循环-托普利兹块相位掩模可压缩双透镜成像

压缩成像是压缩传感理论的重要应用领域之一,可以用比Nyquist测量数目少的测量值捕获充分信息重建稀疏或可压缩图像.在研究现有的压缩成像方法的基础上,给出一种新的循环-托普利兹块相位掩模矩阵可压缩双透镜成像方法.模拟实验结果表明新的相位掩模矩阵成像方法可以在欠采样的情况下有效地获得图像信息来重建原始图像.新方法的研究为...     

托普利兹-循环块相位掩膜矩阵压缩成像

在托普利兹和循环矩阵的基础上,提出一种新的托普利兹-循环块相位掩膜矩阵可压缩双透镜成像方法,模拟实验结果表明:新的相位掩膜矩阵压缩成像可以在显著减少测量的同时,有效地捕获图像信息来重建原始图像;新相位掩膜矩阵的研究为确定性测量在压缩成像领域的应用提供了更多的支撑,在拥有原托普利兹和循环确定性测量优点的同时,还拥有自身的...     

托普利兹-循环块相位掩膜矩阵压缩成像

在托普利兹和循环矩阵的基础上,提出一种新的托普利兹-循环块相位掩膜矩阵可压缩双透镜成像方法.模拟实验结果表明:新的相位掩膜矩阵压缩成像可以在显著减少测量的同时,有效地捕获图像信息来重建原始图像|新相位掩膜矩阵的研究为确定性测量在压缩成像领域的应用提供了更多的支撑,在拥有原托普利兹和循环确定性测量优点的同时,还拥有自身的块结构特点,可以进一步减少物理实现成本,为新的照相机的设计提供若干理论、计算和技术支撑.     

依据列相关性优化高斯测量矩阵

为了提高信号重建的精度以及稀疏度适用范围,提出了一种新的测量矩阵优化方法,减小测量矩阵和稀疏变换矩阵的相关性。首先,由测量矩阵和稀疏变换矩阵的乘积构造Gram矩阵;根据Gram矩阵的维数,计算互相关函数的下确界即Welch界;其次,由Welch界确定阈值,收缩Gram矩阵中大于阈值的非对角元;然后,由新得的Gram矩阵和稀疏变换矩阵反解出测量矩阵,迭代更新,从而达到减小相关性,优化测量矩阵的目的。实验结果表明：依据Welch界优化测量矩阵,能快速降低压缩感知矩阵相关性的最大值,提高OMP算法的性能,例如在误差率为10_-0.9时,原高斯随机矩阵需要23个观测值,算法优化后只需16个观测值,相对于Elad、Zhao等观测矩阵优化方法,文中提出的算法具有更小的重构误差,性能和稳定性也略有提升。     

压缩感知光谱测量局部哈达玛矩阵的构造与性能

针对压缩感知光谱测量中随机矩阵作为测量矩阵无法获得高质量重建精度问题,提出了一种测量矩阵构造的新方法。介绍了局部哈达玛矩阵的构造方法,以随机测量矩阵为比较对象,通过仿真实验对局部哈达玛矩阵在压缩感知光谱测量中的性能进行分析。实验结果表明,相对于随机矩阵,新型局部哈达玛矩阵下的重建光谱与原始光谱重合度大大提高,在100%采样率时,定量指标MSE为3.2,实现了光谱的精确重建,25%采样率的MSE指标水平已经与随机矩阵100%采样率时相当,局部哈达玛矩阵可以有效的改善光谱重建的精度;光谱重建时间大约缩短到1/3,系统具有更好的信噪比特性。     

确定性相位掩膜可压缩双透镜成像

压缩成像是压缩传感理论的一个重要应用领域.本文将确定性测量引入压缩成像,提出一种确定性相位掩膜可压缩双透镜成像方法.模拟实验结果表明,新的成像方法可以在显著地降低物理实现成本的同时,有效地捕获图像信息来重建原始图像.此方法改变了经典的模拟-数字转换的光学成像思路,减少模数转换开销,并有利于图像的传输和存储,可以为照相机...     

CS-MRI 中评价随机欠采样矩阵的新方法

在压缩感知-磁共振成像(CS-MRI)中,随机欠采样矩阵与重建图像质量密切相关．而选取随机欠采样矩阵一般是通过计算点扩散函数(PSF),以可能产生的伪影的最大值为评价参数,评估欠采样对图像重建的影响,然而最大值只反应了伪影的最坏情况．该文引入了两种新的统计学评价参数平均值(MV)和标准差(SD),其中平均值评估了伪影的平均大小,标准差可以反映伪影的波动情况．该文分别使用这3种参数对小鼠和人体脑部MRI数据以不同的采样比率进行CS图像重建,实验结果表明,当采样比率不低于4倍稀疏度时,使用平均值获得了质量更优的重建图像．因此,通过稀疏度先验知识指导合理选取采样比率,并以平均值为评价参数选取随机欠采样矩阵,能够获得更优的CS-MRI重建图像．
     

基于计算鬼成像的双密钥光学加密方案

提出了一种基于计算鬼成像(CGI)的Toeplitz矩阵和轴向距离的双密钥光学加密方案。在该方案中,只需发送一个相位掩模密钥,就可以产生多种不同的随机散斑,大大减少了密钥的传输量;在接收端采用压缩感知技术进行解密。数值仿真和实验结果表明,密钥合法用户能完全恢复物体图像,而窃听者在窃听率即使达到60%的情况下,也不能获得图像的任何信息。双密钥的使用有效地提高了方案的安全性。     

基于渐进添边的准循环压缩感知时延估计算法

针对时延估计问题中压缩感知类算法现有测量矩阵需要大量数据存储量的问题,提出了一种基于渐进添边的准循环压缩感知时延估计算法,实现了稀疏测量矩阵条件下接收信号时延的准确估计.该算法首先建立压缩感知与最大似然译码之间的理论桥梁,然后推导基于低密度奇偶校验码的测量矩阵的设计准则,引入渐进添边的思想构造具有准循环结构的稀疏测量矩阵,最后利用正交匹配追踪算法正确估计出时延.对本文算法的计算复杂度与测量矩阵的数据存储量进行理论分析.仿真结果表明,所提算法在测量矩阵维数相同的条件下正确重构概率高于高斯随机矩阵和随机奇偶校验测量矩阵,相比于随机奇偶校验矩阵,在数据存储量相等的条件下,以较少的计算复杂度代价得到了重构概率的较大提高.     

确定性相位掩膜可压缩双透镜成像

压缩成像是压缩传感理论的一个重要应用领域.本文将确定性测量引入压缩成像,提出一种确定性相位掩膜可压缩双透镜成像方法.模拟实验结果表明,新的成像方法可以在显著地降低物理实现成本的同时,有效地捕获图像信息来重建原始图像.此方法改变了经典的模拟-数字转换的光学成像思路,减少模数转换开销,并有利于图像的传输和存储,可以为照相机的设计提供若干理论、计算和技术支撑.     

基于0-1稀疏循环矩阵的测量矩阵分离研究

当前压缩感知中测量矩阵的优化是测量阶段和重构阶段采用同一矩阵的事前优化。采用了以行变换为主的测量矩阵优化算法和过渡矩阵将压缩感知的测量矩阵和重构矩阵相分离,在测量阶段采用单像素相机的0-1稀疏矩阵,在重构阶段采用近似矩阵,这是区别于传统思路的测量数据和测量矩阵的事后优化方法。理论分析和实验结果表明,优化矩阵的性能好于稀疏循环矩阵,近似矩阵和优化矩阵具有相近的性能。研究成果降低了测量矩阵工程设计和实现的难度。     

基于双极性混沌序列的托普利兹块状感知矩阵

感知矩阵的构造是压缩感知从理论走向工程应用的关键技术之一.由于托普利兹感知矩阵能够支持快速算法且与离散卷积运算相对应,因此具有重要的研究意义.然而常用的随机托普利兹感知矩阵因其元素的不确定性,使得它在实际应用中受到了诸多约束,例如内存消耗较高和不易于硬件加载.基于此,本文结合双极性混沌序列的内在确定性和托普利兹矩阵的优点,提出了基于双极性混沌序列的托普利兹块状感知矩阵.具体地,首先介绍了双极性混沌序列的产生并分析了它的统计特性.其次,构造了双极性托普利兹块状混沌感知矩阵,从相关性方面证明了新建的感知矩阵具有近乎最优的理论保证,并同时证实了它满足约束等距条件.最后,研究了该感知矩阵针对一维信号和图像的压缩测量效果,并与典型感知矩阵进行了对比.结果表明,提出的感知矩阵对这些测试信号具有更好的测量效果,而且它在内存开销、计算复杂度和硬件实现等方面均具有明显的优势.特别地,该感知矩阵非常适用于多输入-单输出线性时不变系统的压缩感知测量问题.     

Infrared super-resolution imaging based on compressed sensing

The theoretical basis of traditional infrared super-resolution imaging method is Nyquist sampling theorem. The reconstruction premise is that the relative positions of the infrared objects in the low-resolution image sequences should keep fixed and the image restoration means is the inverse operation of ill-posed issues without fixed rules. The super-resolution reconstruction ability of the infrared image, algorithm’s application area and stability of reconstruction algorithm are limited. To this end, we proposed super-resolution reconstruction method based on compressed sensing in this paper. In the method, we selected Toeplitz matrix as the measurement matrix and realized it by phase mask method. We researched complementary matching pursuit algorithm and selected it as the recovery algorithm. In order to adapt to the moving target and decrease imaging time, we take use of area infrared focal plane array to acquire multiple measurements at one time. Theoretically, the method breaks though Nyquist sampling theorem and can greatly improve the spatial resolution of the infrared image. The last image contrast and experiment data indicate that our method is effective in improving resolution of infrared images and is superior than some traditional super-resolution imaging method. The compressed sensing super-resolution method is expected to have a wide application prospect.     

低信噪比下的二维联合线性布雷格曼迭代快速超分辨成像算法

针对实际逆合成孔径雷达(ISAR)成像时带宽有限、方位孔径稀疏的小角度回波数据条件下,常规算法的成像分辨率不高等问题,基于压缩感知理论,提出了一种低信噪比条件下的二维联合布雷格曼迭代快速ISAR超分辨成像算法.首先,将雷达回波构建为距离频域-方位多普勒域的二维稀疏表示模型,在此基础上,将二维超分辨成像问题转换为二维联合压缩感知的稀疏重构问题;其次,为了避免重构时向量化操作带来的复杂度,提出了二维联合布雷格曼迭代算法,为实现快速重构,将加权残量迭代、估计停滞步长与感知矩阵条件数优化三种加快收敛速度的思想相结合,既利用了布雷格曼迭代在低信噪比条件下的重构能力又能保证快速成像.最后仿真实验结果表明在欠采样和低信噪比条件下本文算法能够缩短成像时间,且具备更好的噪声鲁棒性.