特征域多假设预测视频压缩感知重构神经网络

在预测-残差重构框架中,利用视频时间相关性进行多假设预测是视频压缩感知重构的关键步骤。针对目前的视频压缩感知多假设重构神经网络预测精度不够,且理论解释性较差等问题,文中结合传统多假设理论,提出了一种特征域多假设预测视频压缩感知重构网络(FMH_CVSNet)。首先,提出了一种新的特征域多假设预测模块,通过构造合理的运动估计模块与假设权重求解模块来增强网络的预测能力;然后,提出了两阶段多参考帧运动补偿模式,以适应序列特征构造更优的假设集,进一步提升预测精度。仿真结果表明,FMH_CVSNet在各实验条件下均取得了较好的重构性能,相比于2sMHR和VCSNet-2,平均PSNR分别提升了4.76、3.87 dB。

单色散压缩编码光谱成像系统研究

随着光谱成像技术向高空间分辨率、高光谱分辨率、高信噪比方向发展,传统的光谱成像系统面临着数据采集量过大的问题,同时,系统分辨率受探测器帧频与像元尺寸影响较大、大口径长焦距系统难于精密装调、系统能量受限引起信噪比提高困难。为了解决上述问题,研究了一种单色散压缩编码光谱成像系统,并针对国内压缩编码光谱成像系统工程实现与试验验证不足的问题,重点研究了该新系统的设计与实现,模板平移下的系统数学模型及多帧重构算法,并给出实际样机试验及数据处理结果。最后,根据试验情况,总结提出该新技术后续发展需重点关注的研究内容,包括编码模板误差分析,多维稀疏重构模型与算法,压缩编码光谱成像系统标定技术,重构算法/重构图谱评价技术。单色散压缩编码光谱成像系统通过编码、色散、甚至下采样,由探测器接收得到成像观测图像,然后,利用该成像数据,通过重构算法,得到目标光谱图像数据,其优点是低数据量采样、工程实现硬件要求减低、多通道高通量探测。相关研究结果表明,该系统获取的数据有效,样机设计合理,重构算法与标定方法较为准确,其得到的字母HSI目标光谱图像的空间信息清晰,光谱信息较为准确,符合钨灯光谱,其系统设计与实现具有工程可行性。