基于TV范数的压缩感知光偏折层析重建

针对光偏折层析的稀疏投影重建问题,本文将偏折角转化的迭代算法与TV范数的压缩感知相结合重建被测场.该算法使用被测量场的全变差作为稀疏度的先验模型,并结合最速下降法来调整全变差,稍微调整梯度下降法的步长,并用一致性控制步长以使梯度下降.在8个方向投影的条件下,模拟了三峰高斯温度场,用不同步长的算法进行了重建,并在同一条件下对不同的算法进行了比较.实验结果表明,一致性控制步长算法的重建质量更好,可以更有效地抑制噪声.     

一种不完全投影图像重建的快速迭代算法

为了保证不完全投影数据的重建图像质量,同时提高重建速度,提出了一种基于共轭梯度法的快速迭代算法.通过实时获取投影矩阵分量,以固定步长替代共轭梯度法中一维搜索最优迭代步长,在确保质量的同时缩短重建时间.利用模拟投影数据和实际导弹断层扫描数据进行图像重建,结果表明,与卷积反投影和代数重建法相比,此算法特别适用于扇形扫描的不完全投影数据的图像重建,在保证重建图像拟合度的同时,大大提高了重建速度.     

基于谱投影梯度的电容层析成像图像重建算法

针对图像重建问题,基于谱投影梯度算法对电容层析成像系统进行图像重建算法。该算法结合ECT的工作原理,以方向追踪为目标,根据谱投影梯度计算更新方向和步长,同时为了避免因收敛导致局部最优解,引入了非单调搜索策略,使精度与速度达到平衡。通过该算法对典型的流型进行仿真实验,并与传统LBP算法对比,结果表明该算法的重建精度得到提高,该方法为ECT图像重建提供了一个新的研究思路。     

压缩感知的天文图像去噪算法

针对压缩感知迭代收缩阈值算法在图像处理中存在收敛速度慢和去噪性能差的缺陷,提出了一种改进的高性能迭代收缩阈值天文图像去噪重建算法.首先,使用经典最速下降法中的BB线性搜索步长算子加快迭代收缩阈值算法的收敛速度;其次,为了进一步提高重构天文图像的质量,在传统Visu Shrink收缩阈值的基础上,提出一种下降Visu Shrink收缩阈值对图像信息进行筛选;由于阈值去噪方法在迭代重建的过程中会导致重建的图像中出现伪吉布斯效应,最后采用循环平移的方法在每次迭代过程中对获取的重建图像进行调整.多次的试验结果表明,与传统的压缩感知迭代收缩阈值算法相比,所提出的算法不仅能够获得较优的去噪性能和较快的收敛速度,同时可以有效地保护天文图像的特征和纹理等细节信息.此外,当选取的压缩采样比较低时,本算法也可以获得相对较高的峰值信噪比和视觉质量,进一步验证了本算法在天文图像去噪中的有效性.     

高噪声遥感图像稀疏去噪重建

高噪声遥感图像去噪一直是遥感领域研究的一个重要难题,为进一步提高高噪声遥感图像的重建质量,在经典的压缩感知迭代小波阈值算法的基础上,提出了一种改进迭代小波阈值算法.首先,提出一种自适应小波滤波算子在图像稀疏变换过程中对获取的遥感图像小波系数进行筛选,去除图像中的部分噪声信息;其次,使用提出的下降BayesShrink阈值在每次迭代过程中对获取的小波系数进行二次筛选过程;最后,使用改进的块稀疏全变差方法对获得的重建图像进行调整以进一步提高重建遥感图像的质量.试验结果表明,该算法的去噪重建性能优于经典的压缩感知迭代小波阈值算法,可以从高噪声图像中重建一幅高质量的遥感图像,验证了该算法的有效性.此外,该算法能够有效地保护遥感图像的边缘和纹理等重要特征信息.在低压缩采样比情况下,该算法也能够获得相对较高的峰值信噪比和视觉质量.在卫星地面接收站,该算法可直接使用获取的少量含噪遥感图像数据重建一幅清晰的遥感图像.     

图像重建中的一种加速投影算法

投影算法是解决凸集图像重建问题最普遍的工具,该算法主要有循环投影算法和平行投影算法,前者的核心思想是计算初始估计量到集合上的周期性投影,后者则是在每次迭代中都需要计算到所有集合上的投影。平行投影算法虽然通过并行操作提高了收敛速度,但是每次迭代步长依然局限于(0,2),这在一定程度上影响了它的收敛。为了寻求收敛速度更快,重建效果更好的加速投影算法,对平行投影算法进行改进,通过引入外推因子,提出一种加速投影算法,并在相应条件下证明新算法的收敛性。新算法使得每次的迭代步长均大于2,从而保证每次迭代的结果更加靠近解集。实验结果也表明,新提出的加速投影算法比平行投影算法收敛速度更快并且效率更高。     

压缩感知的高分辨率天文图像去噪

为提高高分辨率天文图像的重构质量,在传统压缩感知(compressed sensing,CS)迭代小波阈值算法的基础上,提出了一种基于小波维纳滤波的压缩感知去噪重构算法.该算法的设计方法为:在每次迭代过程中,使用设计的小波维纳滤波算子替代传统的小波阈值算子对获得的天文图像小波系数进行筛选,从而对小波阈值去噪方法重建图像过程中出现的伪吉布斯现象进行有效地抑制;然后使用全变差方法对去噪重建后的天文图像进行调整,以进一步提高重构图像的质量.仿真实验结果表明,与传统的迭代小波阈值算法相比,本算法可以获得较优的去噪重建性能,并且能有效地保护高分辨率天文图像的细节特征信息.此外,在压缩比较高的情况下,该算法仍然可以获得相对较高的视觉质量和峰值信噪比.     

一种粮粒图像快速重构方法

针对粮情实时检测过程中图像清晰度下降,给后续分析造成困难的问题,提出一种新的图像重建记忆梯度追踪(MGP)算法,用于减少压缩感知方向追踪算法的重构时间并提高重构精度。该算法结合正则化正交匹配追踪(ROMP)的元胞生成方法,利用非单调非精确阿米霍线搜索方法确定迭代步长,利用MGP算法锁定搜索方向,可以在保证图像重构精度的同时,缩短重构时间。对原有MGP算法的方向参数公式进行了推导和改进,得到了效率更高的计算公式,使得算法的运行时间较共轭梯度追踪算法节省30%,并可精确重构二维粮粒图像信号。本算法的运行结果表明,在相同硬件平台下,其二维粮粒图像信号的重构性能优于其他的同类重构算法。     

改进的共轭梯度MRI压缩成像算法

为了缩短磁共振成像系统的扫描时间,压缩感知方法利用欠采样数据和非线性恢复算法实现系统的实时或准实时成像需求。通过联合考虑MRI图像在变换域和梯度域下的稀疏性,提出了一种基于预测线搜索方法的共轭梯度算法来重建磁共振图像。针对共轭梯度算法中线搜索次数过多和运行时间过长问题,采用基于预测的方法来优化搜索步长值,以此缩短算法执行时间和减少线搜索次数。仿真实验利用磁共振图像的10%、20%和30%的下采样数据进行图像重建,结果显示基于该预测线搜索方法的压缩成像算法执行时间少于回溯线搜索法的执行时间,重构图像质量优于零填充法和FR共轭梯度法,验证了该算法的有效性。     

压缩编码孔径红外成像超分辨重建

为了利用低分辨率红外探测器获取高质量图像信息,对基于频谱面的压缩编码孔径成像方法和超分辨率图像重建算法进行了研究。首先,在频谱面加入孔径编码器,通过傅里叶变换对采样图像信号进行编码压缩。然后,利用光学成像系统的分片光滑性,实现信号在傅里叶变换域的稀疏表示。最后,提出了两点步长梯度法与自适应非单调线搜索策略相结合的梯度投影并行加速算法,用于完成对稀疏信号的超分辨重建。实验结果表明,该算法能够以远小于原始信号的数据量重建出高分辨率图像信息。     

一种基于压缩感知的MR成像的新方法

FCSA(Fast Composite Splitting Algorithm)是一种用压缩感知理论进行MR重建的有效算法,它在重构时间和图像重构质量上相比其他算法有明显优势.但是,当算法选择不同的参数时,重建效果不稳定.本文对该算法进行了改进,以减少由人为选择不同的参数所带来的对重建效果的影响.实验表明,改进后的算法在参数选择不同时,重建效果都能够得到保证.     

电容层析成像图像重建算法的研究

在分析电容层析成像基本原理和图像重建算法的基础上，提出了采用迭代代数方法对管道截面图像进行重建．针对迭代算法收敛速度慢、耗时多的缺点，对迭代算法进行了改进，使重建图像的速度和质量都有明显的提高．     

OSEM算法在图像重建中子集分类的研究

通过OSEM算法在不同子集下重建图像的仿真研究,分析在相同迭代次数和时间下子集数对重建图像收敛速度的影响,得到对含噪声的投影数据在子集数多时重建图像会随着迭代次数的增加而变差.若采用序列划分子集(即子集数由多到少)重建图像则可避免这种情况.通过对各种子集分类在相同时间内重建图像误差的比较,得到序列划分子集方法能在较少迭代次数和较短时间内得到好的重建图像.     

梯度投影法求解压缩感知信号重构问题

将结合Barzilai-Borwein步长和非单调线搜索的梯度投影法用于压缩感知信号重构.分析了Barzilai-Borwein步长计算方法,结合其特点给出了非单调线搜索方法,为降低线搜索对算法性能的影响,引入了自适应的策略,最后给出了算法收敛性分析.实验结果表明,该算法能很好地重构不同稀疏度的信号,且在相同条件下,计算效率优于经典的基追踪法、正交匹配追踪和其他梯度投影法.     

基于Curvelet稀疏和共轭梯度法的压缩传感图像重构

压缩传感以低采样率、抗干扰性强等特点备受关注。在图像能够稀疏表示的先验条件下,可以通过较少的随机投影,就能对原始图像进行精确重构。本文将Curvelet阈值收缩和共轭梯度相结合进行压缩传感重构,克服了正交小波方向选择性差,传统重构算法需要内存大、收敛速度慢、重构图像的细节与平滑不能兼备的缺点。实验结果表明,该算法提高了重构图像的峰值信噪比,加快了收敛速度,平衡了图像的细节与平滑成分。     

基于结构张量的自适应稀疏角度CT重建算法

针对全变差稀疏角度CT重建图像出现伪影及过渡平滑的问题,提出一种自适应方向全变差与L_p范数结合的稀疏重建算法.算法利用边缘细化改善结构张量边缘检测精度,然后基于结构张量提取的结构方向信息,自适应地更新方向全变差中的方向及权重.最后采用交替方向乘子法,结合广义软阈值算法求解.实验结果显示,所提算法在主观评价与客观评价上均具有优势,有效抑制了条形伪影,较好地保持了图像边缘,进而提高了稀疏重建图像的质量.     

改进的Beta过程因子分析图像修复算法

图像修复是利用图像已知信息对图像破损区域进行填充修复的过程,而非参贝叶斯技术在图像稀疏表示中被认为是一种有效的字典学习方法,作为一种有效的非参贝叶斯算法,基于Beta过程因子分析算法(BPFA)在去噪、修复以及压缩感知方面有很广泛的应用.然而现有的BPFA算法在对含噪的破损图像修复时收敛速度慢,针对这个问题本文在BFPA算法更新字典时与K-SVD算法相结合,提出一种基改进的BPFA学习算法,改进算法利用K-SVD算法简单收敛速度快的特点,在原有算法更新参数时,利用OMP稀疏编码更新字典候选集以达到提高算法的收敛速度的效果.得到的结果表明本文算法能够更好地修复含噪破损图像获得较好的视觉效果.     

稀疏重构的一种新的加速动量梯度投影法

提出了一种新的应用于稀疏信号重构的加速动量梯度投影法.该方法是把负梯度方向与动量项的凸组合作为搜索方向,步长采取滞后最速下降法(LSD)的步长选取规则.与加速动量梯度投影法取固定的学习速率和动量参数不同,该方法是动态地选取动量参数和步长,从而加速了算法的收敛.数值试验表明,与已有求解大规模l1正则化最小二乘问题的一些方法相比较,本文提出的算法无论是在时间上还是在信号重构的质量上都是有竞争力的.     

一种新的通信信号盲分离算法-EASIBSA算法

针对通信信号盲源分离的收敛速度问题,在EASI算法的基础上,提出了一种基于参数自适应优化思想的步长自适应盲源分离算法-EASIBSA算法.该算法将EASI算法中的学习速率与目标函数联系起来,采用随机梯度的方法自适应地进行调节,避免了最优学习速率的选择问题,同时提高了算法的收敛速度.实验仿真结果表明,EASIBSA算法在不影响分离效果的前提下,将收敛速度提高了近2倍.     

相位梯度自聚焦在FFBP聚束SAR处理中的应用

基于孔径分解和图像递归融合的快速分解后向投影算法具备接近频域算法的运算复杂度和媲美后向投影算法的聚焦性能．与频域成像算法不同,使用快速分解后向投影算法重建的直角坐标系图像或极坐标系图像均无法满足传统自聚焦方法的使用条件．为了解决这个问题,在原快速分解后向投影算法的基础上创新地引入了虚拟极坐标系,提出了改进快速分解后向投影算法,为自聚焦处理提供图像域与距离压缩相位历程域之间的傅里叶变换对关系．其次,建立全新的重叠子孔径构型,提出了嵌套多孔径相位梯度自聚焦的改进快速分解后向投影算法．最后,利用X波段聚束合成孔径雷达实测数据对该方法进行了验证．