基于高分三号SAR数据的城市建筑高分辨率高维成像

传统合成孔径雷达(SAR)只能获取方位-距离二维图像,无法准确反映目标的三维散射结构信息.层析合成孔径雷达(TomoSAR)是一种多基线干涉测量模式,它将合成孔径原理扩展至高程向,除了可对目标进行二维成像之外,还可以准确恢复目标的高度向散射信息,真正实现三维成像.差分层析合成孔径雷达(D-TomoSAR)将合成孔径原理...     

机载高波段SAR大斜视角大场景成像算法研究

该文基于合成孔径雷达(SAR)斜视成像模式,分析了机载成像处理中斜距展开和二维解耦合近似相位误差与波长、斜视角、分辨率和测绘带宽度等参数的关系,证明二阶近似可满足常规高波段SAR大斜视角成像要求,但改进RD算法的聚集深度问题限制了成像方位孔径,常规CS算法未考虑二次距离压缩(SRC)的空变性,其大场景成像效果均不佳,只有NCS算法考虑了SRC随距离的线性变化,大场景高波段SAR成像聚焦性能最优。对毫米波SAR点目标成像的计算机仿真结果证明了上述分析结果。     

基于卤素灯激励的红外热成像裂纹无损检测研究

钢轨安全状态的监测对保证列车的安全运行至关重要,针对钢轨裂纹的检测,本文阐述了几种不同的裂纹检测技术.重点分析了红外热成像检测技术在钢轨裂纹检测中的应用,该检测技术包括外激励加热、红外图像采集以及图像处理三部分.本文将常用激励方式进行了介绍和对比,详细阐述了卤素灯作为激励在裂纹检测中的应用;其次,搭建了基于卤素灯激励的...     

偏光片细微外观缺陷偏振成像检测方法

针对偏光片细微外观缺陷难以成像、难以检测的问题,该文提出一种基于偏振成像的外观缺陷检测新方法。通过缺陷偏振态指标测量结果,定性描述了对比度增强机理。利用缺陷与正常区域之间透射光偏振态的显著差异,大幅提高缺陷的成像对比度,从而简化后续图像处理算法,提高检测速度和准确率。实验结果表明,偏光片外观缺陷平均检出率达到97.3%,平均单个样品检测时间约为0.22 s,基本满足产业化应用要求。     

340 GHz稀疏MIMO阵列实时3-D成像系统

介绍了一种基于稀疏MIMO(Multiple Input and Multiple Output)阵列的340 GHz三维成像系统.系统采用水平放置的4发16收稀疏MIMO阵列配合垂直维的聚束扫描实现方位维的高分辨成像,每个发射通道的波形为16GHz带宽的线性调频连续波信号,通过脉冲压缩实现距离维的高分辨.测试结果表明,在4 m的探测距离(光程)上,成像系统方位向、垂直向和距离向的分辨率分别达到14 mm、10 mm和12 mm,通过对人体隐藏枪支的三维成像实验验证了系统对人体携带危险品的探测能力.     

基于级联卷积神经网络的疲劳检测

为了诊断热核聚变等离子体状态,研制了用于热 斑区等离子体诊断用的新型X射线光谱仪,能够同 时探测X射线光谱与聚爆靶图像信息。光谱检测功能由4块椭圆晶体分析器实现,材料分别 为α-石英(1010)、 α-石英(2023)、α-石英(1011)和Si(111),几乎能够覆盖2~20 keV能带范围内的X射线特 征光谱。光谱检测 结构为光源位于椭圆的一个焦点,其辐射光谱经过椭圆反射聚焦于椭圆另一焦点,由X射线 成像板(IP)接收。图 像检测功能由分幅相机匹配小孔阵列成像完成,理想状态能够得到20 幅不同时间的聚爆靶图像。在谱仪与 聚爆靶之间的调整台上设置厚为60μm的Be膜,以保护针孔与晶体避 免聚爆溅射碎片破坏。在中物院“神光- Ⅱ”升级装置上进行了打靶实验,获取了X射线光谱与聚爆靶图像信号。分析了光谱及图像 信息,并针对光谱 仪漏光问题改进了光谱仪结构,最后在神光-Ⅲ原型装置上进行了验证实验并获得比较理想 的图像信号,信噪比(SNR)数据达到15dB。     

余弦编码复用高空间分辨率关联成像研究

发展了一种余弦编码复用高空间分辨率关联成像技术。首先通过构造多个低空间分辨率的余弦编码散斑复用为高空间分辨率调制散斑对目标进行调制照明,单像素探测器收集调制光与目标相互作用后产生的散射光强,由迭代算法复原出目标的混叠图像。进而鉴于余弦编码所特有的确定性频谱结构,利用数字图像处理方法高效解码重构出多个低空间分辨率物体图像,最终拼接为高空间分辨率目标图像。理论分析了余弦编码复用高空间分辨率关联成像技术实现方法,并仿真验证了该方法的有效性。本方法大幅降低了传统高空间分辨率关联成像所需的调制散斑,减少了在线采样时间与离线图像重构时间,提高了高空间分辨率关联成像的成像效率。     

高效学习的透过未知散射介质的相位恢复方法

透过散射介质对目标进行准确的重建仍然是阻碍人们对深层生物组织成像分析和深空天文观测的主要挑战之一。基于深度学习的散射计算成像方法虽然在成像质量和效率等方面取得了很大的进展,但是针对实际系统中散射介质状态不固定,目标结构具有较高复杂度以及可获取的训练散射数据有限的情况下,单纯利用数据驱动的方法已无法进行准确高效的重建。将散斑相关原理和卷积神经网络强大的数据挖掘和映射能力进行有效的结合,进一步挖掘和利用散斑所包含的冗余信息,实现了仅利用一块薄散射介质对应的散斑数据即可实现透过具有不同统计特性散射介质的复杂目标重构。该方法针对实际散射场景复杂多变和训练样本数据有限的情况,实现了对复杂目标的高质量恢复,有力地推动了基于物理感知的学习方法在实际散射场景中的应用。