘法应用于综合孔径辐射计成像中,并基于全极化干涉式微波辐射计(Full Polarization Interferometric Radiometer, FPIR)系统,比较了其与经典的最小范数正则化的性能。仿真结果表明:与最小范数正则化相比,CGLS 正则化算法能有效降低FPIR 系统图像反演误差,以获取高精确度的观测场景的亮温分布满足FPIR 系统探测海面风场、海表面盐度和土壤湿度等应用需求。     

基于双模型的综合孔径辐射计成像反演方法

针对综合孔径成像中,基于单一模型的成像反演方法难以有效应对模型误差,进行准确图像重构的问题,提出了一种基于双模型(DM)的综合孔径成像反演方法,用于校正反演模型的参数误差,并对目标场景进行高精度的毫米波图像重构。鉴于傅里叶变换(MFFT)模型和G 矩阵(GM)模型参数敏感性不同的特性,提出的DM方法首先通过比较两种模型的重构误差,对存在误差的成像参数进行准确校正;然后在精确GM模型的基础上,借助改进的正则化方法重建出高精度的目标图像。经仿真实验证明,相比于传统的单模型成像方法,提出的DM方法能够有效校正成像模型的参数误差,并对目标场景进行高精度的毫米波图像重构。     

一种基于稀疏先验的综合孔径展源辐射成像统计反演方法

确定性的综合孔径辐射计反演方法没有考虑亮温分布先验信息的统计特性.针对亮温分布具有非连续特性的展源,本文提出了一种基于稀疏先验的综合孔径展源辐射成像统计反演方法.根据该方法,采用修正的差分算子提取亮温非连续分布展源中隐含的稀疏先验,建立稀疏先验概率分布的多层先验等效高斯模型,将图像反演等效为该模型超参数估计,并采用期望最大化算法估计该模型超参数.仿真和实验结果表明:与现有的综合孔径辐射计确定性反演方法相比,本文提出的反演方法不仅能有效提高反演图像的准确度,而且对综合孔径辐射计的各种误差鲁棒性更强.     

基于加权最小二乘正则化方法的混合滤波器组最优化设计

模拟分析滤波器的实现误差以及数字综合滤波器有效阶数实现的设计误差造成的病态问题都将影响混合滤波器组(HFB)的重构效果.提出一种新的满足近似完美重构的基于加权最小二乘(WLS)正则化算法的IIR形式综合滤波器设计方法.该算法根据误差量二阶统计特性采用WLS算法抑制滤波器实现误差以及随机噪声等扰动因素影响,使得到的综合滤波器组频域响应解的加权误差平方和最小化,并通过Tikhonov正则化方法优化解的稳定性.提出一种IIR类型综合滤波器设计算法,并利用正则化方法优化滤波器系数,减小设计误差.该方法可应用于过采样HFB的设计.仿真结果表明该算法的有效提高系统鲁棒性和改善重构性能.     

基于加权总体最小二乘正则化方法的混合滤波器组最优化设计

模拟分析滤波器组的实现欠理想、系统噪声以及数字综合滤波器有效阶数实现所带来的系统误差均有可能造成混合滤波器组的设计出现解不稳定、无唯一解等病态问题,影响混合滤波器组的准确重构效果。本文首先给出了满足准确重构条件下,以综合滤波器组频域响应为求解变量的混合滤波器组线性求解模型。针对线性方程中系数矩阵以及目标向量受扰动误差影响特点,提出一种新的基于加权总体最小二乘正则化算法的IIR形式综合滤波器设计方法。算法以系统扰动误差最小化为目标函数,根据随机误差变量的二阶统计特性,采用加权总体最小二乘算法抑制滤波器实现误差以及随机噪声等扰动因素影响,使得到的综合滤波器组频域响应解的加权误差平方和最小化,并通过Tikhonov正则化方法优化病态情况下方程组解的稳定性。提出一种IIR类型的综合滤波器系数的求解算法,并利用正则化方法优化滤波器系数,提高系统稳定性。该方法可应用于过采样混合滤波器组的设计。仿真结果表明该算法的有效提高系统鲁棒性和改善重构性能。      

基于自适应权重GPSR算法的ISAR成像

为了提高ISAR成像运算效率,本文提出一种自适应权重GPSR(AW GPSR)算法,并用于ISAR成像。该算法为加快参数重构的收敛速度,给ISAR图像中每个散射点都赋予正则化权重系数。对于幅度较小的散射系数,赋予较大的权重,使其快速减小为0;对于幅度较大的散射系数,给予较小的权重,使其在迭代中保持不变。在梯度下降迭代过程中,不断更新散射系数和正则化权重。本文采用仿真信号和实测信号进行ISAR成像实验,实验结果表明,相比常规GPSR算法,AW GPSR算法达到收敛的速度更快,成像时间降低了约23%。在成像效果方面,AW GPSR算法与常规GPSR算法相当,但明显好于传统的R-D算法和ESPRIT算法。     

综合孔径辐射计反演成像算法研究

高效的反演成像算法是综合孔径辐射计成像的关键技术之一。提出一种基于视场细分的改进反演成像算法,将视场细分成多个矩形子区域,利用反演亮温与可视度函数的傅里叶变换关系,得到每个子视场的反演亮温。通过理论证明和仿真计算表明:该算法可使系统中未消除的误差分量对亮温反演的影响最小,与常用的BG算法对比分析:表明了新算法的正确性和有效性,且计算速度快。     

基于粒子群优化的正则化水下图像盲复原

水下图像恢复的难点在于缺少海水的点扩展函数的足够信息,而导致病态的问题.为了提高水下激光成像系统的成像质量,提出了用粒子群优化正则化参量的盲图像复原算法.该方法结合Tikhonov正则化和改进的全变分正则化的技术特点,使用一种交替迭代方法,分别估计点扩展函数和估计复原图像,同时用粒子群算法优化正则化参量.结果表明,该方法对水下图像复原具有较好的鲁棒性,算法收敛稳定.     

基于NUFFT 算法的综合孔径辐射计图像反演方法

圆形阵列和旋转阵列排布方式的提出是为进一步降低综合孔径辐射计成像系统的复杂度和成本,然 而其缺陷在于过于复杂的亮温图像反演过程,因为该阵列排布方式下的采样样本不是均匀分布于整个采样平面,常 规的标准傅里叶变换不能直接运用于此反演过程。提出了一种非标准快速傅里叶变换(NUFFT)算法,用于非均匀 采样样本的综合孔径辐射计图像反演计算,该算法结合了高斯栅格算法和对过采样样本的快速傅里叶变换算法,仿 真结果表明该算法能够准确地得到反演图像。     

一种基于全变分正则化低秩稀疏分解的动态MRI重建方法

针对应用迭代软阈值(IST)算法对基于低秩稀疏矩 阵(L＋S,low rank and sparse)分解模型的动态磁共振成像(MRI)图像 进行重建存在重建精度一般和重建速度慢的问题,提出在矩阵L＋S分解模 型的基础上引入全变分(TV)正则项,达到进一步去噪声和去伪影,提高重建精度目的;利用 非精确增广拉 格朗日算法(IALM)达到快速重建的目的。通过对心脏灌注动态MRI成像和心电影MRI成 像的仿真实 验表明:对于L＋S低秩稀疏矩阵分解模型的重建,IALM比IS T算法速度更快,精度更高;模型引入TV正则项 后再利用IALM重建,重建速度虽然比之前的IALM有所降低,但依然优于IST算法, 并且重建精 度高于之前的IALM。在L＋S分解模型中引入TV正则项 提高了MRI重建精度,运用IALM进行求解加快了重建速度,结合TV正则项和IALM达到了 快速、高精度重建的目的。     

改善非均匀介质重建中解稳定性的方法

本文提出了改善轴对称二维非均匀介质重建中解稳定性的方法，第一，通过迭代算法本身改善解的稳定性；第二，提出一种混合玻恩迭代方法，它既提高解的收敛性也改善解的稳定性；第三，通过改变正则化方法中正则化参数来改善解的稳定性。我们也研究了最小二乘法中解的稳定性和收敛性。给出几个数值例子用来显示这些方法的优越性。     

基于深度迭代网络的穿墙雷达成像方法

联合墙杂波抑制及图像重建迭代求解方法为当前较前沿的穿墙雷达成像(through-the-wall radar imaging, TWRI)算法,能够同时抑制墙体杂波和重构目标图像,但仍存在收敛速度慢、人工干预过多以及对初值的选取敏感等问题,难以快速精确地进行目标成像. 针对上述问题,本文提出一种联合低秩与稀疏分解驱动的可学习深度迭代网络的TWRI方法. 该方法利用穿墙雷达场景下墙体杂波的低秩特性以及待重建目标图像的稀疏特性,首先将穿墙雷达成像问题建模为联合低秩与稀疏分解的正则化优化问题,然后采用变分框架和轮换策略将优化问题转化成两个准线性优化子问题并推导其更新公式,最后将上述迭代更新公式映射到网络结构中,展开成深度迭代网络模型并采用端到端学习策略,形成融合物理模型的可学习深度迭代网络框架. 仿真结果表明该方法能够有效抑制墙体杂波,相对于其他方法显著提高了目标成像精度和速度.     

联合LDPC解码的宽带电力线信道噪声抑制迭代方法

宽带低压电力线信道的噪声干扰很强,严重影响通信系统性能。本文提出一种联合LDPC解码的宽带电力线信道噪声抑制迭代方法。该方法利用LDPC解码与迭代噪声抑制相互促进的特点,在传统迭代噪声抑制算法基础上,通过增加LDPC解码器来对接收端均衡后的信号进行解码,以抑制信号中的干扰噪声,提高迭代过程中噪声估计的准确性,改善噪声抑制性能。本文方法的迭代收敛较快,噪声抑制性能好。仿真实验验证了本文方法的有效性。      

Fast MR image reconstruction for partially parallel imaging with arbitrary k-space trajectories

Both acquisition and reconstruction speed are crucial for magnetic resonance (MR) imaging in clinical applications. In this paper, we present a fast reconstruction algorithm for SENSE in partially parallel MR imaging with arbitrary k-space trajectories. The proposed method is a combination of variable splitting, the classical penalty technique and the optimal gradient method. Variable splitting and the penalty technique reformulate the SENSE model with sparsity regularization as an unconstrained minimization problem, which can be solved by alternating two simple minimizations: One is the total variation and wavelet based denoising that can be quickly solved by several recent numerical methods, whereas the other one involves a linear inversion which is solved by the optimal first order gradient method in our algorithm to significantly improve the performance. Comparisons with several recent parallel imaging algorithms indicate that the proposed method significantly improves the computation efficiency and achieves state-of-the-art reconstruction quality.     

A regularized inverse approach to ultrasonic pulse-echo imaging

An inverse-theoretic approach to ultrasonic pulse-echo imaging based on nonquadratic regularization is presented, and its effectiveness is investigated computationally by: 1) evaluating the quality of the reconstruction of speckle-based images as a function of the transmit-receive bandwidth and focal number of the transducer; 2) comparing the reconstructed images with those obtained by using conventional B-mode imaging. The L-curve and the generalized cross-validation methods were evaluated as automatic regularization parameter selection techniques. The inversion using regularization produced better results than conventional B-mode imaging for high signal-to-noise ratios (SNRs). A lower bound of 30 dB for the SNR was found for this study, below which several of the image features were lost during the reconstruction process in order to control the distortion due to the noise.     

基于DAWGAN-GP的磁共振图像重构方法研究

本文提出了一种基于改进Wasserstein生成式对抗网络（De-aliasing Wasserstein Generative Adversarial Network with Gradient Penalty,DAWGAN-GP）的磁共振图像重构算法,该方法利用Wasserstein生成式对抗网络代替传统的生成式对抗网络,并结合梯度惩罚的方法提高训练速度,解决WGAN收敛缓慢问题.此外,为了有更好的重构效果,我们将感知损失,像素损失和频域损失引入至损失函数中进行网络训练.实验结果表明,对比现有的基于深度学习的磁共振图像重构算法,基于DAWGAN-GP的磁共振图像重构方法具有更好的重构效果,可获得更高的峰值信噪比（Peak Signal to Noise Ratio,PSNR）和更好的结构相似性（Structural Similarity Index Measure,SSIM）.     

Spatially adaptive high-resolution image reconstruction of DCT-based compressed images

The problem of recovering a high-resolution image from a sequence of low-resolution DCT-based compressed observations is considered in this paper. The introduction of compression complicates the recovery problem. We analyze the DCT quantization noise and propose to model it in the spatial domain as a colored Gaussian process. This allows us to estimate the quantization noise at low bit-rates without explicit knowledge of the original image frame, and we propose a method that simultaneously estimates the quantization noise along with the high-resolution data. We also incorporate a nonstationary image prior model to address blocking and ringing artifacts while still preserving edges. To facilitate the simultaneous estimate, we employ a regularization functional to determine the regularization parameter without any prior knowledge of the reconstruction procedure. The smoothing functional to be minimized is then formulated to have a global minimizer in spite of its nonlinearity by enforcing convergence and convexity requirements. Experiments illustrate the benefit of the proposed method when compared to traditional high-resolution image reconstruction methods. Quantitative and qualitative comparisons are provided.     

四元数域干扰加噪声协方差矩阵重构鲁棒自适应波束形成

基于电磁矢量传感器阵列的四元数Capon波束形成器较传统的复数域Capon波束形成器有更好的性能。但是该方法在存在指向误差和极化失配的情况下性能急剧下降,甚至会出现信号相消现象。本文将协方差矩阵重构方法推广于四元数Capon波束形成中,通过利用Q-Capon的极化-角度谱估计得到干扰和噪声的功率来对干扰加噪声协方差矩阵进行重构,避免了对角加载方法中对对角加载因子的求解,而且能够有效克服指向误差与极化失配带来的性能下降。计算机仿真表明,该方法相较于其他四元数域的方法有着更好的性能。