基于压缩感知理论的PIE显微成像研究

为了克服PIE成像中所面临的数据量过大的问题,将压缩感知理论用于PIE成像。将采样到的衍射斑稀疏变换并压缩后,可以显著减少需要存贮的数据量。再现过程中选用子空间匹配追踪算法(SP)或者正交匹配追踪算法(OMP)重构出散射斑的原始分布,用常规的PIE算法进行图像重建。模拟和实验结果均表明,当压缩采样率在30%的时候就能重构出很好的图像。和OMP重构算法相比,SP算法更适合在PIE成像中应用。     

基于OMP算法的图像重构研究与FPGA实现

针对高分辨率的图像在采集过程中存在数据量较大的问题,提出了一种基于正交匹配追踪(OMP)算法的图像重构方法,设计了OMP算法的硬件结构,并在FPGA平台上进行了仿真验证;首先,研究了压缩感知算法的基本原理;然后,分别基于匹配追踪算法(MP)和正交匹配追踪算法实现了图像的重构;最后,通过仿真对比分析了这两种方法的图像重构结果,OMP算法误差在10-15量级,明显优于MP算法的10-3误差量级,并且OMP算法的迭代收敛性也优于MP算法。     

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     

应用CS理论实现同步采样压缩成像

为了减轻图像数据存储负担,实现图像在网络上的快速传输和实时处理,对一种新的压缩传感(CS)理论进行了研究。介绍了压缩传感理论的主要思想和基于压缩传感理论的光学成像系统,给出了一种新型图像重建算法—和谐正交匹配追踪算法,并进行了相应的模拟实验。实验结果显示,该成像机制可同步完成图像的采样与数据压缩,同时可获得良好的图像重建效果。由于该方法所要传输的信号数据量较小,所以十分有利于远距离的图像传输。     

基于迭代的傅里叶望远镜图像重构方法

为了提高最终图像的质量,结合传统的直接重构算法和相位重构算法,提出了一种基于迭代的傅里叶望远镜图像重构方法。对反演得到的傅里叶频谱进行逆傅里叶变换得到直接重构图像,取直接重构图像的阈值图像作为相位重构算法的初始输入,通过迭代能够获得质量更高的图像。成像仿真实验结果表明,成像信噪比为50倍时,与直接重构图像相比,迭代重构图像斯特列尔比从0.82提高到0.88,峰值信噪比从17dB提高到19dB;在成像信噪比为100倍时,迭代重构图像斯特列尔比从0.89提高到0.93,峰值信噪比从20dB提高到22dB。     

基于高斯混合尺度模型的压缩传感图像重构

在图像处理领域中,压缩传感重构是稀疏表示下的最重要的病态反问题之一。压缩传感图像重构利用图像可稀疏表示的先验知识,从比奈奎斯特采样率低得多的随机投影观测值中重构原始图像。为了克服传统的压缩传感算法中收敛速度慢和未利用变换系数的邻域统计特性的缺点,提出了基于高斯混合尺度模型的压缩传感图像重构算法,证明了独立的高斯混合尺度分布作为压缩传感重构的稀疏先验知识的可行性,结合全变差调整进一步提高算法的性能。实验结果表明,该算法有效地提高了重构图像的主观视觉效果和峰值信噪比,加快了压缩传感图像重构算法的收敛速度。     

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。     

基于动态阈值匹配追踪的主动声呐直达波抑制方法

双基地声呐中的直达波干扰可以通过重构抵消的方式进行抑制。这种方法需要对直达波信道进行估计,传统的正交匹配追踪算法的收敛速度慢,分步正交匹配追踪等算法在提高收敛速度时牺牲了信道估计精度,导致回波检测能力下降。本文提出一种动态阈值匹配追踪算法估计直达波的信道响应,在提高收敛速度的同时兼顾了信道估计精度。在仿真环境中,达到同样的直达波抑制效果,所提算法与传统正交匹配追踪算法相比,收敛速度显著提升,检测输出的回波强度比分步正交匹配追踪算法高4dB;海试数据处理结果中,所提方法迭代收敛速度较正交匹配追踪算法提升4倍;输出的回波强度比分步正交匹配追踪算法高2dB。     

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。     

基于压缩感知和改进自适应正交匹配的稀疏信号重构

针对传统香农-奈奎斯特采样定理指出在保证原始信号重构精度的前提下,采样频率必须为原始信号频率的2倍,提出了一种基于压缩感知理论和改进的自适应正交匹配追踪算法的稀疏信号重构方法;首先引入了压缩感知模型和信号重构目标函数,然后在对经典正交匹配追踪类算法进行分析和总结的基础上,为克服其不足,设计了一种二次筛选支配原子集的方法,即通过计算信号的QR分解并计算具有最大势能的原子从而得到能量候选原子集,通过计算余量与原子的相关性选出相关性最大的原子从而得到相关候选原子集,并将能量候选原子集和相关候选原子集的交集作为最终支配原子集;最后定义了具体的采用自适应正交匹配算法实现信号重构的算法;在Matlab仿真环境下试验,结果表明:文章方法能有效地进行稀疏信号重构,具有较小的重构误差,且与其它方法相比,具有收敛速度快和重构效果好的优点。