Image Encoding of Compressive Sensing Based on JND

传统的数据采集都要遵循奈奎斯特采样定理的两倍以上带宽取样,而压缩感知理论突破原有采样定理的限制,为从少量数据重建原始数据提供了可能性.提出了基于JND压缩感知的稳健性图像编码方法,该新方法将压缩感知理论应用于图像编码,并引入JND模型来提高信号的稀疏性.实验结果表明,提出的方法大大降低了压缩感知的重建时间,同时也提高了图像的重建质量.     

压缩感知在超宽带雷达成像中的应用

利用信号的先验稀疏性,通过压缩感知(Compressive Sensing,CS)方法可以实现从少量的非适应性随机测量数据重建原始信号。将压缩感知理论应用到超宽带雷达高分辨率成像中,提出基于CS理论的二维方位-距离向成像算法,可以显著减少数据采集时间、数据量、处理时间以及节省信号带宽,并利用矢量网络分析仪(Vector Network Analyzer,VNA)测量的实验数据验证了采用时间和空间减采样数据的CS算法可以实现与传统的延迟-求和波束形成方法(Delay-Sum Beamform-ing,DSBF)相当的成像质量和分辨率。     

基于JND的压缩感知图像编码

传统的数据采集都要遵循奈奎斯特采样定理的两倍以上带宽取样,而压缩感知理论突破原有采样定理的限制,为从少量数据重建原始数据提供了可能性。提出了基于JND压缩感知的稳健性图像编码方法,该新方法将压缩感知理论应用于图像编码,并引入JND模型来提高信号的稀疏性。实验结果表明,提出的方法大大降低了压缩感知的重建时间,同时也提高了图像的重建质量。     

多值压缩编码孔径超分辨率成像方法

针对近期提出的基于压缩感知(CS,compressed sensing)理论的压缩编码成像方法在重建后引入较多类似于噪声的伪影(artitacts)问题,为了使压缩编码成像方法获得更好成像质量的图像,本文提出一种改进的压缩编码成像方法。本文方法将多值模板(MVM)代替二值模板来增强编码质量,并利用自适应全变分(TV,total variation)去噪方法去除重建后的高分辨率图像的伪影。实验结果表明,这种方法很好地改进了压缩编码孔径(CCA)的成像质量,并且大幅提高了图像的信噪比(SNR)。     

基于混沌压缩感知和DNA编码的多图像加密算法

为了解决现有图像加密算法处理后的密文图像在传存储过程中带宽利用率低、 占据较大的存储空间等问题,提出了一种新的基于混沌压缩感知和DNA编码的多图像加密算法,可同时对多幅图像进行压缩加密为一幅密文图像.通过SHA-256安全散列算法产生内部密钥,实行一次一密,极大地提高了算法的安全性.相比于传统加密算法,密文图像空间利用...     

利用边缘信息的多尺度分块压缩感知自适应采样方法

在小波域多尺度压缩感知框架下,被完整保留的低频系数存在着许多可利用的图像信息。本文在分析了不同尺度之间、以及同一尺度之内的系数块存在能量差异的基础上,提出了利用边缘信息的多尺度分块压缩感知自适应采样方法(EAS)。该方法首先利用低频系数提取出边缘信息,然后将边缘信息分块,加权计算每个块的边缘信息度,根据边缘信息度判断每个系数块的能量大小,将其转换成每个子块的自适应采样率,从而实现多尺度分块压缩感知的自适应采样。采用医学图像,含有复杂纹理的自然图像和含有严重噪声的SAR图像三类测试数据,验证了EAS方法的性能。数值实验结果表明,EAS方法对不同的压缩感知算法均有很大的提升,能够显著提高图像的重构质量和视觉效果。      

基于交织抽取与分块压缩感知策略的图像多描述编码方法

该文基于交织抽取和分块压缩感知(Interleaving Extraction and Block Compressive Sensing,IEBCS)理论,提出了一种可以在成像过程中实时实现的多描述编码方法(IEBCS-MDC)。首先利用交织抽取将图像划分成若干个子图像,然后对各个子图像进行分块压缩感知形成多个描述码流,接收端通过求解优化问题重建原图像。分块策略保证了观测过程的复杂程度不因图像尺寸而改变,所以该方法结构简单易于实现,适合处理高分辨率图像,另外特有的自恢复能力提升了算法的抗丢包性能。实验表明,在相同的硬件环境下,该文方法可以处理的图像尺寸远远大于CS-MDC方法,在同样的丢包率下重构质量也优于CS-MDC方法。     

基于压缩感知的空间目标三维雷达成像方法

对于稳定飞行的空间目标,俯仰向上的多圈次回波数据是稀疏分布的,从有限的观测数据中反演目标的三维反射率函数是不适定问题,观测噪声也会影响反演的结果,因此传统的FFT算法不再适用,必须引入适当的先验信息才能生成目标的三维图像.文章针对空间目标轨道的运动特性,首先推导了回波俯仰向表达式,然后结合目标散射中心稀疏分布特性和压缩感知原理,提出了一种基于多圈次稀疏观测的空间目标三维成像算法.该方法利用噪声单元估计噪声门限,当观测模型满足约束等距性质时,利用加权迭代的压缩感知算法进行成像处理,生成目标的三维图像.最后结合实测轨道模型,仿真验证了在低信噪比下,基于噪声估计的压缩感知算法能实现对目标三维像的精确重构.     

基于深度学习的压缩感知图像重构算法综述

压缩感知突破奈奎斯特采样定律(NST),很大程度缓解了数据的获取和传输压力.近年来,随着深度学习迅速发展,深度神经网络技术在压缩感知领域的应用使压缩感知重构的精度和效率均得到有效提升,并引起学者们的广泛关注和研究.为了对现有的基于深度学习的压缩感知图像重构算法进行梳理归纳,首先,介绍压缩感知的基础数学知识以及两种极具代表性的传统压缩感知重构迭代优化算法:ISTA和ADMM;接着,详细讨论上述两种传统算法的深度网络展开框架以及对基准框架的改进技术:ISTA-Net++和ADMM-Net,并对SDA、ReconNet、DR^(2)-Net等五种非传统算法展开的端到端的深度神经网络框架进行对比分析;然后,以峰值信噪比(PSNR)为评价指标,将代表性网络模型在自然图像数据集Train400和医学图像数据集MICCAI上的重构精度进行比较分析;最后,总结并展望深度学习技术在压缩感知重构领域的研究前景.     

基于面阵CCD-TDI模式编码感知的高分辨率遥感计算成像

针对推扫式遥感成像,基于压缩感知(CS)理论,提出一种利用低密度探测器获取高分辨率遥感图像的新方法。在推扫过程中,采用可编码的行间转移面阵电荷耦合器件(CCD)并使其工作于时间延迟积分(TDI)模式,在随机曝光控制电路的控制下实现对场景信息的编码感知;通过计算成像,从感知的数据中重构出高分辨率遥感图像。这种基于CCD-TDI模式编码感知的高分辨率遥感计算成像方法,可以增强成像分辨率和提高输出图像信噪比。仿真结果验证了本文方法的有效性。     

基于压缩感知的稀疏孔径认知ISAR成像方法

针对运用压缩感知理论对ISAR目标成像时不同目标所需观测维数和积累时间不同的问题,提出了一种基于压缩感知的稀疏孔径认知ISAR高分辨成像方法。在对目标稀疏特性认知的基础上,构建了基于目标横向稀疏度和观测积累时间的随机观测矩阵,并给出了成像质量评估标准,实现了对有限雷达资源条件下ISAR目标的高分辨认知成像。仿真结果表明,利用该方法成像,不仅可以减少雷达成像发射脉冲数,而且可以有效减少目标成像的时间,同时还能获得高质量的目标ISAR像。     

稀疏线性调频步进信号ISAR成像观测矩阵自适应优化方法

基于压缩感知(CS)理论的稀疏线性调频步进信号(SFCS)逆合成孔径雷达(ISAR)成像技术能够从少量观测数据中高概率重构出目标像,其中,观测矩阵的优化设计是提高成像质量和减少观测数据量的有效途径。然而,现有的观测矩阵优化设计研究通常没有考虑目标特征信息的有效利用,对目标的自适应能力不足。因此,该文在充分利用目标特征信息的基础上,结合稀疏SFCS信号的实际物理观测过程,提出一种ISAR成像观测矩阵自适应优化方法。该方法首先建立参数化稀疏表征成像模型以解决稀疏SFCS信号多普勒敏感问题,在此基础上,以在达到成像质量要求条件下使用最少观测数据量获得最优成像结果为目标对观测矩阵进行自适应优化设计,最终能够利用最少的数据量获得满意的目标成像结果。仿真实验验证了该算法的有效性。     

辐射式仿真中脉冲雷达ISAR成像等效模拟方法

脉冲雷达信号广泛用于逆合成孔径雷达(ISAR)成像。在辐射式仿真中采用脉冲雷达信号进行ISAR成像时,由于脉宽对应的传播距离远大于微波暗室的空间长度,脉冲回波会在发射信号未被完全辐射之前返回接收机,使得收发信号相互耦合,难以得到ISAR图像。该文提出基于间歇收发的脉冲雷达ISAR成像等效模拟方法,通过将脉冲信号分段发射、分段接收,得到分段稀疏的目标回波。然后,结合压缩感知与间歇收发回波,重构得到ISAR图像。根据等效模拟的实现流程,对仿真与实测数据进行分析,结果表明,该等效模拟方法所得ISAR图像与完整脉冲回波所得图像基本一致,从而验证了等效模拟方法的有效性。     

基于CV-FISTA网络的稀疏孔径ISAR成像方法

逆合成孔径雷达(inverse synthetic aperture radar,ISAR)在雷达目标识别、空间监视和弹道导弹防御等领域发挥着重要作用。针对传统稀疏孔径ISAR成像算法对参数敏感和收敛速度慢的问题,提出一种基于复值快速迭代收缩阈值算法网络的稀疏孔径ISAR成像恢复方法。将加速近端梯度方法引入稀疏重构算法中,并将其迭代步骤构建为深度展开网络的隐藏层,构建初始参数相同的随机散射点和飞机散射点的数据集,将复值一维距离像作为网络的输入,利用ISAR像对应的标签对网络进行训练和验证。该方法直接处理复数数据替代传统的分实虚部两路计算方法,显著减少了计算负担。仿真实验表明,相较于传统模型驱动算法,通过对网络进行训练避免了手动调参过程,收敛速度更快,成像质量更高,而且对于特征差异较大的数据具有更好的泛化能力。     

基于块稀疏的空间碎片群目标成像方法

针对星载雷达空间碎片群目标回波无法分离问题,该文利用回波在距离向表现出的块聚集特性,提出一种基于块稀疏的高分辨ISAR成像方法。基于块稀疏压缩感知理论,通过利用空间碎片群目标特性,抽取出各个碎片的高分辨1维距离像数据,并结合平动补偿和距离多普勒(RD)算法得到各碎片的ISAR像。在小样本条件下,该方法能够有效实现空间碎片的数据分离和高分辨ISAR成像。仿真实验表明,该方法的重构精度以及运算速度均优于非结构类的稀疏ISAR成像方法。     

基于贝叶斯压缩感知的ISAR自聚焦成像

针对ISAR自聚焦成像,该文提出一种基于贝叶斯压缩感知的高分辨率成像算法。首先利用目标图像的稀疏特性构建级联形式的稀疏先验模型,同时将相位误差建模为均匀分布模型;然后基于最大后验准则,依据贝叶斯压缩感知理论交替迭代求解目标图像和相位误差。与传统稀疏方法相比,所提算法进一步利用了目标图像的联合稀疏信息,将ISAR CS成像转化为MMV联合稀疏优化问题的求解,可以有效改善自聚焦的精度以及成像质量。仿真结果验证了该算法的有效性。     

基于稀疏贝叶斯方法的脉间捷变频ISAR成像技术研究

传统捷变频成像方法具有高旁瓣、低分辨率的缺点。鉴于捷变频ISAR回波信号的稀疏性,该文基于原始数据的2维压缩感知方案,在贝叶斯原理框架下,用稀疏贝叶斯算法方差成分扩张压缩方法(ExCoV)实现捷变频ISAR像的重建。贝叶斯框架下的稀疏重构算法考虑了稀疏信号的先验信息以及测量过程中的加性噪声,因而能够更好地重建目标系数。作为一种新的稀疏贝叶斯算法,ExCoV不同于稀疏贝叶斯学习(SBL)算法中赋予所有的信号元素各自的方差分量参数,ExCoV方法仅仅赋予有重要意义的信号元素不同的方差分量,并拥有比SBL方法更少的参数,克服了SBL算法参数多时效性差的缺点。仿真结果表明,该方法能克服传统捷变频成像缺点,并能够实现低信噪比条件下的2维高精度成像。     

一种基于改进压缩感知的低信噪比ISAR高分辨成像方法

针对低信噪比下基于压缩感知(CS)的ISAR成像方法性能下降甚至失效的问题,该文提出了一种改进CS的成像方法,即用能量门限分离含目标的距离单元和噪声单元,同时在方位向上用相干投影来提高观测数据的信噪比,利用迭代加权的1-范数优化以增强真实散射点能量并且压制噪声。 改进CS算法适用于强噪声的环境下的ISAR成像,并可利用很少脉冲数获得高分辨的目标像。实测数据处理验证了该方法可以有效克服强噪声与杂波。同时,仅用16个回波脉冲就可得到高分辨ISAR图像,验证了该方法在非常有限脉冲条件下的稳健性。     

基于酉ESPRIT的多频带融合ISAR成像

多频带融合成像可有效提高ISAR成像的距离分辨率。传统的ESPRIT谱估计融合算法只利用了复数观测数据本身,而没有利用其共轭数据。该文提出对合成复观测数据及其共轭的酉ESPRIT法进行调整以实现基于酉ESPRIT法的多频带融合ISAR成像。酉ESPRIT法充分利用复数观测数据信息,更有利于多频带融合的频谱估计和ISAR成像。针对多频带融合中目标散射点越分辨单元徙动校正的问题,调整了传统校正处理的步骤,分别在多频带融合前进行越距离单元徙动校正和融合后进行越多普勒单元徙动校正,避免了回波中的快时间频率-慢时间耦合项以及时域相位补偿对频域融合处理的影响,从而得到效果更好的多频带融合ISAR图像。仿真和实测数据结果表明所提方法不但能得到高质量的融合ISAR图像,也具有更优的抗噪性能和更高的运算效率。     

基于块稀疏贝叶斯模型的ISAR成像方法

传统ISAR稀疏成像主要针对独立散射点散射系数的重构问题,然而实际情况下目标散射点之间并不是独立存在的,而是以区域或块的形式存在,在该情形下利用常用的稀疏重构算法并不能完全地刻画块状目标的真实结构,因此该文考虑采用块稀疏重构算法进行目标散射系数重建。基于块稀疏贝叶斯模型和变分推理的重构方法(VBGS),包含了稀疏贝叶斯学习(SBL)方法中参数学习的优点,其利用分层的先验分布来表征未知信号的稀疏块状信息,因而相对于现有的恢复算法能够更好地重建块稀疏信号。该方法基于变分贝叶斯推理原理,根据观测量能自动地估计信号未知参数,而无需人工参数设置。针对稀疏块状目标,该文结合压缩感知(CS)理论将VBGS方法用于ISAR成像,仿真实验成像结果表明该方法优于传统的成像结果,适合于具有块状结构的ISAR目标成像。