超声全矩阵数据联合稀疏重构的多测量向量模型应用

针对单测量向量模型(Single Measurement Vector,SMV)等传统压缩感知方法处理超声全矩阵数据时,存在重构精度低和重构耗时长等问题,本文研究了多测量向量模型(Multiple Measurement Vectors,MMV)应用的可行性。针对铝合金试块中不同深度的φ2 mm横通孔,分别使用MMV模型中的多测量稀疏贝叶斯(Multiple Sparse Bayesian Learning,MSBL)算法和SMV模型中的稀疏贝叶斯(Sparse Bayesian Learning,SBL)算法进行超声全矩阵数据重构,并实施全聚焦成像。随后,引入归一化均方误差和阵列性能因子评价图像和信号的重构效果。实验结果表明,SBL算法在25%采样率时的归一化均方误差为1.9%,而MSBL算法仅需15%采样率即可达到相似效果且耗时更少。     

基于贝叶斯学习的下视三维合成孔径雷达成像方法

为了获得理想的跨航向分辨率,现有下视三维合成孔径雷达(DL 3DSAR)成像方法所需天线阵列过长,且阵元数目过多。针对该问题,提出了一种基于Lp正则化的DL 3DSAR成像方法。在分析DL 3DSAR回波信号模型的基础上,构建超完备字典,将跨航向成像过程转化为Lp范数最小化问题,并分析其可行性,最后使用稀疏贝叶斯学习方法对其进行优化求解以获得最终的成像结果。仿真实验结果表明,该方法在保证成像质量的前提下可以将成像所需阵列长度减少为原长度的1/4,或者在相同阵列条件下将跨行向分辨率提高1倍。     

水声信号稀疏重构高分辨角度-多普勒成像

针对傅氏空时二维谱估计分辨率低以及声呐空时采样数据样本数不足给角度-多普勒成像带来困难的问题,提出一种水声信号稀疏重构的高分辨角度-多普勒成像方法和抗混响空时滤波器的稀疏重构方法.该方法在声呐阵列单测量向量的极少观测样本条件下,建立阵列信号的空时稀疏表示模型,应用稀疏表示的匹配追踪算法和基追踪算法重构回波与混响的高分辨...     

频域宽带下视多波束三维声成像算法

为解决下视多波束三维成像声呐跨航向分辨率差、旁瓣级高的问题,提出一种频域宽带下视多波束三维声成像算法。该算法将阵元域回波信号通过二维傅里叶变换直接变换到波数-频率域,之后进行深度向匹配滤波,同时选取带宽内的频点进行频域宽带信号的相位补偿,再进行二维逆傅里叶变换回阵元域,实现跨航向-深度向成像处理。沿航向采用时域合成孔径方法,得到三维图像结果.计算机仿真和海上实验结果表明,相比于常规的下视多波束三维成像声呐处理算法,改进的方法跨航向主瓣变窄,角分辨率明显提高,旁瓣降低10~30 dB。相比于传统基于分块DFT的频域宽带波束形成,改进的频域宽带方法避免了跨航向处理中的时域分块插值和多次变换域,复数加法和乘法次数显著降低。改进的频域宽带下视多波束三维声成像算法可以有效地获取水下三维高分辨图像,抑制虚影,明显改善成像质量。同时,计算效率高,更适合于实时成像系统实现。      

基于压缩感知的三维单分子定位显微成像方法研究

本文建立了一种三维压缩感知模型以实现对高密度荧光分子图像的快速三维定位。首先,根据荧光显微的三维点扩展函数成像理论,设计测量矩阵,并建立压缩感知模型。接着,对荧光显微成像过程进行了模拟,并采用凸优化方法(CVX)、正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法和同伦算法对建立的压缩感知模型中模拟生成的图像进行了定位分析,分别从恢复率、定位精度、重构时间几方面进行了对比。最后,采用同伦算法对模拟的生物样品和实验室采集的细胞进行了三维定位,并获得了三维超分辨图像。对比结果表明:在重构密度和定位精度接近的情况下,同伦算法比CVX方法的重构速度快2个数量级。同伦算法较OMP算法的定位精度要高一倍。采用同伦算法来实现三维的超分辨荧光显微成像在节约计算时间、实现实时成像方面具有一定的意义。     

早期乳腺肿瘤的超宽带微波稳健波束形成成像检测系统

提出了一种基于自主设计小型超宽带天线的微波稳健波束形成(RCB)成像肿瘤检测系统.仿真结果表明,该检测系统对肿瘤反射信号有很高的敏感度.在简单平面模型和核磁共振成像图(MRI)导出模型中进行仿真检测实验,并将天线阵列接收信号用RCB算法进行成像处理.从乳房重构图像中能够得到正确的肿瘤位置及大小信息,实现了平面模型中最小直径3 mm和MRI导出模型中最小直径4 mm的肿瘤检测,证实了该检测系统用于早期乳腺肿瘤检测的可行性.     

基于分块平滑投影二次重构算法的单像素成像系统

单像素成像系统是通过无空间分辨能力的单像元探测器来获取目标二维分布信息的计算光学成像技术,与传统直接成像技术相比具有高能量收集效率、高灵敏度等一系列优点,在高能物理诊断技术领域有着广阔的应用前景。针对实际单像素压缩感知成像系统在复杂诊断环境中存在的重建噪声较大的问题,提出并实现了基于分块平滑投影Landweber二次重构算法的单像素成像系统。根据算法观测矩阵分布特性以及数字微镜硬件输入要求实现了实际投影观测矩阵的变换,利用二次重构算法实现了单像素诊断的仿真分析与实验测试。仿真结果表明,在采样率为20%～30%的条件下,重建图像峰值信噪比大于20 dB,结构相似性高于0.8。进一步搭建单像素成像平台完成实验研究及验证,实验结果表明,利用二次重构算法模型对目标场景进行恢复的效果优于其余两种传统算法。二次重构单像素成像系统在采样率仅为20%的条件下能够重建出清晰的原始图像,具有较好的噪声抑制特性。     

基于相位辅助的三维数字成像与测量

综述了基于相位辅助的三维数字成像与测量的核心技术.以相机模型为基础,建立了三维数字成像系统模型和三维测量网模型,并介绍了相关的标定技术.在主动立体视觉的理论框架下,综述了相位提取、相位展开、对应点搜索等单视点深度像重建的关键技术.介绍了深度数据后处理技术,其中包括多视点深度像的匹配、融合和简化的代表性算法.同时,对系统...     

对固定平台红外单站被动定位技术研究

介绍了一种基于红外成像和序列图像处理技术的对固定平台红外单站被动定位新算法.该算法通过对红外成像目标的实时测量信息求解出目标相对测量基站的距离,它适用于匀速、匀加速和变加速等各种运动模型,具有定位精度高、体积小和便于机动的特点.该算法对可见光成像单站被动定位同样有效.     

基于衍射理论的哈达玛编码光谱成像数据重构

哈达玛变换光谱成像技术是一种在不牺牲分辨率的情况下,通过多通道复用的方法增加光学系统光通量,使得系统信噪比显著高于传统成像的新型计算光谱成像技术.本文针对系统成像过程中数字微镜器件衍射造成的图像降质问题,建立了基于标量衍射理论的哈达玛编码光谱成像图谱数据退化模型,提出以Lucy-Richardson (L-R)算法为核心的重构数据修正算法,提高重构数据立方体的图像质量和光谱精度.通过对成像过程的模拟和重构算法的仿真实验,数字化生成了系统成像衍射降质的物理过程,并验证了本文所采用修正方法的有效性.经过L-R修正之后的复原数据立方体的光谱角距离评价结果为0.1296,图像相似度评价因子优于0.85,相比修正前的重构数据质量有较大提升,表明算法对哈达玛编码光谱成像数据的重构及修正具有较好的效果.     

基于双色光照明的单曝光同轴数字全息技术

提出了一种基于双色光照明的单曝光同轴数字全息技术。在红绿蓝三色中,任选两种波长的光来照射物体,采用彩色CCD记录双色同轴全息图,然后经过三基色分离数字处理,可得到两幅不同波长的同轴全息图。用角谱衍射理论对该技术进行了分析,表明在降低物参光振幅比的条件下,通过对同轴数字全息图求自然对数,可近似得到衍射物光及其共轭之和,其误差与物参光振幅比有关。取两幅不同波长的同轴数字全息图,经自然对数处理后,用传递函数可以很好地重构出物体图像,给出了具体的数字处理算法。用仿真实验,模拟了该技术的全息记录和处理过程,得到重构图像的峰值信噪比(PSNR)为14.2 dB。结果表明该方法可以去除孪生衍射像干扰,可以实现清晰的单曝光同轴全息成像。最后,分析了再现像中噪声产生的原因。该技术可用于基于同轴全息的实时成像与动态测量。     

三维层析诊断跨界面成像修正方法研究

三维层析诊断技术通过高速相机采集火焰在空间各方向上的二维投影,利用层析算法重构火焰的三维空间分布,具有时空分辨能力,可完整解析火焰发展过程,是测量和评估发动机缸内燃烧过程的新兴技术。该技术应用于光学发动机燃烧测试时,缸内光学信号通过透明缸壁时将发生折射,导致投影产生扭曲,进而影响火焰三维重构精度。本文基于平行光成像假设和光线追踪法,在MATLAB平台上发展了跨缸壁界面的成像扭曲修正算法,并使用数值方法验证了该算法的正确性。     

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.     

基于分数阶傅里叶变换的弹载SAR成像算法

针对弹载合成孔径雷达(SAR)回波信号的多普勒参数随斜距变化大及传统脉冲压缩成像算法分辨率低的问题,本文提出了一种基于分数阶傅里叶变换(FrFT)的弹载SAR成像算法.首先建立弹载SAR末制导阶段回波信号模型,然后通过局部最优处理来测量回波信号的调频率,并以此计算FrFT的最优阶次,在最优阶次下分别对回波信号进行距离向和方位向的FrFT,从而得到成像区域的SAR图像,最后分别采用传统脉冲压缩成像算法与本文基于FrFT的成像算法进行仿真和实测对比实验.实验结果表明,该算法能够对目标区域精确成像;由于在成像处理过程中,对每个距离向和方位向的回波信号进行独立的局部最优处理,因此该算法更适应于弹载SAR的非线性飞行轨迹,大大提高了弹载SAR的成像性能.该研究成果在目标探测与识别,精确制导等领域中具有重要的应用价值.     

基于图像压缩传感的自动式光学单点成像系统

基于图像压缩传感理论,在手动式光学单点成像系统的基础上研究了自动式光学单点成像系统。主要介绍了系统中自动编码转盘的设计以及编码块的获取,采用一系列优化的编码块图案作为测量矩阵,并利用最小均方差线性估计（MMSE）重构算法进行实验。实验研究表明,通过7.8% 低采样率即可实现对字符样本的重构。该自动编码转盘系统自动化程度较高,误差较小,而且可随意改变测量次数。     

基于空间域压缩采样和谱域Karhunen-Loève变换的光谱成像与重构

光谱图像包含丰富的空间信息和光谱信息,能够为天基预警探测任务提供重要的信息支撑,但其庞大的数据量给硬件设备带来了极大的挑战。传统的基于奈奎斯特采样的"先采样后压缩"的处理方式不仅无法从根本上解决数据量庞大的问题,还会造成资源浪费;针对此问题,利用单波段二维图像的稀疏性和空间编码数据的谱间冗余,设计了一种基于空间域压缩采样和谱域Karhunen-Loève(KL)变换编码的光谱图像重构方法,并建立基于1范数和全变分约束的单波段二维图像复合正则重构模型,同时结合投影梯度法和软阈值收缩算子设计2D-CRPG模型求解算法。结果表明:基于空间域压缩采样和谱域KL变换编码的光谱图像重构方法能够有效降低数据采样成本,有利于天基预警探测光谱成像;2D-CRPG重构算法能够有效保留光谱图像的结构信息,从而在有限的采样率下较好地重构原始光谱图像。     

一种基于编码孔径的压缩传感图像重构算法的改进

针对压缩传感理论应用于实际系统成像时重构图像质量随图像采样率变化的问题,通过对正交匹配追踪算法进行改进,提出了一种利用空间光调制器实现编码孔径成像的压缩传感图像重构方法。该方法对传统的正交匹配追踪法迭代计算中已选入支撑集的列向量进行标记,并在下一次迭代计算中予以排除,从而减少了重构时间。在此基础上提出了将测量矩阵分别按行和按列排列进行重构后平均的图像增强算法。增强算法在达到同样重构质量时,减小了图像采样率,有利于图像数据的传输和存储。仿真实验验证了方法的有效性和稳定性,可为压缩传感技术的应用提供技术参考。     

基于非均匀快速傅里叶变换的干涉合成孔径显微算法

在频域光学相干层析(SDOCT)系统中,样品仅在焦深范围内有高横向分辨率,在焦外分辨率降低。干涉合成孔径显微术(ISAM)是一种三维图像重构算法,可以改善离焦区的图像模糊状况,达到在所有成像深度中都可以获得焦平面处横向分辨率的效果,同时可以解决SDOCT中系统的横向分辨率和成像深度之间的矛盾。介绍了ISAM重构算法的原理和适用的范围,对比分析了传统SDOCT成像算法和经过ISAM重构算法处理的成像图像结果。将非均匀快速傅里叶变换引入ISAM算法,实验结果表明该方法极大地节省了运算时间,提升了实时成像高分辨率SDOCT系统的性能。     

相干场成像全相位目标直接重构法

回波信号处理和目标重构算法是相干场成像中的核心数据处理技术, 直接影响系统的成像质量. 基于全相位谱分析理论, 提出一种新的系统融合处理算法, 对接收端回波信号直接提取全相位谱相位及幅值信息实现目标图像重构, 能够有效抑制各种因素带来的频率误差. 经室外实验系统验证, 成像能力大大优于传统重构算法, 重构目标分辨率接近理论极限值.     

基于光谱与空间特征结合的改进高光谱数据分类算法

针对仅利用光谱信息进行分类未充分利用高光谱数据图谱合一特性的问题,提出了基于马尔可夫随机场的改进分类模型,利用基于最大后验概率的马尔科夫随机场模型进行光谱与空间信息的融合应用,采用基于光谱信息的概率支持向量机方法提高马尔科夫随机场模型中光谱能量函数项的类条件概率估计精度,设计基于信息传播策略、信息更新策略、多尺度传播策略的多重加速策略的高效置信传播优化算法,解决了马尔科夫随机场模型中全局能量最小化优化过程中计算复杂度高、计算耗时等问题。利用航空可见-近红外成像光谱仪AVIRIS对美国印第安纳州西北部的农业示范区数据进行应用分析,并与迭代条件模型、模拟退火、置信传播等方法进行性能比较,试验结果表明：该方法能够达到总体分类精度95.78%、Kappa系数0.933 4,优于现有马尔科夫随机场分类算法,并且计算效率比置信传播优化算法提高了3倍以上。