论文部分内容阅读
压缩感知算法突破了传统奈奎斯特采样定理限制,以低于奈奎斯特采样率进行采样,同时又可以高效获取重建信息。压缩感知技术的出现为目前许多尚未解决的难题提供了新思路和新方法。本文从理论、方法和应用三个层次分别对压缩感知及其在成像中的应用进行了研究。 首先,通过对传统测量矩阵的改进,提出了光强可控的ICM测量矩阵,以此来解决成像系统在投射光强进入探测器非线性区域,导致测量值受非线性噪声影响,造成重建信号质量下降的问题。该矩阵有效地提高了压缩感知成像系统的鲁棒性。同时针对压缩感知算法重建收敛速度过慢的弊端,详细分析了分块压缩感知快速重建算法。该算法通过对目标图像多任务分块实时重建,减少了收敛时间,为基于压缩感知的大场景高分辨率实时成像提供了可能性。 其次,针对压缩感知的应用系统抗噪鲁棒性较差,容易受噪声影响产生大量重建误差的情况分析了基于压缩感知成像系统的硬件噪声和基于压缩感知成像系统的外界环境噪声,并提出了相应解决办法。 (1)分析了基于压缩感知成像系统的硬件噪声产生原因及解决办法。 对基于压缩感知系统的成像过程进行了建模,并分析了探测器非线性噪声对基于压缩感知成像系统的影响。同时,演算了非线性噪声和信号重建误差的关系。针对压缩感知成像系统硬件噪声中探测器非线性响应造成重建质量下降的情况,提出了排斥、反馈和区域补偿算法。矫正算法明显减小了探测器非线性效应对系统还原效果产生的误差影响,系统重建图像的峰值信噪比和重建率都有了明显的提高,重建图像更为清晰,细节更为分明。 分析了压缩感知类成像系统在搭建时无法直观对焦容易产生散焦误差的情况,并提出了解决办法。 (2)分析了基于压缩感知成像系统的外界环境噪声产生原因及解决办法。根据噪声形成与测量矩阵的相关性,将噪声类别分为环境乘性噪声和加性噪声。 建立了加性噪声对基于压缩感知成像系统影响的数学模型。针对与不同类型的加性噪声,提出应用于大幅度低频波动加性噪声的动态背景去噪算法(Algorithm forImproving Reconstructed Quality in Dynamic Background,IRQDB)和小幅度高频波动加性噪声的关联运算算法。两种算法互补,能够使成像系统在加性噪声的影响下依旧获得较高的图像质量。 建立了乘性误差对基于压缩感知成像系统影响的数学模型,提出了测量值线性拉伸算法(Algorithm of Linear Transformation for Measured Data,LTMD)。算法能够对所得非线性测量值进行分析,计算相应线性拉伸系数,从而进行线性拉伸变换。LTMD算法能够有效地减小动态散射介质等乘性误差对压缩感知类成像系统所造成的影响,提高成像系统图像重建质量。 最后,搭建了基于压缩感知的单像素成像系统,为压缩感知的理论和应用算法研究提供了实验验证平台。搭建了能够应用于遥感且实现高速、高分辨率、远距离、快速成像的二维激光雷达成像系统,实验结果验证了基于压缩感知的二维激光雷达系统可实现性。同时提出了基于压缩感知的光子计数成像系统,通过研究压缩感知理论在光子计数成像过程中的应用方式,探索了一种高效的光子计数成像新方法。