傅里叶望远镜外场实验与结果分析

为了分析外场环境因素对傅里叶望远镜成像质量的影响和验证成像过程不受下行链路大气扰动影响的特点,开展了傅里叶望远镜外场实验研究.外场实验在室内实验的发射光学系统的基础上增加了主镜、次镜和会聚透镜组对目标散射光进行3次会聚仿真实际系统的成像过程,同时将目标与主镜、主镜与次镜分别拉开100 m距离验证成像系统不受下行链路大气扰动影响的特点.实验利用胶片打印的2种不同的卫星图片作为目标,获得了Strehl值分别为0.44、0.39的无大气扰动的外场重构图像和Strehl值分别为0.43、0.38的含大气扰动的外场重构图像.通过比较外场重构图像与室内重构图像的Strehl值,得出发射光学系统中光束的振动对成像有较大影响.分析发现无大气扰动外场重构图像与含大气扰动外场重构图像的Strehl值相近,从而验证傅里叶望远镜成像过程不受下行链路大气扰动的影响.     

基于非均匀周期采样的傅里叶望远镜时域信号采集方法

为了在低信噪比条件下清晰重构深空暗弱目标,提出了一种基于非均匀周期采样（NUPS）的傅里叶望远镜（FT）时域信号采集方法。对提出的方法进行了模拟实验并与均匀采样方法重构的图像进行了对比。基于NUPS方法,用1 MHz和5 MHz的采样频率分别采集100个点,对两个序列信号分别进行快速傅里叶变换,并对关心频率信息进行平均;传统的均匀采样方法则分别用1 MHz和5 MHz的采样频率采集200个点,再进行解调平均。对比结果显示：当信噪比（SNR）为50时,本文重构图像与衍射极限图像的斯托里尔比（Strehl）相比原方法提升了0.03,SNR为20时,Strehl比为0.531 1,较均匀采样提高了0.223 3。实验结果表明：NUPS方法在低信噪比条件下成像质量较高,可降低对激光功率的要求,为FT工程系统的实施奠定了技术基础。     

准相位闭合在傅里叶望远镜图像重构算法中的应用

为了采用T型激光发射阵列的傅里叶望远镜对深空暗、弱、小目标进行高分辨率成像探测,研究了T型发射阵列情况下的图像重构算法.借鉴点面激光发射阵列,提出了准相位闭合概念,分别得到了T型发射阵列的最小二乘法(LMS)和加权噪声的Wiener滤波图像重构算法,完善了T型激光发射配置的傅里叶望远镜成像系统,为实际工程系统的实施奠定了技术基础.在不同成像信噪比条件下对整体系统数值模拟发现:相比直接傅里叶逆变换方法,重构图像成像质量有所提升,特别是当成像信噪比较低时,如SNR为50时,LMS和加权噪声的Wiener滤波方法重构图像的斯特里尔比分别提高了7%和8.4%,证实了该方法的可行性和正确性.     

傅里叶望远镜外场实验性能改进和结果分析

为了实现对傅里叶望远镜成像系统更接近实际的仿真,改进了外场实验系统结构。采用反射式目标,利用准直扩束镜替代空间滤波器和准直透镜,使用大靶面电荷耦合器件作为监视器。在无大气和包含200m水平大气两种情况下,分别对2.5mm的4种不同空间频谱分布目标进行实验。实验选用9×9,17×17,33×33和65×65傅里叶分量分别进行重构。最高成像角分辨率为3.5″。结果表明含大气与无大气重构结果的Strehl比值相近,从而证明傅里叶望远镜成像系统能够克服下行链路低阶大气扰动的影响。     

压缩感知同步扫描重建及其采样方案的研究

压缩感知(compressed sensing,CS)-磁共振成像(magnetic resonance imaging,MRI)技术使用随机欠采样的k空间数据来重建图像,大大提高了成像速度.但典型的CS重建很费时,这也是CS-MRI临床应用的主要障碍之一.针对这一问题,该文提出了在扫描时同步进行CS图像重建的方案.在同步重建的过程中,可以实时显示重建图像的结果,用户可以根据图像质量来决定何时终止扫描,这样可以在节约扫描和重建时间的同时,更好地控制图像质量.由于预先无法确定最终的采样率,因此传统的变密度随机采样方法并不完全适用.该文设计了适用于同步重建过程的采样模式生成方案,同时提出了分段采样方法,把采样过程分为两个阶段,不同阶段使用不同的概率密度函数(probability density function,PDF)确定待采样的相位编码行.模拟实验的结果表明,与使用单一密度函数的采样方案相比,分段采样方案能够在整个同步扫描重建过程中始终获得更好的图像.     

基于空域非均匀傅里叶变换的傅里叶望远镜

为了在稀疏发射阵列下清晰重构目标图像,提出了一种基于空域非均匀傅里叶变换(NDFT)的傅里叶望远镜信号处理方法。依据傅里叶望远镜的发射器位置与抽取的目标空间频率关系,结合MATLAB程序特点,完成了空域非均匀傅里叶逆变换,重构了目标图像。稀疏发射阵列配置方式为:T型阵列单臂放置11个发射望远镜,连续抽取目标的8个低频信息,再抽取3个高频分量。选择不同形状和灰度分布的4个卫星作为成像目标。与补零均匀快速傅里叶变换(FFT)方法重构的图像对比发现:信噪比为100 dB时,相比补零均匀FFT方法, NDFT方法重构图像的Strehl比都有所提升,最高提升了0.159 8。     

压缩感知理论在图像处理领域的应用

针对传统的采样方法得到的图像数据量巨大,给图像信息的后续处理造成极大压力的问题,对压缩感知理论(Compressed Sensing,CS)进行了研究。压缩感知理论使采集很少一部分数据并且从这些少量数据中重构出更大量信息的想法变成可能,突破了奈奎-斯特采样定理的限制。综述了CS理论及关键技术问题,并着重介绍了CS理论在成像系统、图像融合、图像目标识别与跟踪等方面的应用与发展状况。文章指出CS理论开拓了信息处理的新思路,随着该理论的进一步完善,会有更广泛的应用领域。     

一种数字微镜阵列分区控制和超分辨重建的压缩感知成像法

提出一种压缩感知成像框架结构.该结构采样端用新建的采样矩阵实现数字微镜阵列分区控制,可增强信息获取的准确性,测量得到与新数字微镜阵列对应的压缩采样值;重构端由采样值优化重构出低分辨率图像后,根据分区控制过程建立压缩感知理论框架下的超分辨重建模型,利用梯度稀疏约束优化算法进行求解,恢复出原高分辨率图像.实验结果表明:数字微镜阵列分区控制与超分辨重建相结合的方法可以明显降低压缩感知成像系统的计算量,缩短成像时间,并且具有较高的图像重构质量.     

基于凸优化的傅里叶叠层成像技术研究

在傅里叶叠层成像（FPM）过程中采集的低分辨率图像会对重建图像质量产生直接影响,已有的研究提出用图像超分辨率重建技术和对低分辨率图像进行传统去噪处理的方法来解决该问题,但超分辨率重建的方法需要采集大量的原始图像,会加大采集端的时间损耗,而传统去噪算法会造成原始信息丢失,严重影响重构图像质量。因此论文引入凸优化算法,噪声图像的恢复可以通过求解一个凸优化模型来实现,并用迭代收缩阈值算法来求解该模型,算法中采用Barzilai-Borwein（BB）规则在每次迭代时初始化线搜索步长,加快收敛速度,选用软阈值函数,使图像去噪时原始信息丢失减少,最终重构图像的PSNR为27.634 6 dB,SSIM为0.926 1,所需处理时间为5.850 s,因此基于凸优化的傅里叶叠层成像技术具有时间损耗不大的情况下提高重构图像质量的优点。     

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.     

Fourier Telescopy extrapolation based on the sampling theorem

Fourier Telecopy (FT) technique plays a promising role in deep space target detection. To improve the imaging quality of circular transmitting telescope array FT, a new processing method which adopts an extrapolation method based on the sampling theorem is proposed. Simulation results show that the extrapolation method can obviously improve system imaging resolution as well as reconstructed image quality. Even at a relative low SNR level the method improves system imaging resolution to a certain extent.     

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.     

基于稀疏重建的磁共振图像尖峰噪声消除方法

磁共振图像K空间中的尖峰噪声会严重影响图像质量.该文在磁共振图像压缩感知的共轭梯度重建法的基础上,提出一种新的利用磁共振图像稀疏性进行尖峰噪声修复的方法.传统的共轭梯度重建是通过小波域迭代进行的,对于K空间的尖峰噪声的消除不是最适合.首先提出压缩感知的K空间重建算法,该算法与小波域重建等效.在此基础上,提出可以较好地修复尖峰噪声的K空间部分重建算法.即在迭代过程中,以图像的稀疏性作为约束条件,仅修改尖峰噪声所遮盖区域的数据,其他位置的数据保持不变.该算法与传统的插值算法及共轭梯度算法相比,能够更好地修复K空间尖峰噪声点,减少图像伪影,同时降低了对尖峰噪声定位准确性的要求.     

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.     

Undersampled MRI reconstruction with patch-based directional wavelets

Compressed sensing has shown great potential in reducing data acquisition time in magnetic resonance imaging (MRI). In traditional compressed sensing MRI methods, an image is reconstructed by enforcing its sparse representation with respect to a preconstructed basis or dictionary. In this paper, patch-based directional wavelets are proposed to reconstruct images from undersampled k-space data. A parameter of patch-based directional wavelets, indicating the geometric direction of each patch, is trained from the reconstructed image using conventional compressed sensing MRI methods and incorporated into the sparsifying transform to provide the sparse representation for the image to be reconstructed. A reconstruction formulation is proposed and solved via an efficient alternating direction algorithm. Simulation results on phantom and in vivo data indicate that the proposed method outperforms conventional compressed sensing MRI methods in preserving the edges and suppressing the noise. Besides, the proposed method is not sensitive to the initial image when training directions.     

基于压缩感知的动态散射成像

利用基于压缩感知的成像系统可以透过静态的散射介质获得高质量的重建图像. 但是当散射介质动态变化时, 因为采样所得的测量值受到散射介质衰减系数非线性变化的影响, 重建图像质量会大大下降. 针对上述情况, 本文提出基于压缩感知成像系统的测量值线性拉伸算法, 该算法能够对所得到的非线性测量值进行分析, 根据测量值大小的不同将测量值划分成数个区域并计算补偿系数, 从而根据补偿系数进行测量值线性拉伸变换, 使测量值线性化. 最后再对变换后的测量值进行压缩感知重建计算. 通过理论分析、计算机仿真和实验证明了所提算法能够有效地应对动态的散射介质, 提高基于压缩感知成像系统在透过动态散射介质时的图像重建质量.     

基于压缩感知与扩展小波树的自适应压缩成像

为了在现有的采样条件下,通过新的压缩采样方式获得计算量小且质量更好的图像,提出了基于压缩感知与扩展小波树的自适应压缩成像方法。首先将图像投影到分区控制的DMD上,获得图像在低分辨率下的测量值,并通过压缩感知重构算法重构出低分辨图像,接着利用扩展小波树预测重要小波位置,通过DMD在小波域采样获取图像的细节信息,最后由小波逆变换恢复高分辨率图像。将该方法与最小化全变分算法（TVAL3）和近来提出的基于扩展小波树的自适应成像算法（EWT-ACS）效果进行对比,实验结果表明,以boat图像为例,在压缩感知采样率为0.75,整体采样率为10%的无噪声条件下,该方法相较于TVAL3、EWT-ACS算法信噪比提高了4.63 dB和2.87 dB,在附加噪声条件下成像效果也较好。该方法能极大地降低压缩感知重建算法的运行时间,同时减少采样次数,具有较好的抗噪性。     

Compressed sensing sparse reconstruction for coherent field imaging

Return signal processing and reconstruction plays a pivotal role in coherent field imaging, having a significant influence on the quality of the reconstructed image. To reduce the required samples and accelerate the sampling process,we propose a genuine sparse reconstruction scheme based on compressed sensing theory. By analyzing the sparsity of the received signal in the Fourier spectrum domain, we accomplish an effective random projection and then reconstruct the return signal from as little as 10% of traditional samples, finally acquiring the target image precisely. The results of the numerical simulations and practical experiments verify the correctness of the proposed method, providing an efficient processing approach for imaging fast-moving targets in the future.     

光学综合孔径望远镜成像分析及计算机仿真

阐述了光学综合孔径(OSA)望远镜成像原理以及综合孔径望远镜的几种实现形式；采用快速傅里叶变换(FFT)算法得到了任意子孔径综合模式下的点扩展函数(PSF)和光学传递函数(OTF)分布；从子孔径结构排列、共相位、图像恢复几个方面论述了光学综合孔径的成像特征。初步分析了稀疏率、填充因子、“实际截止频率”等因素对光学综合孔径望远镜成像的影响。分析和仿真结果表明：光学综合孔径通过相干成像不但可以突破传统单孔径系统的口径局限获得极高的成像分辨率，而且对于实现空间光学遥感系统轻量化和模块化都具有重要意义。