压缩编码孔径红外成像超分辨重建

为了利用低分辨率红外探测器获取高质量图像信息,对基于频谱面的压缩编码孔径成像方法和超分辨率图像重建算法进行了研究。首先,在频谱面加入孔径编码器,通过傅里叶变换对采样图像信号进行编码压缩。然后,利用光学成像系统的分片光滑性,实现信号在傅里叶变换域的稀疏表示。最后,提出了两点步长梯度法与自适应非单调线搜索策略相结合的梯度投影并行加速算法,用于完成对稀疏信号的超分辨重建。实验结果表明,该算法能够以远小于原始信号的数据量重建出高分辨率图像信息。

基于FISTA算法的编码孔径光谱图像压缩与复原系统

在研究现有光谱图像压缩与复原的基础上,提出了一种新型的光谱压缩与复原方法,即基于编码孔径的光谱压缩复原系统;在光谱仪的光学系统中加入由数字微镜阵列(DMD)实现的编码模板,该编码模板为一个随机矩阵,可对目标的图谱数据立方体实现瞬时编码,目标的反射光经过该编码模板后三维图谱数据立方体被压缩成一个隐含有光谱信息的二维矩阵。在解码算法方面,首次提出了利用快速迭代收缩阈值算法(FISTA)实现从少量观测值中重构三维图谱数据立方体。该算法在每次迭代中估计一次梯度的同时还计算了一个额外的点。实验结果表明,该算法无论是在收敛速度,还是在复原重构效果上均有明显提高。

卫星运动对压缩编码孔径光谱成像的影响

用于遥感光谱成像的光谱成像仪普遍存在信息获取慢、光子收集效率低、信噪比低或焦平面阵列大等问题,另外数据立方体庞大的数据量给数据传输造成了极大压力。为了从根本上解决这些问题,文章提出将压缩编码孔径应用于遥感光谱成像中,即压缩编码孔径遥感光谱成像。文章对卫星平台的俯仰、侧滚和偏航运动进行建模,然后利用此模型对成像过程进行仿真和重建,提高了成像品质。由于运动模型以及压缩编码孔径成像技术的引入,使得遥感光谱图像的压缩在成像过程中完成,从而大大提高了传统焦平面阵列的利用率,减小了数据传输的压力,减小了成像光谱仪的体积、质量与成本。

合成孔径雷达（SAR）图像编码压缩系统

论述了合成孔径雷达（ＳＡＲ）图像准实时编码压缩的原理以及在工程上实现的方法。文章依据信息理论，根据ＳＡＲ图像特点，阐述了三种编码压缩的设计方法，并从中选出采用数字信号处理器的硬一软件相结合的最佳编码压缩方案，实践表明，该方法可在８０秒时间内对一幅２０４８×２０４８的ＳＡＲ图像进行编码压缩，压缩比大于１０，系统信噪比大于３５ｄｂ，很好地满足了工程任务需要。

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。

反射式压缩编码孔径超分辨率成像技术研究

将压缩感知理论引入超分辨率成像,得益于绝大多数图像普遍具有稀疏性,提出了一套基于4f系统的全相位反射式压缩编码孔径光学成像系统,采用反射式空间光调制器进行光学系统成像实验,通过MATLAB程序对该系统进行仿真,对采集到的单幅低分辨率图像进行解码重建得到高分辨率的。实验结果表明,只有在保证CCD相机与空间光调制器像元尺寸完全匹配的情况下才能得到最佳的重建效果。

压缩感知光谱成像技术的编码孔径与探测器匹配优化

编码孔径光谱成像仪在实际应用中存在着编码模板与探测器分辨率不匹配从而降低系统分辨率的问题。针对该问题进行了两种情况分析,并通过数学理论建模给出了相应的解决方案。对于编码模板分辨率高于探测器分辨率这一情况,提出引入邻域嵌入超分辨技术的方法,实现了基于压缩感知的超分辨光谱成像。对于编码模板分辨率低于探测器分辨率这一情况,提出区块阈值划分的编码孔径,将编码微元按照区块阈值重新划分并进行灰度分级,从而实现低分辨率编码模板的高分辨率编码孔径。利用梯度投影稀疏重构(GPSR)算法进行数据立方体重建,实验结果表明:运用基于超分辨理论的编码孔径快照光谱成像系统所测得的光谱图像更精准,内容更丰富;采用基于区块阈值划分的编码孔径的编码孔径快照光谱成像系统具有更高的空间分辨率和光谱分辨率。结果证实优化后的编码孔径快照光谱成像系统,其分辨率和成像质量大幅度提升,并实现了高分辨率元件的100%利用。

基于非局部深度先验的编码孔径快照光谱成像重构算法

在编码孔径快照光谱成像(CASSI)重构领域,重构质量的提升受到图像先验正则化和优化方法的双重影响。针对传统正则项设计复杂、调参效率低下及现有深度先验正则项感受野局限、难以捕捉长距离依赖等问题,以及基于模型的优化方法重建精度不足、端到端优化方法缺乏解释性的挑战,文章提出了一种创新的基于非局部深度先验的CASSI重构算法。该算法通过构建非局部深度先验网络,在先验正则化方面实现高光谱图像空间与光谱维度的全局信息和长程依赖的深入捕捉;在优化方法上,引入了深度展开网络的多阶段架构,加快了收敛速度,并显著提高了重建质量。仿真结果显示,新算法重建图像的峰值信噪比(PSNR)较传统方法提高了13.12 dB,较最新的深度学习方法提升了1.06 dB;同时,计算复杂度降低了43.4%,参数量减少了53.2%,有效保证了深度学习方法的计算效率。试验验证结果显示新算法能够还原更多细节、恢复更多的结构和纹理,视觉效果较好,进一步验证了该算法的有效性。这一研究可为深度学习在计算光谱成像重构领域的应用提供一定参考。

压缩编码孔径成像重构算法

现有光测成像设备易受到目标特性、天气、成像系统等多种因素影响,传统成像体制下难以突破探测器和光学系统限制,无法实现目标场景的高分辨率成像以及图像的快速传输和实时处理。压缩编码孔径成像技术作为一种新型成像体制,可突破探测器成像极限,实现超分辨率成像。该成像体制主要利用图像的稀疏性,通过重构算法求解数学模型进而高分辨率恢复目标图像;重构算法是压缩编码孔径成像过程的关键步骤,在一定程度上决定了图像的重构精度以及重构速度;对现有的压缩编码孔径成像重构算法进行分类总结,并对典型算法进行仿真验证,可为该领域未来的研究提供借鉴。

强度编码合成孔径激光雷达原理与实验

合成孔径激光雷达是合成孔径技术在激光相干探测雷达领域的推广,相比传统合成孔径雷达具有更高的分辨率。由于传统线性调频模式受制于调频速率和非线性等因素,无法应用于高速运动平台。从合成孔径激光雷达原理出发,结合光通信调制手段,详细推导了强度编码合成孔径激光雷达编码压缩原理公式,并仿真验证了M序列应用于强度编码的压缩性能。通过对模糊函数推导与仿真,证明强度编码信号不存在多值性模糊和互耦合误差。搭建了基于光纤的强度编码距离向分辨率验证实验系统,选取长度1 023、码元宽度5 ns的M序列进行强度编码调制,利用2 000 m延时光纤进行了距离向验证。在考虑载波光幅值抖动的情况下,得到了0.787 5 m的距离向分辨率,精度误差5%。该文从理论与实验两方面证明强度编码合成孔径激光雷达的可行性,为工程实现提供了一定实践支撑。

基于两步迭代收缩阈值的编码孔径光谱数据复原算法

编码孔径光谱成像仪根据压缩传感理论,对物体进行光谱成像。编码孔径光谱数据复原的特点在于能将探测器上所得到的二维编码像复原成三维的数据立方体。两步迭代收缩阈值算法是在迭代收缩阈值算法和迭代加权收缩算法基础上加以改进而得出的,采用两步迭代收缩阈值算法对编码孔径光谱数据进行复原,成功地由二维编码像复原出了三维数据立方体,具有迭代步数少,收敛速度快的特点。

合成孔径雷达极坐标数据编码器

合成孔径成像雷达的观测区域广阔，图像分辨精度高，具有数据率高、数据量大的特点。这就对数据的传输和存储提出了较高的要求。采取数据压缩方法，在不降低测绘带宽和测绘精度条件下，降低遥感雷达数据率和数据量，从而降低对数据链和星上数据存储设备的要求。文中在对块自适应ＢＡＱ原始数据压缩算法研究基础之上，提出了极坐标量化数据压缩算法，并对Ｘ－ＳＡＲ原始数据进行了压缩试验。

星载合成孔径雷达数据压缩

星载遥感微波成像雷达的观测区域广阔，图像分辨精度高。所以，星载遥感微波成像雷达具有数据率高、数据量大的特点。这就对遥感数据的传输和存储提出了较高的要求。本文提出采取数据压缩方法，在不降低测绘带宽和测绘精度条件下，降低遥感雷达数据率和数据量，从而降低对数据链和星上数据存储设备的要求。本文还对遥感雷达原始数据压缩和遥感雷达图像数据压缩优缺点进行了比较，提出了采用遥感原始数据压缩的建议。最后。

小波变换的SAR原始数据网格编码量化压缩算法

介绍了小波变换和网格编码量化的优点,针对SAR原始数据的基本特点,提出了基于小波变换的8状态网格编码量化压缩算法。对小波变换后的数据进行网格编码量化,利用卷集编码和信号空间扩展来增大量化信号间的欧氏距离,获得了更好的量化效果。利用实际数据进行的实验结果表明,文中提出的算法在量化性能上优于已有的各种压缩算法。

合成孔径雷达图像特征及压缩研究

合成孔径雷达图像压缩有助于减少数据率，对图像传输和存贮效率的提高有积极的意义。对合成孔径雷达图像统计模型进行了研究，给出了其概率分布和相关性能分析，并用ＳＥＡＳＡＴ－ＳＡＲ数据进行了统计。据此提出了无失真压缩算法，达到了熵压缩边界，并对合成孔径雷达有失真压缩进行了讨论。

合成孔径雷达原始数据量化编码的分析

本文详细地讨论了合成孔径雷达原始数据量化编码的原理以及对压缩算法进行了分析,并对块自适应量化编码原理进行了讨论。

合成孔径雷达原始数据AP-TCQ压缩算法

研究了合成孔径雷达原始数据幅相压缩算法(Amplitude and Phase,AP)和网格编码量化(Trellis codedquantization,TCQ),提出了合成孔径雷达原始数据AP-TCQ压缩算法。将I,Q两路原始数据转化为极坐标下相同大小的幅度-相位数据,根据率失真不等式由拉格朗日乘子法推导了基于幅度微分熵和相位微分熵的最优比特分配公式,然后用对应的比特数分别进行幅度和相位的网格编码量化。文中还探讨了TCQ码书的构成对AP-TCQ压缩算法性能的影响,通过理论分析和实验结果比较指出:幅度数据采用瑞利分布Lloyd-Max码书进行TCQ量化(Rayleigh trellis coded quantization,RTCQ),相位数据采用均匀分布Lloyd-Max码书进行TCQ量化(Uniform trellis coded quantization,UTCQ),具有最佳的量化性能。与I,Q两路原始数据采用TCQ算法和已有的AP算法相比,该方法能够很好地保留原始数据的相位信息,且能够实现幅度相位压缩量化比特自动分配,具有更好的压缩性能。

合成孔径雷达图象低失真压缩研究

本文对合成孔径雷达图象压缩问题进行了探讨，依据合成孔径雷达图象统计特征，提出了几种适合合成孔径雷达图象压缩的自适应算法，并给出了压缩图象性能的评判准则。

合成孔径雷达最优量化编码器

合成孔径雷达ＳＡＲ数据率高、数据量大，对ＳＡＲ原始数据的压缩可以降低对数传和数据存储的要求。文中用ＳＢＡＳＡＰ－ＳＡＲ原始数据对合成孔径雷达信号统计模型进行了研究，提出了一种２ｂｉｔ自适应量化编码方法，并用ＳＥＡＳＡＴ—ＳＡＲ原始数据进行了编－译码实验，获得了该２ｂｉｔ量化编码器的性能指标测试结果。