基于主元分析的随机相移算法

将统计理论中的主元分析应用到干涉条纹分析中,提出一种基于主元分析的随机相移算法。该算法先将多帧条纹数据分解成不相关的主元成分,然后从主元成分中提取2维相位信息。数值模拟结果表明:该算法不需要迭代运算就能从4帧完全随机相移干涉图中有效提取相位信息,运算时间少,精度高。实验结果表明主元分析相移算法比现有迭代相移算法更适合于随机相移干涉图分析。     

基于迭代优化的两帧随机相移干涉术

提出了一种由粗及精的无需预滤波的两帧先进迭代随机相移技术。基于最小化残差背景，首先利用采集条纹图的相关运算，在近似正交条件下估计相移和相位；然后利用这些求解过程中的中间参数在空域由条纹图数据估计相移和背景；最后，迭代上述过程直至收敛到预定义的精度，从而实现相位的精确求解。针对条纹图空域背景和振幅变化问题，利用条纹图子图降低背景空域变化对背景和相移估计的影响，并减小运算量。与现有的方法相比，本文方法由于提供了正确的初值，具有收敛快、计算快的特点。本文方法简单可靠，是一种实用的两帧相移干涉方法。     

基于正交调制的偏振光谱成像系统研究

为了同时获取目标的全偏振二维图像信息和其光谱信息,设计了一种基于正交调制的偏振光谱成像系统。该系统由光学接收模块、相位调制器、Wollaston棱镜、Savart偏光镜、检偏器以及成像模块组成。其可以将原始光信号分解成两束相互正交的偏振光,并且分别成像在CCD焦平面的上下两部分上,从而构成两幅偏振图像。两组图像的叠加可以将干涉条纹的数据相互抵消,从而获得目标的纯图像信息,两组图像的相减可以将目标灰度图像相互抵消,从而获得目标的纯干涉条纹。通过理论分析与计算得到了光强分布函数和光谱变化形式。实验在稳定的光源环境中采用高对比度目标与背景板,完成了全偏振图像的实时采集。经相位校正和切趾处理改善了干涉图像的畸变,又通过去低频滤波和阈值滤波抑制了图像中背景噪声的影响,从而实现了对目标图像的提取及偏振光谱的复原。该系统具有稳定性高、光谱分辨率可调、信噪比高、可识别能力强等特点,对在复杂背景中提取目标图像、光谱及偏振态信息具有重要意义。     

稀疏正交联合约束多通道非负矩阵分解声信号分离算法

针对复杂环境下多通道声信号分离问题,提出稀疏正交联合约束多通道非负矩阵分解声信号分离方法。首先设计基于多通道扩展坂仓斋藤(Itakura-Saito,IS)散度的稀疏正交联合约束项构造代价函数,给出信号稀疏和信号正交约束辅助函数,实现代价函数最小化求解。然后通过迭代更新规则设计,得到稀疏正交优化的多通道非负矩阵分解基矩阵和系数矩阵,讨论了稀疏正交约束对基矩阵和系数矩阵稀疏性与连续性影响。最后基于多通道信号空间特性,进行了非负矩阵分解基聚类以获得多通道非负矩阵分解声信号的分离结果。双通道音频数据与四通道声学目标分离实验数据测试表明,对音频数据,所提算法在性能指标信号失真比(SDR)上提高了0.84 dB,对于直升机声源数据,所提算法在SDR上提高了4.53 dB。     

字典学习稀疏表示的高光谱图像异常检测

针对稀疏表示高光谱检测算法性能受背景字典影响较大的问题,充分利用高光谱图像空间信息和光谱主成分信息,提出了一种基于字典学习的稀疏表示异常检测算法。首先利用主成分分析提取高光谱数据的主特征,建立目标主成分空间,并证明了在主成分空间进行字典学习稀疏重构的可行性;然后在主成分空间内构造基于K-SVD算法的训练字典,改善了背景字典性能;采用正交匹配算法重构主成分分量,利用主成分分析反变换得到待检测像元重构光谱,增强了高光谱图像的局部异常特性;最后,基于重构误差异常特性实现高光谱图像异常检测。仿真结果证明了该方法的有效性。     

基于多相组重建的航空图像超分辨率算法

为提高航空图像的空间分辨率, 提出一种基于多相组重建的超分辨率算法. 融合图像间的互补信息, 将多帧低分辨率图像作为图像基, 参考帧分解为多相组, 利用差异采样特性构建图像基与参考帧之间的的多相组线性关系重建得到高分辨率图像的多项组, 经图像多相分解逆变换获得融合的高分辨率图像. 根据该融合图像的局部内容和结构信息自适应调整控制核核函数, 应用改进的控制核回归算法去除图像模糊和噪声得到清晰的超分辨率图像. 与传统算法相比, 该算法无需图像配准和迭代过程, 计算效率极大地提高. 实验结果表明, 本文算法能够有效提高航空图像的空间分辨率, 在定量评价指标和主观视觉效果方面都有显著提高.     

基于最小二乘迭代的多光束相移算法

高阶谐波和随机相移误差是影响干涉测量精度的主要因素.为了同时解决这两问题,提出了基于最小二乘迭代的多光束干涉条纹分析方法.该方法利用傅里叶级数将多光束干涉条纹展开为基波和各阶谐波之和.它只需要5帧随机相移的多光束干涉条纹,即可通过最小二乘迭代准确地求得相移值和相位分布.模拟计算结果表明,当测试面反射系数小于0.6、随机相移误差的均方根小于1时,只需10次迭代运算即可将误差控制在0.005 (PV)和0.003(RMS)rad之下,精度比传统的五步算法精度高.实验结果进一步验证了该算法的有效性,并表明该算法比双光束相移算法优越.     

双强度调制静态傅里叶变换偏振成像光谱系统测量原理及仿真

为了抑制背景噪声,获得高信噪比的纯干涉条纹并实现图像、光谱和全偏振信息的同时测量,提出了一种基于双强度调制的静态傅里叶变换偏振成像光谱技术新方案.系统由前置望远系统、两个相位延迟器构成的偏振来谱调制模块、Wollaston棱镜构成的偏振.分束器、Savart偏光镜和线偏振器构成的干涉糢块以及CCD面阵探测器组成,可在单一探测器上同时获取两幅经过不同强度调制的全偏振干涉图,通过对两幅全偏振干涉图的简单加减运算,便可获得探测目标清晰的纯图像和高信噪比的纯干涉条纹.对该系统的图像和光谱偏振复原过程进行了理论分析和数值摸拟,结果表明该系统可有效分离探测目标的背景图像和干涉图像,实现高精度的光谱复原和全偏振信息的有效提取,具有髙稳定性、高光谱、高灵敏度、高信噪比、信息复原精度高及数据处理复杂度低等优点,为偏振干涉成像光谱技术的发展提供了新思路.     

差分偏振干涉成像光谱仪Ⅰ.概念原理与操作

本文介绍了一种基于Wollaston棱镜角剪切和Savart偏光镜横向剪切组合的静态、紧凑型、高通量差分偏振干涉成像光谱技术.其显著特点是无运动部件,可同时获取目标正交偏振组分的干涉图和二维空间图像.干涉图经傅里叶变换和图像融合算法可得到正交偏振组分的偏振光谱图像,正交偏振光谱图像之和等效于传统强度光谱图像,正交偏振光谱图像之差称为差分偏振光谱图像.高对比度的差分偏振光谱不仅能刻画目标详细的表面形貌、纹理和结构信息,还可反演弹性散射粒子的尺度、浓度和折射率等信息.文中描述了差分偏振干涉成像光谱仪的原理结构,给出了干涉强度分布规律表达式,分析了完整干涉图和二维空间图像的数据获取模式.利用杨氏干涉模型对光通过Savart偏光镜后形成干涉直条纹的近轴关系进行了深入分析.利用光场衍射理论确定了光谱仪中准直透镜和成像透镜实现紧凑化的结构关系.计算机仿真模拟验证了方案的可行性.为偏振成像光谱仪的发展提供了一种新思路.     

基于阈值式小波变换的波前重构算法

 针对传统的波前重构器计算效率低、稳态误差大的问题,提出了阈值式波基多分辨力波前重构算法,采用4维波基作为标准正交基,将波前相位畸变投射到4维波基上,使伪逆矩阵变为稀疏矩阵,有效地减少了计算量,并采用阈值法去除波前重构矩阵算子中对精度影响较小的高分辨力波基系数,进一步增加了矩阵的稀疏程度,提高了运算效率,并与传统的最小二乘法、Zernike模式法和迭代法进行了计算量和均方根误差的比较,仿真结果表明该算法无论在计算速度和收敛精度上均优于其它算法。     

一种新的空谱联合探测高光谱影像目标探测算法

高光谱遥感影像不但具有高分辨率的空间信息还包含连续的光谱信息,因此在目标探测领域具有独特的应用优势。传统的高光谱遥感影像目标探测侧重于光谱信息的应用,形成了确定性算法和统计学算法。确定性算法通过计算目标光谱与待检测光谱之间的距离来查找目标,不能检测亚像素目标,而且容易受到噪声的影响;统计学目标检测计算背景统计特性,通过探测异常点来检测目标,可以检测亚像素目标和小目标,但容易受到目标尺寸的影响,不能很好的检测大目标。随着高光谱遥感影像的空间分辨率的增加,探测目标已有亚像素目标逐步转换为单像素及多像素目标,此时,在高光谱图像中,相同类别的地物在空间分布上呈现聚类特性, 因此,在利用高光谱遥感影像进行目标探测时,需要将其空间信息融入算法中。将空间特征引入传统目标探测算法。提出了一种新的空谱结合的高光谱目标探测算法,将传统的基于统计的目标探测算子与空域邻域聚类算法相结合,首先利用目标探测算子将影像划分为潜在目标区域与背景区域;通过计算潜在目标区域的质心,以质心为中心进行邻域聚类,剔除潜在目标区域中的背景区域,通过迭代计算获取最终目标探测结果。传统的基于统计的目标探测算子,将整个探测区域定义为背景区域,实现对背景区域的统计特征提取,而该方法将背景区域与潜在目标区域分离,剔除了目标区域对背景区域的统计干扰。将本算子与传统的约束能量最小化算子和自适应余弦探测算子进行分析比较可知,该算子的大目标探测性能优于传统的统计算子。     

拉普拉斯约束低秩表示的高光谱图像异常检测

伴随高光谱图像的广泛使用,高光谱图像技术得到长足的发展,其中高光谱图像异常检测技术越发受到重视。为了解决传统高光谱图像异常检测技术的实用性和检测效果不佳的问题,提出一种新颖的低秩表示检测算法。对于高光谱图像,大部分背景像元均可以被少量主要的背景像元组合近似地表示,且它们的表示系数将会位于低秩的空间中。在剩下无法被主要背景像元表示的稀疏部分中存在着异常像元,则可以被检测算法提取出来。在低秩表示中,背景像元字典的构建将会影响高光谱图像中背景像元的表示。如直接从现有高光谱图像中提取背景像元构建字典,会导致异常像元对背景像元字典的污染。而利用待检测高光谱图像观测数据和由光谱组成原理可合成的潜在未观测数据来构建背景像元字典,提取出背景像元的主要特征,有利于更好地分离出稀疏异常像元的信息。并且高光谱图像数据存在高维几何结构特点,通过引入拉普拉斯矩阵来约束空间中局部相似的像元对于待检测像元的表示作用,获得更接近于真实的表示系数。实验结果分别在仿真数据和真实数据上验证,与传统方法相比,提出的方法通过有效地突出异常像元提高了检出率和抑制了背景像元,降低了误检率。     

基于邻域分割的空谱联合稀疏表示高光谱图像分类技术研究

传统的高光谱遥感影像分类算法侧重于光谱信息的应用。随着高光谱遥感影像的空间分辨率的增加,高光谱影像中相同类别的地物在空间分布上呈现聚类特性,将空间特性有效地应用于高光谱遥感影像分类算法对分类精度的提升非常关键。但是,高光谱影像的高分辨率提供空间聚类特性的同时,在不同地物边缘处表现出的差异性更加明显,若不对空间邻域像素进行甄选,直接将邻域光谱信息引入,设计空谱联合稀疏表示进行图像分割,则分类误差较大,收敛速度大大降低。将光谱角引入空谱联合稀疏表示图像分类理论中,提出了一种基于邻域分割的空谱联合稀疏表示分类算法。该算法利用光谱角计算相邻像素的空间相似度,剥离相似度较低的邻域像素,将相似度高的邻域像素定义为同类地物,引入空谱联合稀疏表示模型中,采用子联合空间追踪算子和联合正交匹配追踪算子对其优化求解,以最小重构误差为准则进行分类。选取AVIRIS及ROSIS典型光谱影像数据进行实验仿真,从中可以看出,随着光谱角分割阈值的提高,复杂的高光谱影像分类精度和平滑区域的高光谱影像分类精度均逐步提高,表明邻域分割在空谱联合稀疏表示分类中的必要性。     

总变差约束的数据分离最小图像重建模型及其Chambolle-Pock求解算法

基于优化的迭代法,可以结合压缩感知和低秩矩阵等稀疏优化技术高精度地重建图像.其中,总变差最小（total variation minimization,TV）模型是一种简单有效的优化模型.传统的约束TV模型,使用数据保真项为约束项,TV正则项为目标函数.本文研究TV约束的、数据分离最小（TV constrained,data divergence minimization,TVcDM）新型TV模型及其求解算法.详细推导了TVcDM模型的Chambolle-Pock（CP）算法,验证了模型及算法的正确性;分析了算法的收敛行为;评估了模型的稀疏重建能力;分析了模型参数的选择对重建的影响及算法参数对收敛速率的影响.研究表明,TVcDM模型有高精度稀疏重建能力;TVcDM-CP算法确保收敛,但迭代过程中有振荡现象;TV限对重建有重要影响,参数值过大会引入噪声而过小会模糊图像细节;算法参数的不同选取会导致不同的收敛速率.     

高光谱成像砖红壤中石油烃含量的可视化研究

高光谱成像具有快速无损和图谱合一的特点,每个波段都会呈现一幅图像,每个像素点都显示一条光谱曲线,不仅可以获取样本的光谱信息,还可以表征物体的空间信息,目前在诸多领域展现出极大的应用价值。采用高光谱成像实现土壤中石油烃含量分布的可视化。制备不同石油烃含量的砖红壤样本,分为建模样本和预测样本。采集高光谱图像,为避免图像背景的干扰,采用掩膜的方法进行背景剔除。之后提取建模样本中感兴趣区域的平均光谱,采用连续投影算法筛选特征变量,基于提取的特征变量,一方面建立MLR预测模型,另一方面从预测样本中提取特征波段的高光谱图像。最后,将特征图像上像素点的数据代入模型,得到石油烃的含量分布情况。通过图像处理的方法,不同的含量赋予不同的颜色,实现砖红壤中石油烃含量分布的可视化。研究结果表明,采用高光谱成像与图像处理方法能够初步实现砖红壤中石油烃含量分布的可视化,为以后大范围地识别和反演土壤中石油烃含量提供了基础。     

基于自适应字典选择的MCA图像修复方法

形态成分分析是一种基于稀疏模型的图像分析算法,其中心思想是根据信号组成成分的形态差异性选择两个合适的字典分别用来表示纹理部分和边缘卡通部分,具有良好的图像修复特性。传统上字典的选择需要由使用者根据图像内容人为确定。提出一种基于图像内容的自适应字典选择方法,根据最小能量在字典集合中选择最适合当前图像的字典并对图像进行修复。实验证明,该方法具有良好的图像修复性能。     

稀疏阈值的超分辨率图像重建

为了解决基于字典学习的超分辨重构算法耗时过长的问题,提出了基于稀疏阈值模型的图像超分辨率重建方法。首先,将联合字典理论与图像块稀疏阈值方法相结合,训练得到高、低分辨率过完备图像字典对。接着,通过稀疏阈值OMP算法对图像特征块进行稀疏表示。然后,通过高分辨率字典重构出初始的超分辨图像。最后,通过改进迭代反投影算法对初始的超分辨图像进行全局优化,从而进一步提高图像重构质量。实验结果表明,超分辨图像重构平均峰值信噪比(PSNR)为30.1 d B,平均结构自相似度(SSIM)为0.937 9,平均计算时间为10.2 s。有效提高了超分辨重构的速度,改善了重构高分辨图像的质量。     

基于正交投影散度的高光谱遥感波段选择算法

由于高光谱数据的海量高维特征,对其进行降维处理成为高光谱遥感研究的一个重要问题.波段选择算法由于能够有效地保留原始数据的信息,在高光谱数据降维及后续的遥感识别与分类等方面具有明显的优越性.文章提出了一种基于正交投影散度(OPD)的波段选择方法,该方法继承了正交子空间投影(OSP)算法的特点,通过把原始数据投影到特征空间...     

利用加权预测的图像迭代盲解卷积

为解决大气湍流造成的图像退化问题,本文鉴于现有的盲解卷积算法收敛性不稳定,计算量大等特点,提出了一种基于加权预测的迭代盲解卷积算法。对目前性能优秀的用迭代实现盲解卷积的L-R算法进行优化,在每次迭代结束后通过加权方法求出预测值,根据预测值计算方向加速算子,从而大大提高算法的收敛速度。实验表明：该算法不仅可对模糊退化图像进行很好的复原,同时与L-R算法相比收敛速度提高约43.8倍,其迭代速度快的特点决定了算法具有较高的工程实用价值。     

图-谱结合的压缩感知高光谱视频图像复原

针对液晶可调滤波片高光谱成像系统记录动态场景的成像特点,提出一种图-谱结合的压缩感知高光谱视频图像复原方法。首先,通过前景目标检测获得运动前景目标的高光谱图像,实现运动前景目标与背景区域分离,并根据前景目标检测结果将背景区域划分为运动区域(被前景目标遮挡区域)与静止区域(未被前景目标遮挡区域)。然后,基于高光谱图像空间维、光谱维相关性,对静止区域进行字典学习获得稀疏先验信息,结合压缩感知理论用于运动区域恢复,得到完整的背景区域高光谱图像。最后,将运动前景目标高光谱图像与背景区域高光谱图像相结合,得到高光谱视频图像。实验结果表明:本文提出的高光谱视频图像复原方法在峰值信噪比和视觉效果上都要优于现有算法,峰值信噪比平均提高5 d B以上。