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。     

提高关联成像重构质量的研究

比较基于压缩感知关联成像(CGI)与伪逆关联成像(PGI)两者之间的成像效果差异,探讨形态学权重自适应对关联成像去除噪声的效果。选择不同的图像,通过MATLAB软件开展仿真实验,对目标图像分别采样64、256、512、1 024、2 048、3 000次,首先通过关联成像、基于压缩感知关联成像与伪逆关联成像三种方法重构图像,再对比压缩感知与伪逆两种方法重构图像的效果,以峰值信噪比(PSNR)、相关系数(CC)为量化指标,将基于压缩感知关联成像与伪逆关联成像在不同采样次数下进行对比分析。同时,通过实验分析形态学权重自适应去除关联成像中噪声的效果。伪逆关联成像在低次数采样的情况下比基于压缩感知关联成像的成像效果更好,在高采样次数下,基于压缩感知关联成像的成像效果更好。在实际重构中压缩感知关联成像重构的图像仍有噪声,形态学权重自适应可以有效去除关联成像实验中产生的噪声。     

基于压缩感知的多角度观测光声成像方法

在光声成像过程中,由于各种限制因素,往往只能完成有限角度的信号采集.采集到的不完备的信号会在图像重构过程中产生伪迹现象,丢失细节信息.基于光声图像的稀疏特性,提出了基于压缩感知的光声成像算法.该方法通过2个单阵元超声探测器成角度采集光声信号,然后基于压缩感知重构算法进行光声图像重建并进行融合处理.仿真证明采用多个角度观测,选用合适的探头分布角度和测量矩阵可以有效弥补远场成像分辨率和减少测量次数,消除光声图像的伪迹现象,最终实现以较少的数据量和较简单的硬件设备实现高分辨率光声成像.     

基于图像压缩传感的光学单点成像系统

压缩传感理论(Compressive Sensing,简称CS)以远低于奈奎斯特采样频率对稀疏信号进行全局观测,通过少量观测值即可准确重构原始信号,突破了香农采样定理的瓶颈,使得宽带信号和高分辨率信号的采集成为可能。目前压缩传感理论大都停留在理论研究和仿真阶段,鲜有涉及将该理论硬件化进行实践应用。文中介绍了最小均方差线性估计(MMSE)算法,通过与常用重构算法的仿真重构对比,突出了MMSE算法的优越性,证明了该算法在低采样率下重构质量较高,且具有较好的实践应用潜力。并进一步搭建了光学单点成像系统对压缩传感理论进行应用研究,实验表明该系统成像效果良好,具有较好的应用价值。     

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。     

实验室环境内傅里叶望远镜技术的实现

傅里叶望远镜是一种成像系统。该系统通过扫描目标上不同空间频率和取向的条纹图形来建立目标的傅里叶频谱,用非成像探测器接收被调制的散射光。为确认基本测量原理和图像重构算法的有效性,完成了傅里叶望远镜的实验室验证,并比较了实验获得图像与仿真图像。后续实验将获得偏离理想测量条件后的结果。本实验用于地球同步轨道卫星的成像。     

应用压缩传感理论的单像素相机成像系统

采用稀疏二进制矩阵作为测量矩阵完成了单像素相机对不同场景的拍摄。基于压缩传感理论设计的单像素相机,利用数字微镜阵列和单个探测元件实现高分辨率图像的拍摄,将图像采集和压缩合二为一,减少了数据,降低了系统规模、复杂度和成本。对测量矩阵进行了分析,给出了二进制测量矩阵精确重构条件。搭建了硬件实验平台,采用稀疏二进制测量矩阵,对笔划复杂度不同的"中"字、"国"字和复杂实物这3种不同的场景进行了拍摄实验,利用梯度投影重构算法重构出目标图像,图像分辨率为数字微镜阵列大小。实验结果显示,对于3种不同场景,在测量次数为目标图像像素总数的20%～30%时,能精确重构出目标图像,表明单像素相机能实现高分辨率图像的拍摄。     

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。     

小波及分形理论在互有位移图像序列重构中的应用

提出一种基于小波及分形理论的插值算法,用于互有位移序列图像的重构,它既考虑了各幅图像的细节特征又考虑了图像的全局特征,使得到的重构图像更接近原图。阐述了超分辨力复原技术的理论基础及复原算法,指出了基于序列图像的高分辨力成像技术的合理性,并利用小波及分形相结合的方法对互有位移的双幅图像进行了重构,实验和仿真的复原图像表明,这种方法是可行和有效的。与传统方法相比,此种方法的PSNR提高了约5dB。     

低秩聚类被动压缩鬼成像

低采样率下的高质量鬼成像（GI）对于科学研究和实际应用具有重要意义,为了在低采样率条件下重建高质量图像,提出了一种高质量的被动式压缩鬼成像重构算法（PCGI-LRC）。基于图像的非局域相似块堆叠而成的矩阵具有低秩和稀疏奇异值的假设,从理论和实验上证明了一种对最小二乘问题与非局域相似块低秩近似问题进行联合迭代求解的方法,能够在低采样率（6.25%～50%）条件下实现高质量鬼成像。实验结果表明：与基于稀疏基约束的GI(GI-SBC)和基于全变分约束的GI(GI-TVC)相比,PCGI-LRC在峰值信噪比、结构相似性系数和视觉观测等方面均更优,在抑制重构噪声的同时保持了目标的细节信息,其中PSNR提升效果优于1.1 dB,SSIM提升效果优于0.04。     

基于低秩矩阵分解的光场稀疏采样及重构

光场成像技术中光场的采集和数据的压缩处理是亟待解决的问题。为了实现光场的稀疏采样和恢复,建立了基于光场低秩结构的压缩采样相机系统,研究了光场矩阵的结构特征及压缩采样下光场图像的重构问题。根据静态光场各视点图像之间的内容相似性,将这些图像向量化并按列组合成一个二维矩阵,该矩阵呈现出低秩或近似低秩的状态。对光场图像矩阵进行低秩分解,结果表明偏离低秩的部分呈现出很强的稀疏性性质,低秩和稀疏各自表征不同的数据冗余度。然后,对基于掩膜的相机采样系统进行随机Noiselets变换测量,鉴于重构过程是一个低秩稀疏相关性约束下的优化求解问题,采用贪婪迭代求解分别重构出光场矩阵的低秩部分和稀疏部分。仿真结果表明,重构图像的PSNR维持在25dB以上,且保留了光场视点间的视差信息,能够满足稀疏采样中对光场图像的要求。     

数据保真项与稀疏约束项相融合的稀疏重建

本文针对低光子计数成像过程中产生的泊松高斯混合噪声,提出了一种数据保真项与稀疏约束项相融合的稀疏重建方法。首先,基于泊松高斯噪声相互独立的混合噪声模型,建立了数据保真项与稀疏约束项相融合的稀疏重建目标函数;在图像块聚类的基础上,应用改进贪婪算法实现类内稀疏分解和字典更新;最后,稀疏分解和字典更新交替迭代求解干净图像。针对强烈泊松高斯噪声污染图像的重建实验显示,本文方法与对比方法相比,重建结果的PSNR值平均提升了5.5%,MSSIM值也有明显提升。这些结果表明:本文方法对具有强烈泊松高斯混合噪声的图像有较好的图像复原和噪声去除效果。     

基于光纹特征的激光主动照明图像去模糊

受光学系统离焦、大气扰动、平台振动的影响,激光主动照明系统捕获的图像容易被模糊,而传统的去模糊方法难以取得良好的复原效果,故本文提出基于光纹特征的盲解卷积复原方法来实现图像去模糊。首先将模糊图像降采样,建立尺度金字塔,在尺度空间查找光纹特征图像块。随后基于激光主动照明图像饱和像素较多的特点,提出新的图像退化模型。最后针对模糊核估计、光纹参数更新、清晰图像复原3个步骤,提出适用的能量函数,迭代复原出无噪清晰图像。搭建了主动照明系统,在捕获的激光主动照明图像上进行了实验,并与现有方法进行了对比。结果表明:本文方法不仅能够复原出清晰图像,而且能有效抑制振铃效应,其客观评价指标峰值信噪比(PSNR)优于已有的其他算法。     

改进的强度相干成像室内实验方法

设计了一种新的强度相干成像室内实验方法,以简化现有强度相干实验过程,获取接近实际观测的测量数据。首先,分析了强度相干成像原理及影响成像质量的因素;介绍了现有强度相干成像实验方法并分析其存在的不足。然后,利用赝热光源和CCD设计了一种新的强度相干成像方法;介绍了利用此种方法模拟强度相干成像的原理及特点。最后,进行了室内强度相干成像实验,验证了提出方法的可行性。实验结果表明:利用提出的实验方法能够较好地测量目标的空间功率谱,测量噪声主要分布在高频部分;当测量信噪比大于20时,利用相位恢复方法可恢复获得较好的目标光强分布图像。实验显示,提出的成像方法能够较好地模拟强度相干成像,实验中能够较为方便地调节光强随机涨落并观测基线参数,实现对小角直径目标的有效成像。     

基于稀疏处理的多能X射线分离成像

利用独立成分分析(Independent Component Analysis,ICA)并结合多能X射线图像的丰富信息可以将二维X射线图像中重叠目标分离成像,但是海量的图像数量,以及高像素数的要求均会使内存占有量和计算速度面临挑战,因此本研究将压缩感知(Compressed Sensing,CS)与ICA相结合进行分离成像,以提高计算速度和分离成像性能。研究过程中,首先根据被拍摄物体的物质组成确定拍摄多能X射线图像数量,并选取CS技术中K均值奇异值分解(K-means SingularValue Decomposition,K-SVD)稀疏基将多能X射线图像进行稀疏表示,然后利用ICA将此稀疏表示进行盲源分离得到独立源,最后采用正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)将独立源进行重构实现分离成像。研究结果表明:采用ICACS技术比仅采用ICA进行目标分离成像的运行时间减少了46.14s(23.3%)、内存占有率降低了21%、重构图像峰值信噪比(Peak Signal to Noise Ratio,PSNR)提高了2.665dB、边缘梯度提高了0.001、信息熵提高了0.09。     

基于压缩传感理论的重构算法研究

针对国内压缩传感理论(CS)尚处于起步以及理论研究阶段,为深入阐述该理论及对其实践应用性进行探索,将压缩传感理论从信号的稀疏表示、编码测量以及重构算法3个方面展开了较为详细的论述,并深入地阐述了重构算法中具有代表性的匹配追踪、正交匹配追踪、正则化正交匹配追踪算法。并进一步介绍了最小均方差线性估计(MMSE)算法,通过与常用重构算法的仿真对比,突出了MMSE算法在低采样率下的优越性。研究结果表明,该算法在实践中具有较好的应用潜力。     

Improved Three-Dimensional Image Reconstruction Technique for Multi-Component Ground Penetrating Radar Data

For electromagnetic imaging the vectorial character of the emitted field and the radiation characteristics of both source and receiver play an important role. Recently, a new imaging algorithm was presented dedicated to the electromagnetic case. The radiation characteristics of GPR source and receiver antennas and the vectorial nature of the electromagnetic waves are taken into account for a monostatic fixed offset GPR survey. This resulted in a representative image of a point scatterer. Comparison with scalar imaging algorithms shows that for a homogeneous space the SAR image has an opposite sign compared to the multi-component image, whereas the Gazdag image has a phase shift of about 90° with respect to the multi-component image. In this paper, modified scalar imaging algorithms are introduced that minimize these differences. However, between the images obtained in a homogeneous half-space phase differences of 10–20° are still present. These differences indicate the possible error in nature of the physical property contrast when it is determined with the modified scalar imaging algorithms. The multi-component imaging algorithm returns a representative image because it uses the appropriate Greens functions to eliminate the propagation effects. For practical imaging strategies, only far-field radiation characteristics can be used to compensate for the propagation effects due to the large computing time needed to evaluate the total-field expressions. Synthetic analysis of the imaging of a point scatterer calculated using total-field expressions shows that using the far-field expressions in the multi-component imaging algorithm the images better approximate the actual contrast than using the modified scalar imaging algorithms. Experimental results are presented from imaging several buried objects with different medium properties and different orientations. The phase differences in the experimental data are similar to those obtained synthetically. This likeness indicates that using the multi-component imaging algorithm, a more reliable image is obtained than with the modified scalar imaging algorithms.