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。     

压缩感知雷达成像技术综述

压缩感知理论突破了传统Nyquist采样定理的限制,它基于信号的稀疏性、测量矩阵的随机性和非线性优化算法完成对信号的压缩采样和重构。这种全新的信号处理理论为克服传统雷达固有缺陷,解决传统高分辨雷达面临的高采样率、大数据量和实时处理困难等问题提供了可能。本文概述了压缩感知基本理论,详细讨论了基于压缩感知的雷达成像技术,对压缩感知在高分辨雷达成像领域中的研究现状进行了归纳和分析,应用对象包括SAR/ISAR、穿墙雷达、MIMO雷达、探地雷达等,充分体现了压缩感知在简化雷达硬件设计、弥补雷达数据缺陷、改善雷达成像质量等方面的巨大潜力,明确了研究中存在的问题,阐述了有待进一步研究的方向,并总结了压缩感知用于雷达成像的优势和缺陷。      

压缩感知技术综述

压缩感知(Compressed Sensing或Compressed Sampling,Cs)理论突破了经典的奈奎斯特采样定理的极限,提出一种全新的采样理论,通过开发信号的稀疏特性,在远小于Nyquist采样率的条件下,用随机采样获取信号的离散样本,然后通过数值最优化问题精确重构出原始信号.本文综述了CS基本原理,介绍了信号稀疏表示、测量矩阵的设计和信号的重构算法等内容以及CS理论研究现状和在相关领域的应用.     

基于压缩感知理论的雷达成像技术与应用研究进展

压缩感知理论基于信号稀疏性,将对信号采样转换为对信息自由度的采样,可大大降低采样率。而将压缩感知理论应用于雷达成像时有望在以下几个方面得到改善：增强成像性能,简化雷达硬件设计,缩短数据获取时间,减少数据量和传输量等。该文从压缩感知的稀疏性,压缩采样,无模糊重建3个关键步骤与成像雷达有机结合的角度,对近年来基于压缩感知理论的雷达成像技术研究现状进行系统综述,重点论述场景稀疏性与成像关系, 压缩采样方法(包括硬件)设计,场景图像快速高精度重建以及成像系统体制应用等方面,最后探讨了压缩感知理论应用尚需解决的问题和进一步发展方向。     

基于矩阵分解的压缩感知算法研究

奈奎斯特采样定律是长久以来具有指导意义的经典信号处理技术,它提出信号在采样过程中,当且仅当采样率大于信号带宽的2倍时,才能精确重构信号。压缩感知理论突破了奈奎斯特采样定理对信号采样率的限制,以更低采样率采样信号,并通过适当的重构算法恢复信号。文中以压缩感知理论为基础,结合目前广泛采用的正交匹配追踪算法,基于矩阵分解思想,提出2种改进算法,在运算复杂度方面取得优化,并且满足信号处理时对重构精度的要求。     

基于随机采样的超高分辨率成像中快速压缩感知分析

随着近年来超分辨成像技术的发展,基于单分子拟合的超分辨成像方法能够实现纳米尺度的空间分辨率,但这种方法的耗时较长,时间分辨率较差。成像重构时间较长主要受制于成像过程中每帧图像较低的荧光分子密度,所以需要足够多的采样帧数来重构一张图像。文中提出一种利用随机采样的快速压缩感知算法,结合分块压缩感知重构算法,最终能够在高分子密度的条件下获得较快的重构速度及较高的定位精度。     

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。

     

基于压缩感知的医学图像采样新方法研究

压缩感知基于信号的稀疏性或可压缩性,能够以低于奈奎斯特采样率的频率进行采样,从而直接获得压缩后的采样信号。本文将压缩感知的思想应用于医学图像,对已获得的图像进行压缩采样,以降低医学图像的存储空间。基于正交匹配追踪思想,提出分块双阈值正交匹配追踪方法,根据图像不同区域信息量的不同,采取分块处理并加入采样阈值,针对不同子图像块采取不同采样率,提高了采样效率;同时,在重构时加入判断阈值,可降低重构效果对采样阈值的依赖,减小了由于图像的特殊性或人为经验不足而使得采样阈值选取不当对图像重建质量的影响。实验表明,本文方法能够以较低的采样率实现较高的重构精度。     

基于压缩传感的太赫兹成像

介绍了一种基于压缩传感理论的THz 成像方式,该理论突破了传统奈奎斯特采样定律的限制,可以以远小于图像总像素数的少量测量值来恢复出原始图像,从而很大程度上缩短了成像时间、提高了内存资源的利用率。通过对该理论的分析可知,变换基、测量矩阵和重构算法是该理论的三个重要因素,通过一系列仿真试验,分别对不同的变换基、测量矩阵和重构算法作了对比,根据对比结果,得到了最适合于文中被成像物体的变换基、测量矩阵以及重构算法。最后,利用离轴抛面镜代替聚乙烯透镜搭建了成像系统,得到了初步的试验结果。     

基于压缩感知理论的波段重构方法

针对高光谱图像数据量大、信息冗余多、传输难度大等问题,从波段压缩采样入手,通过采样数据重构出原始波段,提出一种基于压缩感知理论的波段重构方法。压缩感知理论是一种在不遵循奈奎斯特采样定理的情况下,能够高精度重构出原始信号的新型压缩采样理论。由于高光谱图像谱间相关性高,具有很强的稀疏性,故可将压缩感知理论用于高光谱数据的波段重构,仅选择少量波段,便能够重构得到原始高光谱数据。实验结果表明,压缩感知理论能够对高光谱图像波段维进行压缩与重构,并可达到较高的重构比例,同时获得较高的重构效率,且重构数据光谱曲线与原始数据光谱曲线的波形一致度高。     

一种新的基于压缩感知理论的稀疏信号重构算法

针对基于l1范数优化的稀疏信号重构算法需要的观测样本数较多,本文以lp范数最小化为目标,结合传统的罚函数(PF)优化思想,给出了基于PF的lp范数迭代重构算法,需要的观测样本数大大低于基于l1范数的优化计算需求,并通过数值实验表明该算法对稀疏信号具有较优的重构效果.     

基于频率选择表面的毫米波压缩感知成像

基于频率选择表面,提出了一种毫米波压缩感知成像方法。通过在频率选择表面单元中加载开关二极管,并随机控制它们处于开/关状态,设计了一种可随机切换的新型毫米波成像掩膜板。通过将这种随机掩膜板放置于毫米波天线上,能够构造出相应的随机测量矩阵并获取足够多的有效测量次数。利用恢复重构算法进行了成像仿真验证,结果证实了所提方法的可行性。     

基于压缩感知的干涉逆合成孔径雷达成像研究

为解决传统运动目标逆合成孔径雷达图像不能对目标定位的问题,提出了一种基于压缩感知技术的干涉逆合成孔径雷达运动目标成像方法.介绍了将压缩感知理论引入到运动目标逆合成孔径雷达成像模型中的方法,研究了压缩感知逆合成孔径雷达复图像的相位误差和信噪比的关系,在此基础上,给出了基于压缩感知的干涉逆合成孔径雷达运动目标干涉测角定位方法实施流程.通过计算机仿真和实际数据处理结果验证了所提方法对运动目标成像定位的有效性. 本文的研究成果扩展了压缩感知理论在逆合成孔径雷达中的应用前景。     

基于压缩感知的非视域物体激光三维成像系统

以提升非视域物体激光三维成像的图像质量为目的,设计基于压缩感知的非视域物体激光三维成像系统.系统整体结构主要包括激光发射模块、探测器模块、AD转换器、数据采集卡以及计算机等.激光发射模块中激光发射器发射激光脉冲,该脉冲通过准直透镜的整形处理后能够抑制光束扩散的影响.激光反射透射至非视域目标物体上形成光束散射;探测器模块...     

基于Chirplet变换和压缩感知的空中颤振目标稀疏成像

针对在逆合成孔径雷达（ISAR）成像过程中目标非合作性机动导致的方位孔径稀疏现象与目标主体颤振引起的微多普勒效应相叠加对成像造成的影响,建立了颤振目标稀疏ISAR成像模型,分析了孔径稀疏和目标颤振对成像造成的影响,提出了一种基于Chirplet变换和压缩感知（CS）重构的成像方法,获得了颤振目标的高质量成像结果。仿真实验验证了该方法的有效性。     

基于Chirplet变换和压缩感知的空中颤振目标稀疏成像

针对在逆合成孔径雷达( ISAR )成像过程中目标非合作性机动导致的方位孔径稀疏现象与目标主体颤振引起的微多普勒效应相叠加对成像造成的影响,建立了颤振目标稀疏ISAR成像模型,分析了孔径稀疏和目标颤振对成像造成的影响,提出了一种基于Chirplet变换和压缩感知( CS)重构的成像方法,获得了颤振目标的高质量成像结果。仿真实验验证了该方法的有效性。     

稀疏带状测量矩阵在压缩感知ISAR成像中的应用

将压缩感知（CS）理论用于逆合成孔径雷达（ISAR）成像,可以有效利用缺损的雷达回波数据,解决了因数据缺损造成成像质量下降的问题。目前压缩感知中常用的高斯或伯努利等随机测量矩阵独立随机元数目过多,存储空间过大,从而导致硬件实现成本过高。所构造的稀疏带状测量矩阵,通过将测量矩阵进行带状循环移位置零稀疏化,可大幅减少测量矩阵中非零元素数目,降低系统采样要求,节约硬件实现成本,使得压缩感知ISAR成像工程化更容易实现。最后通过仿真和微波暗室实验数据验证了点目标模型下稀疏带状测量矩阵进行ISAR成像的可行性和有效性。     

基于多测量矢量压缩感知的超分辨荧光显微成像研究

在超分辨荧光显微成像技术中,单分子定位显微方法是被广泛应用的技术之一。根据荧光显微成像原理构造多测量矢量压缩感知模型（Multiple Measurement Vector-Compressed Sensing, MMV-CS）,并采用多重稀疏贝叶斯学习算法进行求解,来实现超分辨荧光图像重建。分析了有效像元大小、荧光分子生成的光子数和背景信号泊松化噪声对重建结果的影响,以及在图像进行分块处理时算法运行时间的分析。模拟和实验计算分析表明,当点扩展函数的标准差在160 nm时,有效像元大小在120、160、200 nm能取得较好的重构效果,而在60 nm时效果较差。探测器收集的光子数越多,重构效果越好,随着背景信号光子数增加时,离得越近的样品结构越不能分辨。在同样的分块处理情况下,MMV-CS比同伦算法(L1-Homotopy, L1-H）和凸优化算法(CVX)分别快一个数量级和三个数量级,因此,在研究三维超分辨荧光显微成像时,MMV-CS算法在运行时间上具有更大的优势。