基于TVAL3算法不同测量矩阵对图像重构质量的影响

压缩感知重构是指利用得到的随机测量值恢复原始信号的过程。由于信号是稀疏的或可压缩的,压缩感知问题的求解是寻求方程最稀疏解(即最少非零值)的过程。首先给出了六种测量矩阵的构造方法,之后介绍了一种高质量重建信号的重构方法TVAL3,给出了四个评价图像重构质量的参数,并在此基础上仿真了不同测量矩阵对图像重构质量的影响。

基于TVAL3的菲涅尔孔径编码无透镜成像

基于菲涅尔孔径编码的无透镜成像原理,可以构建低成本、轻量级的非相干光成像系统并应用于多种场景。然而由于重建图像中孪生像和原始像在梯度域稀疏性的差异,基于两步迭代收缩阈值算法的菲涅尔孔径编码无透镜成像仍然存在成像质量不高等问题。为提高成像质量,文章提出利用基于全变分正则化的增广拉格朗日函数法和交替方向法实现菲涅尔孔径编码无透镜成像重构。实验结果表明,与两步迭代收缩阈值算法相比,文章使用的算法可以提高重构图像的质量,恢复出图像更多的细节。

基于CMOS图像传感器的压缩感知成像算法

近年来提出的压缩感知理论将信号采样和压缩同时进行,突破了奈奎斯特采样定理的限制,为低采样高分辨率成像提供了可能.为此,提出了一种基于CMOS图像传感器的压缩感知成像算法,采用并行处理策略对CMOS图像传感器A/D转换前的模拟像素矩阵进行压缩采样,减轻了A/D转换模块的负担,大大降低了CMOS图像传感器的功耗,并且该算法实现电路简单.仿真结果表明,所提算法能快速有效地进行测量值的获取,利用TVAL3算法重构的图像主客观质量较好.

压缩感知重构算法仿真分析

压缩感知理论是信号采集和处理的一门新理论,它突破了传统的nyquist-shannon(奈奎斯特-香农)采样定理对采样频率的要求,可以利用远小于采样定理要求的采样次数来重构原始信号[1]。首先介绍了三种常用的随机矩阵的构造方法,随后介绍了不同类型的压缩感知算法,并对其中两种算法进行了仿真与比较,在此基础上仿真了不同测量矩阵下不同噪声水平下算法对图像重构质量的影响,经过仿真分析TVAL3算法在图像重构时间和噪声抑制方面表现突出。

透过散射介质的结构光重构方法及特性分析

结构光透过生物组织、沙尘等强散射介质时历经多重散射,会改变原有相位信息和传播方向,破坏相干性,最后形成散斑。本文主要针对结构光重构特征和适用性进行分析,以条形结构光作为入射光,透过散射介质后,分别运用直接求逆法、相位共轭法和TVAL3法对其进行重构,并分析不同测量噪声水平下,三种方法对条形结构光的重构效果。仿真结果表明:测量噪声水平为0时,直接求逆法能得到较完美的重构效果;存在测量噪声且测量噪声水平小于0.025I时,TVAL3法能较好实现重构,而相位共轭法重构效果一直较差。同时,也运用三种方法实现了单点、三点的点光源重构。

一种针对背景变化的移动物体压缩量子关联成像方法

提出了一种针对背景变化的移动物体压缩量子关联成像方法,可实现移动物体的追踪。将移动物体每个时刻的图像作为量子关联成像的物体,相邻时刻两幅图像的量子关联成像符合测量差值为测量值,参考光路空间光调制器上的二维随机分布作测量矩阵,通过最小化增广拉格朗日函数和交替方向全变差算法(TVAL3)压缩感知获得移动物体相邻时刻关联成像差值图像。在此基础上,对差值图像进行"与"操作,得到移动物体各个时刻的位置和形状信息。数值实验的结果表明,在采样率低至0.075时,该方法能有效地获得移动物体的动态变化信息。该方法利用关联成像保证了不可达环境下对移动物体的追踪;利用压缩感知技术降低了重构差值图像时所需的测量次数;通过差值处理避免了背景变化对移动物体检测的影响。为移动物体的跟踪研究提供了一种新方向。