压缩感知相移数字全息术

相移数字全息图用传统数字再现可以消除零级像与共轭像,但数字全息术记录的全息图及数字再现像的分辨率被CCD的分辨率所限制.将新兴的压缩感知算法用于数字全息图的稀疏重建,以实现由部分全息图数据得到高分辨率再现像.分析了压缩感知用于重建数字相移全息图的原理,并利用该算法对计算机模拟的相移全息图进行了重建.结果表明,压缩感知算法能够对数字全息图稀疏重建,利用50％的部分全息图数据重建出了较高质量的再现像,并消除了零级像和共轭像.当选用合适的观测器如数字微反射镜器件或随机位相片实现随机观测矩阵时,可以实现单像素成像,从而突破记录全息图CCD分辨率的限制.     

基于压缩传感的相移同轴傅里叶变换数字全息

对于同轴傅里叶数字全息,传统重构算法应用快速傅里叶逆变换算法进行重构,但采样过程需要满足香农采样定理,导致海量采样数据,大大增加了存储和传输的代价。提出了一种基于压缩传感的相移同轴傅里叶数字全息重构方法,利用马赫-曾德尔干涉光路采集同轴全息图,对采集数据进行部分采样、测量;然后利用最小全变分法对采集的数据进行数值再现。数值仿真结果表明,基于压缩传感的傅里叶全息重构算法优于基于快速傅里叶逆变换的传统算法,它将全息数据的采集和压缩合为一步进行,不仅采样数据明显少于传统采样数据,而且利用约8%的数据仍然能精确地重构出原图像。     

并行相移同轴数字全息偏振成像方法

为了研究并行相移同轴数字全息系统中偏振态传输的问题,提出考虑偏振的并行相移同轴数字全息系统的修正模型,并依据此模型提出偏振成像方法。首先,介绍了理想情况下并行相移同轴数字全息的原理,然后,介绍了考虑偏振的并行相移同轴数字全息修正模型,最后,基于此模型提出了实现偏振成像的方法。实验结果验证了模型的可行性,通过这种方法可以得到外表信息,成像分辨率可达到14μm。该方法扩充了数字全息系统的功能,通过该系统可以对物体的偏振态进行成像。     

超材料压缩感知成像技术

基于超材料和压缩感知理论设计了一套简便的快速成像系统,可用于毫米波及太赫兹(THz)成像,具有结构简单,成像速度快,在不同频段移植性强等优点。系统采用超材料结构互补(CELC)单元设计单通道成像口径,实现了对信息的物理层压缩。基于口径在不同频率辐射特性的不相关性,构造测量矩阵,以扫频方式实现对目标场景的稀疏测量,最后采用两步迭代阈值(TwIST)算法实现对目标场景的重构。已完成K波段、THz波段成像口径设计,以及K波段成像仿真实验,40 cm成像口径理论上具备4.6 cm的距离分辨力和1.3°的角度分辨力。     

基于压缩感知理论的无透镜离轴傅里叶全息编码与重建

高计算复杂度是目前制约全息显示的瓶颈,针对这一难题,提出一种基于压缩感知理论与无透镜傅里叶变换相结合的全息图编码与重现算法。利用计算机生成无透镜离轴傅里叶全息图,再用压缩感知理论对全息图进行压缩采样和恢复,最后对恢复出的全息图进行重构,并再现原始图像。该方法的优点在于只采样全息图的部分有用系数就能很好地恢复出原始图像,从而解决了传感器采样数据过大的问题,降低了计算复杂度。仿真实验表明,20%的压缩采样时,重构出的全息图的相关系数为0.85,而50%时该系数为0.9999。通过搭建的全息再现系统进行实际验证,实验结果表明能够清晰地再现出原始图像,从而证明了该方法的可行性。     

非相干同轴数字全息成像系统研究

非相干全息术可以利用非相干光源获得物体的全 息图。利用迈克尔逊干涉仪搭建了非相干同轴数字 全息成像系统,利用菲涅尔衍射理论分析系统的点扩散函数(PSF),使用CCD 记录全息图并在计算机中进行数值 重建,研究广义相移数字全息干涉术在非相干同轴数字全息成像系统中的应用。结果表 明,基于迈克 尔逊干涉仪的非相干同轴数字全息成像系统可以实现白光光源照明下物体全息图的快速记录 ,三步广义相 移数字全息干涉术应用于系统,能够克服使用移相器的非相干同轴数字全息术对系统稳定 性要求较高的 缺点,可以去除孪生像和零级像,获得清晰的数值重建像。本文系统的横向放大率为1.6倍 时,分辨率可达45lp/mm。     

基于压缩感知高反光成像技术研究

高反光物体成像时反射的光强容易超出传感器接收光强的最大量化值,使得采集图像部分区域图像失真,严重影响信息传递。为了改善高反光成像饱和区域中数据丢失的状况,该文结合压缩感知这一新的采样理论提出基于压缩感知高反光成像方法,利用特定测量矩阵对目标图像进行线性采样,将CCD图像传感器的单个光强采样值与测量矩阵中的分布数据对应结合,对整合后的数据用算法进行恢复重建实现被测目标在高光环境中成像。以峰值信噪比和灰度直方图作为客观评定标准。实验表明,该成像方法鲁棒性较强、可行性较高,直方图检测饱和像素占比为0%,峰值信噪比为58.37 dB实现了在高光环境下不含饱和光成像,为压缩感知在成像应用中提供了新的方向。

     

基于压缩感知的偏振鬼成像系统

偏振鬼成像系统结合了强度和偏振探测,扩展了鬼成像系统的信息量,可以进行有效的目标识别和探测。常规相关偏振鬼成像系统需要大量采样数,且复原结果信噪比低。为此提出基于缩感知的偏振鬼成像系统,利用系统获取物体的强度和偏振参数,采用压缩感知算法来反演获取物体的强度和偏振信息。利用仿真实验,采用具有相同反射率但不同偏振特性的物体进行研究,结果表明采用压缩感知算法可以在很少的采样数下获取高质量的物体强度和偏振信息,提高了系统的实时性,并与相关算法进行了对比。最后采用图像融合算法对强度和偏振信息进行了融合,通过融合信息可以有效地进行多种物体的识别。     

同轴全息显微镜的三维压缩感知去卷积体积重建

数字同轴全息显微镜是一种二维成像技术,最近已被应用于三维成像,然而在三维图像生成的过程中,物体的失焦图像成为三维体积重建上获取明显三维特征的重要障碍。将压缩感知层析重建算法与去卷积算法相结合,显著减少重建中散斑噪声和失焦伪影对目标的影响。结果显示,与单一的三维去卷积重建图像相比,对于重叠的金属丝,光学标尺,生物棉花切片以及微米级聚苯乙烯颗粒的三维堆积图像具有更好的聚焦效果。     

基于压缩感知的数字图像水印算法

压缩感知理论作为新一代信息处理理论基础,在很多领域得到了应用,但在数字水印方面的应用还有待发展。利用压缩感知理论,在图像稀疏化后的观测域中实现水印嵌入过程。用小波变换将原图像稀疏化,选择一个固定高斯随机矩阵对其进行观测,在观测压缩域中嵌入与提取水印,用匹配追踪算法恢复稀疏信号。实验结果表明,该算法满足透明性、鲁棒性和安全性要求;同时抗提取实验表明,该算法能有效抵御非法提取水印信息,增加了安全性。     

基于压缩传感的光子计数成像系统

提出了一种基于压缩传感理论的光子计数成像系统。该系统以单光子计数器作为探测元件,以期在面元探测技术不甚成熟的现状下用点探测器进行极弱光探测。通过计算机模拟计算,验证了压缩传感理论结合单光子计数器应用于极弱光成像的可行性,讨论了单光子计数器的暗计数率、量子效率和测量噪声对成像质量的影响。介绍了压缩传感理论,为了获得更好的图像质量和更快的计算速度,提出了SpaRSA-DWT稀疏重建算法,并与传统的IWT算法进行对比。给出了两种算法下,迭代次数、测量数、噪声功率分别与获得图像信噪比的关系曲线,证明了SpaRSA-DWT算法的优越性。     

基于分布式压缩感知的全极化雷达超分辨成像

基于分布式压缩感知理论,提出了一种全极化逆合成孔径雷达超分辨成像算法,联合各极化通道进行超分辨处理.首先,建立全极化信号模型及超分辨字典,利用各极化通道信号的联合稀疏性将全极化超分辨成像建模为最小L2,1范数的优化问题,运用一种快速算法求解该优化问题.由于利用联合稀疏约束,多极化通道联合成像相比于单通道成像能够获得更好的超分辨性能和噪声抑制能力,最终有效提高图像极化融合的效果.同时,采用快速傅里叶变换操作提升了算法的运算效率.基于backhoe的仿真数据实验验证了该算法的优越性.     

基于压缩感知STORM超分辨成像与像素的关系

针对基于压缩感知STORM(stochastic optical reconstruction microscopy)超分辨成像效果差的不足,提出采用高分辨相机改善基于PSF测量矩阵性能的方法.该方法能够改善基于PSF测量矩阵的约束等距性(restricted isometry property,RIP),从而达到提高重构效果的目的.实验结果表明,采用高分辨相机后基于PSF(point spread function)测量矩阵的列不相关性更好,重构能力、定位准确度和识别率都得到极大改善.同时探讨了以传统指标体系评价基于压缩感知的超分辨重构质量的优劣和适用性.发现匈牙利法和质心法的组合方案较能反应真实的基于压缩感知的超分辨重构效果.     

基于非局部相似度约束的多通道复用压缩遥感成像方法

结合压缩感知成像原理和遥感成像系统的物理可实现性,提出了采用掩膜编码的多通道复用压缩成像方法.首先,采用多组随机二值伯努利分布的掩膜为不同光学通道视场进行压缩编码,在单位积分时间内采集重构图像所需的欠采样数据.然后,针对传统的全变分范数最小化的重构方法易受遥感图像局部突出特征干扰的问题,提出了以遥感图像空间域非局部相似度为正则化重构标准的先验约束.实验结果验证了此压缩成像方法的可行性.与传统算法相比,此重构算法能够在保留图像细节的同时实现有效重构.     

基于非局部相似度约束的多通道复用压缩遥感成像方法

结合压缩感知成像原理和遥感成像系统的物理可实现性,提出了采用掩膜编码的多通道复用压缩成像方法。首先,采用多组随机二值伯努利分布的掩膜为不同光学通道视场进行压缩编码,在单位积分时间内采集一帧图像重构所需欠采样数据。然后,针对传统的全变分范数最小化的重构方法易受遥感图像局部突出特征干扰的问题,提出了以遥感图像空间域非局部相似度为正则化重构标准的先验约束。实验结果验证了本文提出的压缩成像方法的可行性。与传统算法相比,本文提出的重构算法能够在保留图像细节的同时实现快速有效重构。     

两步相移数字全息再现像的分割研究

图像分割是从图像分析到图像处理的关键步骤,因此对该全息再现图的分割具有重要意义。传统的相移数字全息技术记录次数多、记录时的曝光次数较多,因而随机误差大。项目组提出了一种基于参考光估计的两步相移数字全息术,只需记录两幅相移全息图就可实现原物光波的重建。选取了水平集算法进行分割处理,鉴于水平集算法特点,为了提高分割精确度和效率,提出了一种粗分割与细分割相结合的方法。实验证明,该方法对于两步相移全息再现图的分割具有较好效果。     

Robust ISAR imaging based on compressive sensing from noisy measurements

the compressive sensing (CS) based ISAR imaging has exhibited high-resolution imaging quality when faced with limited spatial aperture. However, its performance is significantly dependent on the number of pulses and the noise level. In this paper, from the perspective of promoted sparsity constraint, a novel reconstruction model deducted from Meridian prior (MCS) is proposed. The detailed comparison of the proposed MCS model with the Laplace-prior-based CS model (LCS) is conducted. The Lorentz curve analysis testified the enhanced sparsity of the MCS model. Different from the algorithm for LCS model, in our solution procedure, the variance parameter is iteratively updated until the algorithm converges. Simulations and the ground truth data experiments of ISAR show that, with the decrease of the number of pulses and signal-to-noise ratio, the proposed model exhibits better performance in terms of resolution and amplitude error than that of the LCS model.