基于改进的分块压缩感知红外图像重建

针对基于压缩感知理论的红外图像重建问题,提出一种基于改进的分块压缩感知红外图像重建方法。该方法首先对原始红外图像进行分块,并对每个子块用相同的观测矩阵进行随机观测,获得少量的观测数据;然后利用谱图小波变换优异的稀疏特性,将其引入平滑投影Landweber算法进行迭代优化重建,同时采用混合中值滤波进行处理以增加图像的平滑度和减少块伪影,最后输出满足要求的高质量红外图像。实验结果表明,在相同采样率下,该方法对于不同类型红外图像的重建性能均优于目前广为采用的一些小波压缩感知方法,可获得更高质量的红外图像。     

近似零伪范数约束的水声信号压缩与重构

提出近似零伪范数约束的稀疏压缩与重构方法。该方法首先采用稀疏二进制矩阵作为测量矩阵,对信号进行压缩和传输;在接收端仅给定测量矩阵和压缩信号的条件下,采用小波滤波器设计字典,利用最陡梯度法寻优和投影方法求得信号的稀疏表达,最终结合稀疏表达值与字典用于水声数据重建,海试实验结合扫频以及单载频信号进行处理,采用NMSE、SNR以及算法运行时间作为算法的评估指标,以验证本文方法相对于传统算法在恢复精度上的提高。      

基于lp范数的压缩感知图像重建算法研究

图像重建是光学成像、光声成像、声纳成像、核磁共振成像、 天体成像等物理成像领域中的关键技术之一. 近年来提出的压缩感知理论指出: 对稀疏或者可压缩信号进行少量非自适应线性投影,投影信号含有足够的信息, 从而能对信号进行高概率重建. 压缩感知已被应用于多种物理成像系统. 将罚函数法和修正Hesse阵序列二次规划方法相结合, 并采用了分块压缩感知思想, 提出一种基于l_p范数的压缩感知图像重建算法. 以cameraman, barbara和mandrill图像为例, 采用该算法进行图像重建. 首先, 在不同采样率下对图像重建. 即便采样率低至0.3时, 也能获得高达32.23dB的信噪比, 重建图像清晰可辨. 验证了该算法的正确性. 其次, 将该算法与正交匹配追踪算法进行对比, 在采样率达到0.5以上时, 能够获得高信噪比的重建图像, 成像时间也大为减少, 特别是采样率为0.7时, 成像时间减少88%. 最后, 与现有基于l_p 范数的压缩感知图像重建算法进行对比, 计算结果表明在成像质量有所提高的基础上, 成像时间大为缩短. 关键词： 图像重建 压缩感知 罚函数 修正Hesse阵序列二次规划     

基于局部保留投影的荧光分子断层成像快速重建

采用大规模荧光分子断层成像(FMT)投影数据进行重建需要消耗大量的计算内存,花费较长的计算时间.为降低FMT重建的病态性以及加快重建速度,基于流形学习和压缩感知理论,提出了结合局部保留投影(LPP)和稀疏正则化的重建方法,并对原始的多投影荧光数据进行重建.为评估该方法的重建效果和时间,分别设计了非匀质圆柱单、双目标仿真实验和真实小鼠实验.实验结果表明,在保证FMT重建图像精度和分辨率的同时将重建时间大幅度减少.     

选择性双向顺序压缩感知重建动态磁共振成像

压缩感知是一种新兴技术,该技术能够用远低于奈奎斯特采样频率采集的信号恢复出原始信号. 压缩感知成像方法大大提高了心脏磁共振成像的采集速度,已有的方法主要利用动态图像时间相关及心脏的周期性运动特征,如采用在时间维做傅立叶变换或求解每帧数据跟参考帧数据的差异获取稀疏数据,满足压缩感知重建的要求. 该文提出了选择性双向顺序压缩感知重建算法,利用相邻帧的差异更小的特点,获取更加稀疏的差异数据,同时利用动态图像的周期性,以目标函数积分为判据,在时间顺序和时间逆序两个方向选择效果更好的方向进行数据重建,降低图像伪影和噪声. 该选择算法,可以在不增加重建时间的情况下,选择双向顺序重建中最佳的结果. 该文对心脏磁共振图像数据进行了数据处理实验,并且跟传统压缩感知算法、参考帧差异方法及匙孔成像方法进行了比较. 结果表明：该方法无论从视觉效果还是从统计结果上,都有很大的改善.     

基于压缩感知超分辨鬼成像

分辨率是成像系统的一个重要参数, 获得高分辨率图像一直是鬼成像系统的一个目标. 本文提出了以成像系统点扩散函数作为先验知识, 基于稀疏测量的超分辨压缩感知鬼成像重建模型. 搭建了一套计算鬼成像实验装置, 用于验证该模型对于提高鬼成像系统分辨率的有效性, 并与传统的鬼成像计算模型进行了对比. 实验表明, 利用该模型可突破成像系统衍射极限分辨率的限制, 得到超分辨鬼成像. 关键词： 鬼成像 压缩感知 超分辨 稀疏测量     

压缩感知在合成发射孔径医学超声成像中的应用

为了解决合成发射孔径技术在医学超声成像实现中面临的数据量大及接收通道多的问题,提出一种超声成像系统频率域稀疏性模型的压缩感知成像算法。首先对超声系统频率域稀疏性模型进行了验证;然后根据稀疏性模型利用压缩感知理论对回波信号进行压缩采样,并使用最优化方法完成回波信号重建;最终通过合成发射孔径技术完成超声成像。针对医学成像中常用的点目标及模拟胎儿目标进行成像仿真实验,对重建图像在均方误差、分辨率及成像质量等方面与常规成像结果对比分析。实验结果表明在保证成像质量的同时,仅使用30%原始数据量及50%总接收通道数目可完成成像;频率域稀疏性模型的压缩感知成像算法可以大幅度减少合成发射孔径成像所需数据量及接收通道数,极大地降低了系统复杂度。      

压缩感知重建数字同轴全息

数字重建是数字全息技术的关键步骤.传统的重建算法存在共轭像、聚焦物体与背景离焦物体相互干扰等问题.应用新兴的压缩感知技术,研究了全息图像的稀疏重建.基于衍射的线性运算,导出了利用压缩感知重建数字同轴全息三维空间的算法.利用该算法对颗粒的模拟全息图和数字显微全息实验全息图进行了重建,并将重建结果与传统的卷积重建结果进行了...     

基于压缩感知的变步长自适应匹配追踪重建算法

压缩感知是针对稀疏或可压缩信号进行采样的同时即可对信号数据进行适当压缩的新理论,重建算法是其中关键的一部分,对采样过程中的准确性验证有着重要的意义。在研究和总结目前已有重建算法的基础上,提出了一种新的基于贪婪追踪的变步长自适应匹配追踪(VssAMP)算法。该算法通过可变步长及双重阈值控制重建精度,在信号稀疏度未知的前提下,即可对信号进行精确重建。实验结果表明,在相同条件下该算法的主客观重建效果均优于现有同类方法。     

混沌信号的压缩感知去噪

对非线性时间序列进行噪声抑制是从中提取有效信息的前提. 混沌信号的去噪算法不仅要使滤波后的信号具有较高的信噪比, 也要具有较好的不确定性. 从压缩感知的角度出发,提出了一种新的噪声抑制方法. 该方法包括估计噪声方差, 以及依据动态的稀疏度将观测值往确定的过完备字典上投影. 仿真实验表明, 该方法比常用的小波阈值法和局部曲线拟合法具有更高的输出信噪比, 而原始信号的混沌特性也能得到较大程度的恢复.     

A measurement-domain adaptive beamforming approach for ultrasound instrument based on distributed compressed sensing: Initial development

High efficient acquisition of the sensor array signals and accurate reconstruction of the backscattering medium are important issues in ultrasound imaging instrument. This paper presents a novel measurement-domain adaptive beamforming approach (MABF) based on distributed compressed sensing (DCS) which seeks to simultaneously measure signals that are each individually sparse in some domain(s) and also mutually correlated with much few measurements under the Nyquist rate. Instead of sampling conventional backscattering signals at the Nyquist rate, few linear projections of the returned signal with random vectors are taken as measurements, which can reduce the amount of samples per channel greatly and makes the real-time transmission of sensor array data possible. Then high resolution ultrasound image is reconstructed from the few measurements of DCS directly by the proposed MABF algorithm without recovering the raw sensor signals with complex convex optimization algorithm. The simulated results show the effectiveness of the proposed method.     

分段匹配追踪式Karhunen-Loeve非相干字典语音压缩感知

压缩感知(Compressed Sensing,CS)理论突破了经典采样定理的理论边界,为信号压缩提供了另一种途径。基于CS理论框架,做了两方面工作:为提高语音字典对信号的匹配性,设计了一种基于K-L展开的非相干语音字典;针对现有匹配追踪(MP,OMP)算法的不足,提出分段匹配追踪(Segment MP,SegMP)算法。首先对语音自相关函数进行建模并估计模型参数,构造语音自适应非相干字典,然后采用SegMP对语音稀疏向量分段观测,获得多个低维矢量,最后结合模型参数重建字典并重构信号,实现了语音压缩感知。语音测试结果表明:相比现有方案,本文方案对信号的稀疏表示更为精准,具有更好的重构质量,且降低了计算复杂度。      

合成孔径压缩感知超声成像中的高效能稀疏字典设计

针对目前常见的稀疏字典缺乏针对性,在合成孔径医学超声成像中的应用效果不佳,难以在低压缩率下保证重构图像质量的问题,本文设计了一种高效能的稀疏字典。根据超声回波信号是由发射脉冲信号经过不同延时衰减后叠加的特点,利用发射脉冲作为基函数构造稀疏字典,回波信号在该稀疏字典确定的变换域中具备很好的稀疏性,理论上能使其稀疏表示系数的稀疏度等于超声阵元接收到的反射回波数。通过FieldⅡ对简单点目标和复杂目标的仿真结果表明:在相同的重构算法和压缩率下该稀疏字典重构的平均绝对误差明显小于常见的稀疏字典,其值仅为DWT的几分之一,DFT和DCT的几十分之一,能让回波信号以更低的压缩率实现相同的恢复效果。本文最后使用体模的实际采集数据对算法的实际效果进行检测,实验结果也与仿真结果基本一致。基于该稀疏字典的压缩感知算法可以进一步减少合成孔径成像所需存储的数据量、降低系统的复杂度。      

A General Rate-Distortion Optimization Method for Block Compressed Sensing of Images

Block compressed sensing (BCS) is a promising technology for image sampling and compression for resource-constrained applications, but it needs to balance the sampling rate and quantization bit-depth for a bit-rate constraint. In this paper, we summarize the commonly used CS quantization frameworks into a unified framework, and a new bit-rate model and a model of the optimal bit-depth are proposed for the unified CS framework. The proposed bit-rate model reveals the relationship between the bit-rate, sampling rate, and bit-depth based on the information entropy of generalized Gaussian distribution. The optimal bit-depth model can predict the optimal bit-depth of CS measurements at a given bit-rate. Then, we propose a general algorithm for choosing sampling rate and bit-depth based on the proposed models. Experimental results show that the proposed algorithm achieves near-optimal rate-distortion performance for the uniform quantization framework and predictive quantization framework in BCS.     

Photoacoustic image reconstruction based on Bayesian compressive sensing algorithm

The photoacoustic tomography (PAT) method, based on compressive sensing (CS) theory, requires that, for the CS reconstruction, the desired image should have a sparse representation in a known transform domain. However, the sparsity of photoacoustic signals is destroyed because noises always exist. Therefore, the original sparse signal cannot be effectively recovered using the general reconstruction algorithm. In this study, Bayesian compressive sensing (BCS) is employed to obtain highly sparse representations of photoacoustic images based on a set of noisy CS measurements. Results of simulation demonstrate that the BCS-reconstructed image can achieve superior performance than other state-of-the-art CS-reconstruction algorithms.     

Motion correction based reconstruction method for compressively sampled cardiac MR imaging

Respiratory motion during Magnetic Resonance (MR) acquisition causes strong blurring artifacts in the reconstructed images. These artifacts become more pronounced when used with the fast imaging reconstruction techniques like compressed sensing (CS). Recently, an MR reconstruction technique has been done with the help of compressed sensing (CS), to provide good quality sparse images from the highly under-sampled k-space data. In order to maximize the benefits of CS, it is obvious to use CS with the motion corrected samples. In this paper, we propose a novel CS based motion corrected image reconstruction technique. First, k-space data have been assigned to different respiratory state with the help of frequency domain phase correlation method. Then, multiple sparsity constraints has been used to provide good quality reconstructed cardiac cine images with the highly under-sampled k-space data. The proposed method exploits the multiple sparsity constraints, in combination with demon based registration technique and a novel reconstruction technique to provide the final motion free images. The proposed method is very simple to implement in clinical settings as compared to existing motion corrected methods. The performance of the proposed method is examined using simulated data and clinical data. Results show that this method performs better than the reconstruction of CS based method of cardiac cine images. Different acceleration rates have been used to show the performance of the proposed method.     

基于回溯筛选的稀疏重构时延估计算法

针对无线定位中时延估计在小样本(单快拍)、低信噪比条件下需要大量独立分布测量数据问题,提出了一种基于回溯筛选的稀疏重构时延估计算法,实现了单快拍、低信噪比条件下接收信号的精确时延估计.该算法首先建立接收信号的稀疏表示模型,然后基于该模型建立正交观测矩阵,最后在重构算法中引入回溯筛选思想,利用时延与观测矩阵之间的一一对应关系得到时延的无偏估计.对该模型下时延估计的克拉美罗界进行了推导.仿真分析表明,所提方法在单快拍、低信噪比条件下精度远高于求根多重信号分类算法,相比于正交匹配追踪算法,在较小的复杂度代价下性能得到了较大提升.     

用于随机解调器压缩采样的重构判定方法

提出了一种随机解调器压缩采样重构成败的判定方法. 该方法利用两次连续重构所得稀疏信号支撑之间的相关性来判断重构是否成功,其计算复杂度低,易于实现. 仿真结果表明,该方法能准确判断随机解调器压缩采样重构成败,用于宽带频谱感知中能够显著降低信号不稀疏时对主用户的干扰概率. 关键词： 认知无线电 频谱感知 随机解调器 压缩采样     

基于局部约束群稀疏的红外图像超分辨率重建

针对红外图像分辨率低、视觉质量差等问题,提出基于局部约束群稀疏模型的红外图像超分辨率重建方法.考虑到红外图像的纹理自相似性和原子系数的群结构稀疏性,首先建立了基于局部约束的群稀疏表示模型.然后,在假定低分辨率图像空间和高分辨率图像空间具有相似流形的前提下,联合局部约束群稀疏表示模型和K-SVD(K奇异值分解)方法,训练得到高低分辨率图像对应的群结构字典对.最后,通过高分辨字典和对应的红外图像群稀疏表示系数重建得到高分辨率的红外图像.实验结果表明,本文方法具有更好的超分辨率效果,无论是在客观评价指标还是主观视觉效果方面都有明显的提高.