基于压缩感知归一化关联成像实现目标重构

在归一化关联成像的基础上,结合压缩感知理论,提出了基于压缩感知的归一化关联成像方法。该方法首先对物臂的桶探测值进行归一化处理,并由散斑场构造测量矩阵;然后采用正交匹配追踪算法,在低测量次数下优质量地还原出了物体的像。实验中采用灰度图像及二值图像作为成像目标,以峰值信噪比作为衡量标准,分别对传统关联成像,归一化关联成像及压缩感知归一化关联成像的重构效果进行了量化对比。仿真实验结果表明,对于细节较为丰富的灰度图像,压缩感知归一化关联成像的峰值信噪比较传统方法高6dB左右,比归一化关联成像方法提高了2dB左右;对于细节较少的二值图像,其峰值信噪比较归一化关联成像法高3.4~4.3dB,比传统法高5.2~6.5dB。最后,采用实际电荷耦合元件测得的散斑场构造了测量矩阵,实验结果进一步验证了基于压缩感知的归一化关联成像算法能提高重构质量。     

基于压缩感知重构算法的关联成像系统研究

通过对关联成像原理的研究,提出了一种基于随机相位板的高效赝热光制备技术和基于压缩感知的图像重构算法,并最终搭建了等臂非预置的关联成像系统。实验结果表明,赝热光制备方法和压缩感知图像重构方法能够满足高质量关联成像系统要求。     

双臂对称性对压缩传感用于关联成像重构的影响

根据压缩传感理论和关联成像模型,将压缩传感理论应用于关联成像中,实现了传统的双臂关联成像的压缩传感重构。通过仿真实验验证了压缩传感用于关联成像的可行性,以峰值信噪比（PSNR）为衡量指标,分别对压缩传感和传统关联算法的重构图像质量进行了量化。仿真实验表明,压缩传感和关联算法的重构效果均随测量次数的增加而变优,在相同的测量次数下,压缩传感在关联成像中的重构图像的PSNR比传统的关联重构图像高20 dB以上。将压缩传感用于实际双臂关联成像的实验结果表明,压缩传感可以实现双臂关联成像装置的图像重构,但其重构质量很难优于传统关联算法的重构。针对这一实际实验与仿真实验似乎相矛盾的特殊现象,从双臂对称性的角度进行了合理解释,并利用实验中实际的散斑场对该现象进行了验证,最后提出了解决方案。     

推扫式高光谱谱间压缩感知成像与重构

提出一种推扫式谱间压缩采样的高光谱成像系统,用于实现高光谱图像的压缩感知成像,并对该系统成像的重构算法进行了研究。在图像采集阶段,采用棱镜对地面成像行的像素进行谱带分离,然后利用数字微镜器件实现谱带的线性编码,通过柱面透镜完成编码谱带的叠加。压缩采样数据重构时,不像传统的压缩感知重构方法那样直接重构高光谱数据,而是利用线性光谱库混合模型将重构高光谱数据转换成重构丰度系数矩阵,采用交替方向乘子法求解丰度的优化问题,再根据重构的丰度和高光谱库恢复原数据。与标准压缩感知重构算法的对比实验表明,该方法在压缩采样数据为总数据的20%时,重构的平均峰值信噪比比标准压缩感知提高了18dB。所设计的成像系统采样方式简单,可应用于星载或机载的高光谱压缩感知成像。     

高光谱图像的分布式压缩感知成像与重构

根据高光谱数据的特点,提出了一种基于像元的分布式压缩采样模型来实现高光谱图像的有效压缩采样与重构。搭建了能实现该模型的压缩采样光谱成像系统,并研究了用于该系统成像的重构算法。在图像采集阶段,将高光谱数据分为参考像元和压缩感知像元;地面像元的辐射能通过棱镜进行谱带分离,再利用数字微镜器件实现谱带的线性编码。对压缩感知像元进行低采样率的线性编码,对参考像元进行采样率为1的线性编码。压缩采样数据重构时,不再采用传统方法直接重构高光谱数据,而是利用线性混合模型将重构高光谱数据转换成端元提取和丰度估计,然后根据重构的端元和丰度恢复原数据。对比实验表明,在压缩采样数据为总数据的20%时,重构的平均信噪比提高了10dB。所设计的成像系统应用压缩感知理论减少了采集的数据量,采样方式简单,可应用于星载或机载的高光谱压缩感知成像。     

基于压缩感知关联成像的目标检测技术

高效率的目标检测是视觉应用的重要技术,但运动目标的提取易受环境的影响。关联成像能够解决特殊环境下难以获得清晰图像和一些常规成像技术不易解决的问题。在目标检测中,利用关联成像采集图像信息并运用背景差分法在压缩域中获得目标图像的测量值,直接通过压缩感知重构出目标图像。这种方法可以解决在特殊情况下无法检测到目标的问题,同时检测到的目标图像清晰,采样次数少,信噪比也较高。     

非均匀磁共振压缩成像的交替方向乘子法

为了缩短磁共振成像的扫描时间、提高成像质量,提出一种在压缩感知框架下的非均匀磁共振压缩图像交替方向乘子算法。该方法联合考虑磁共振成像(MRI)图像在变换域和梯度域下的稀疏性,并使用非均匀傅里叶变换实现插值处理,在此基础上构建出MRI图像重构模型,然后采用交替方向乘子法求解该模型。该算法引入辅助变量,将原始模型中的优化问题分解为更容易求解的子优化问题,再使用交替方向最小化方法分别求解。通过一个乐高积木和一个老鼠心脏的径向MRI压缩成像实验来验证算法的有效性。实验中利用磁共振图像从5%到30%(步进为1%)的欠采样数据进行图像重建,并采用重构图像与原始图像的结构相似度评价重构图像质量,结果显示基于该方法的压缩成像算法重构图像质量显著优于基于回溯线搜索的共轭梯度法的重构图像。同时,以峰值信噪比作为图像质量的评价指标对两种算法下的老鼠心脏重构图像进行比较,依然得到相同的结论。     

基于压缩感知的频域OCT图像稀疏重构

为了减轻频域光学相干断层扫描成像(Frequency Domain Optical Coherence Tomography,FD-OCT)中高数据量导致的后续数据采集与处理系统的压力,同时解决成像时间和成像质量之间的矛盾,引入了压缩感知技术,并对该技术中的重构算法进行了重点研究。首先,通过分析压缩感知技术的框架,利用离散余弦变换(Discrete Cosine Transform,DCT)获得频域OCT图像的稀疏表示。接着,利用高斯随机矩阵对OCT图像进行线性观测。然后,研究了FOCUSS(Focal Underdetermined System Solver)重构算法的原理,并在算法中结合分块思想、引入正则项lp范数以及嵌入各向异性平滑算子。最后,组合所有小图像块,得到整幅频域OCT图像的压缩感知重构结果。实验结果表明:改进重构算法的运行时间由78.65 s缩短为1.89 s,并且显著改善了图像块效应,将重构图像的PSNR值提高了1.6～2.7 dB,SSIM值可达到0.938 3。压缩感知技术可以用较小的采样数据量精确重构出原始频域OCT图像,改进FOCUSS重构算法可以在一定程度上实现频域OCT图像重构效率和重构质量的平衡。     

基于压缩感知的非均匀脉冲SAR欺骗性干扰抑制方法

针对SAR欺骗式干扰的特点和传统干扰抑制后SAR成像质量恶化以及传统干扰抑制方法存在着冗余度高、有效信息提取率低等问题,本文提出了将两种新的稀疏采样方式-互质采样与嵌套式稀疏采样同压缩感知算法相结合,用来抑制欺骗式干扰并实现目标高分辨重建的方法。通过仿真实验,对比了本文提出的新重构算法与传统非均匀采样重构算法,证明了在采样率远低于Nyquist速率的条件下,基于压缩感知的稀疏非均匀SAR采样与成像方法不但可以抑制欺骗式干扰,而且能够在避免信号冗余的情况下实现目标的高分辨成像。     

结合压缩感知和曲波的天文图像去噪

在天文图像去噪中,为了提高迭代曲波阈值算法的去噪重建性能,提出了基于循环平移和曲波维纳滤波的压缩感知迭代重构算法。首先,使用基于曲波阈值的循环平移方法对重构图像进行调整以抑制重构图像中的伪吉布斯效应;接着,用提出的曲波维纳滤波算子替代小波阈值在迭代过程中对图像曲波系数进行筛选以进一步提高重构图像的质量。通过对添加高斯白噪声的Lena图像和月球图像进行重构实验,分析本文算法和当前主流算法的性能。实验结果表明,与传统的压缩感知迭代曲波阈值算法相比,本文算法能够获得较优的去噪性能,有效地保护天文图像的细节信息,峰值信噪比大约提高了2.6~3.2dB。     

基于压缩感知理论的MEMS陀螺仪信号降噪研究

通过分析传统小波阈值滤波的局限性,将基于压缩感知的小波滤波方法应用于低精度MEMS(micro electro mechanicalsystem)陀螺仪信号降噪中,并与小波阈值滤波方法进行了实验对比,实验结果表明:基于压缩感知的小波滤波方法可以有效地去除MEMS陀螺仪输出信号中的噪声,并且在压缩比较大时基于压缩感知的滤波方法去噪效果优于小波阈值滤波方法,改善了低精度MEMS陀螺仪零偏稳定性,为工程中解决低精度MEMS陀螺仪降噪问题提供了新思路。     

低采样关联成像研究现状及发展

关联成像是一种基于光场二阶或高阶关联的主动间接成像技术,具有灵敏度高、抗干扰能力强等特点,在生物医学成像、遥感成像、海洋探测等领域有着重要的利用价值。然而,关联成像过程中对采样数的要求导致采样时间长、成像速度慢。如何在低采样的情况下获得高质量的图像重构依旧是关联成像在实际应用中需要解决的问题之一。详细阐述了关联成像的原理并介绍了近几年低采样关联成像的进展情况,如以深度学习为主的计算关联成像的理论及实验研究成果,并对关联成像的应用进行了总结和展望。     

细节保留的多曝光图像融合

针对传统的多曝光图像融合算法存在的细节丟失严重和鬼影现象,提出了一种细节保留的多曝光图像融合算法。该算法首先计算曝光序列的3个特征指标:图像细节、曝光亮度和色彩信息,其中图像细节通过引导滤波计算,曝光亮度的权值由高斯方程分配,而曝光序列的色彩信息用色彩饱和度表示。然后,利用差分图和邻域相关系数检测多曝光序列中运动物体,利用3个特征指标和运动目标检测结果分别计算静态场景和动态场景的融合权值图。为了消除噪声的影响,采用递归滤波器来修正融合权值图。最后,采取加权融合的方式得到融合图像。选取10组不同的曝光序列,分别从主观和客观两方面与6种传统的融合算法进行了比较。实验结果表明,本文算法保留了丰富的细节信息,呈现出了更加生动自然的现实场景,并且有效去除了由运动物体产生的鬼影现象,效果优于其他比较算法,在静态场景和动态场景的曝光融合中都取得了好的效果。     

机械振动信号分块自适应压缩感知算法

为提高振动信号分块压缩感知过程中的信号重构效果,提出了机械振动信号的自适应分块压缩感知算法。首先将信号分割,构造信号矩阵,并利用K-SVD构造与信号矩阵相适应的冗余字典;然后根据不同信号块在冗余字典下匹配追踪系数的衰减速度,定义不同信号块的复杂度权值;最后以复杂度权值为依据,制定自适应的压缩感知采样策略,在保证振动信号的整体采样率不变的同时,自适应分配不同信号块的观测数目。将该算法应用于机械振动信号压缩感知,与传统压缩感知算法以及其他自适应压缩感知算法相比,信号重构的精度得到提高。     

基于形态学可变结构元素的遥感图像边缘检测方法（英文）

利用单一结构元素对遥感图像进行形态学边缘检测时,可能会出现边缘不完整、抑制噪声能力差等问题。为此,提出了一种基于可变结构元素的遥感图像形态学边缘检测方法。首先,依据遥感图像目标的多样性,构造不同尺度和包含多方位的结构元素,以此可变结构元素为基础,构建相应的形态学运算,对遥感图像进行Top-hat和Bottom-hat变换,抑制目标背景中的噪声,突出图像目标边缘;然后利用构造的可变结构元素进行形态学边缘检测,获得多幅具有不同尺度和方位边缘特征的图像;最后对各个方向边缘进行加权求和得到图像边缘,运用最小二乘法对其边缘进行拟合,从而精确地定位出目标边缘轮廓。实验结果表明,本文方法能够检测到完整的遥感图像边缘信息,边缘检测精度较高,抗噪性能优越,相比经典边缘检测算子和单一结构元素的形态学边缘检测方法,图像边缘检测效果较好,检测精度达到95%。     

强吸收弱散射介质下的鬼成像实验研究

为了提高复杂环境下的成像质量,通过鬼成像的方法,设计出相应的实验架构。为了更直观地描述成像质量,引入参数峰值信噪比(PNSR)来具体衡量成像质量。实验结果表明,散射噪声对鬼成像没有影响,同时,在散射不变而吸收性不断增强的情况下,鬼成像相比于传统成像,成像质量更加稳定,抗干扰能力更强。     

基于全变分法重建光声图像

针对光声成像在实际应用中涉及的采样数据不足,提出了一种基于全变分法的光声图像重建方法。通过计算重建图像的模拟信号与实际信号的残差来更新图像,进行迭代以获取重建图像。在迭代重建的过程中引入压缩传感理论中的全变分法,通过梯度下降法得到全变分最小的图像。通过数值仿真,模拟了在不足采样情况下的图像重建。结果表明,全变分重建法的重建效果比滤波反投影法、反卷积重建算法及代数重建算法等3种方法更好。在30个采样点的情况下,重建图像的峰值信噪比值比上述3种算法的重建结果分别高出30.98,22.09和8.35 dB。另外,仿体实验结果也表明该方法能更有效地避免噪声的干扰。