合成孔径雷达快速后向投影算法综述

后向投影(BP)算法是合成孔径雷达成像算法发展的重要方向之一。然而,由于BP算法具有较大的计算量,阻碍了其在工程应用上的发展。因此,近年来如何有效地提高BP算法的运算效率受到了广泛的重视。该文讨论了基于多种成像面坐标系的快速BP算法,包括距离-方位平面坐标系、地平面坐标系和非欧氏坐标系。该文首先简要介绍了原始BP算法的原理和不同坐标系对加速BP算法的影响,并对BP算法的发展历程进行梳理。然后讨论了基于不同成像面坐标系的快速BP算法的研究进展,并重点介绍了作者所在研究团队近年来在快速BP成像方面完成的研究工作。最后介绍了快速BP算法在工程上的应用,并展望了未来快速BP成像算法的研究发展趋势。

基于改进快速凸集投影算法的地震数据同时插值和去噪研究

缺失地震数据是在处理获取的数据时遇到的普遍问题,空间假频问题会增大后期处理解释的难度,该问题可以利用稀疏反演方法恢复缺失数据,但此类方法通常针对高信噪比数据。实际采集地震数据不可避免的含有随机噪声,增加了求解插值问题的难度。快速凸集投影(FPOCS)方法是种高效的地震数据插值方法,但并不适合处理噪声数据。

Bulk-FFBP:基于距离向整体处理的快速分解后向投影算法

距离向分块快速分解后向投影(Block-FFBP)算法通过子孔径合成降低了传统BP的算法复杂度,并且通过距离向分块,简化了繁琐的极坐标与直角坐标的转换。然而,距离分块操作使各块引入了斜距范围波动,而且插值核长度余量导致了算法的内存效率低下,从而降低了成像效率。该文提出一种基于距离向整体处理的Bulk-FFBP算法,并细分为基于距离向控制点的Bulk-FFBP以及无控制点的Bulk-FFBP。文中通过仿真对两种Bulk-FFBP算法进行了误差分析、成像性能分析以及算法效率分析,并与Block-FFBP算法进行对比,证实了Bulk-FFBP的优越性。

基于反投影坐标快速算法的木材CT检测系统研究

针对木材内部结构复杂、不同树种间密度差异大的特点,提出了一种反投影坐标快速算法,基于此算法构建一套木材无损检测CT成像系统。该系统由X射线发射器、等距平板检测器、旋转载物平台和计算机数据采集成像软件构成。以集成材和小径级原木为试验对象,验证反投影坐标快速算法的可行性。首先采集并修正投影数据;其次根据射线源到旋转中心的距离计算出投影坐标值;最后设置滤波函数并与投影数据作卷积运算,重建木材断层图像。结果表明:应用反投影坐标快速算法,使CT系统图像重建工作平均用时缩短至1 s以内,断层图像分辨率达0.052 mm^2,可显示木材内部裂纹、孔洞等缺陷及节子、年轮、早晚材变化等构造特征,验证了该算法应用于木材无损检测成像系统的有效性。

多级多分辨快速后向投影成像算法

子孔径划分是提高BP算法效率的基本途径,如何对其孔径进行划分以及如何确定各子图像分辨率,将直接决定算法的效率.本文从频域带宽和距离误差两方面分析图像分辨率选取的限制条件,并得到了一个统一的关于孔径长度和分辨率的条件.然后基于这一条件阐述了超宽带信号条件下如何通过选取分辨率和对子孔径进行划分以达到最高的计算效率,并依此条件提出了多级多分辨快速后向投影成像算法(MSMRBP)以适应非均匀孔径的成像条件.最后给出了外场实验结果以证明本文结论的正确性.

不产生候选的快速投影频繁模式树挖掘算法

Frequent Pattern mining plays an essential role in data mining. Most of the previous studies adopt an Apriori-like candidate set generation-and-test approach. However, candidate set generation is still costly, especially when there exist prolific patterns and/or long patterns.In this study, we introduce a novel frequent pattern growth (FP-growth)method, which is efficient and scalable for mining both long and short frequent patterns without candidate generation. And build a new project frequent pattern growth (PFP-tree)algorithm on this study, which not only heirs all the advantages in the FP-growth method, but also avoids it's bottleneck in database size dependence. So increase algorithm's scalability efficiently.

一种不完全投影图像重建的快速迭代算法

为了保证不完全投影数据的重建图像质量,同时提高重建速度,提出了一种基于共轭梯度法的快速迭代算法.通过实时获取投影矩阵分量,以固定步长替代共轭梯度法中一维搜索最优迭代步长,在确保质量的同时缩短重建时间.利用模拟投影数据和实际导弹断层扫描数据进行图像重建,结果表明,与卷积反投影和代数重建法相比,此算法特别适用于扇形扫描的不完全投影数据的图像重建,在保证重建图像拟合度的同时,大大提高了重建速度.

一种新的基于极坐标格式的快速后向投影算法

快速分级后向投影算法(Fast Factorized Back-Projection Algorithm,FFBPA)研究了BPA中的冗余计算,通过子孔径划分,在极坐标系下将信号逐级相干积累成像,该方法避免了BPA中每个图像点的重复性全孔径搜索过程,大幅减少了计算量。然而多级插值操作加剧了误差积累,减少分级次数又影响算法效率。为解决这一矛盾,该文结合极坐标格式算法(PFA)提出了一种新的多级迭代快速BP成像算法,并将算法拓展应用到曲线轨道,多模式SAR中。分析表明,该文方法与FFBPA相比更高效。最后通过该文算法与FFBPA的星载0.1 m超高分辨率聚束SAR成像进行仿真实验对比,验证了该方法的优越性。

基于ART算法的投影系数快速计算方法

代数重建算法(Algebraic Reconstruction Technique,ART)投影系数的计算时间冗长,影响了ART的重建速度.基于长度加权模型提出了一种投影系数快速计算方法,从射线穿过网格的相交规律出发,通过顺序增量计算,快速推导出穿过的网格编号并计算其交线长度,大幅减少运算量及分支判断,该方法在二维重建及三维重建下均适用.仿真结果表明:与经典的Siddon算法相比较,在保证重建图像质量的前提下,本文算法速度提高约13倍.

CT快速二维反投影算法

CT图像重建过程中 ,标准的二维反投影运算计算量为O(N^3)。本研究提出一种快速二维反投影算法 ,其计算量仅为O(N^2 log_2~N )。该快速算法可以并行实现 ,处理器阵列规模为O(N^2 )时 ,计算量为O(log_2~N )。本研究还分析得到快速算法的误差上界 ,并提出一种改进的快速二维反投影算法以获得更高的计算精度。最后 ,对算法进行了仿真实验。理论分析及仿真实验结果都表明 ,本研究的二维反投影算法在CT图像重建过程中有着更高的计算效率 ,并且具有良好的计算精度。

基于行灰度投影相关的快速角度矢量估计算法

针对现存电子稳像算法估计图像旋转角度矢量的不足,提出了一种基于行灰度投影相关的快速图像旋转角度矢量估计算法。通过在当前帧图像中心位置选取灰度投影区域和参考帧图像相应区域作行灰度投影相关计算,估算出当前帧图像相对于参考帧图像的角度运动矢量。论述了灰度投影区域选取原则;分析了行、列灰度投影相关曲线的差异,得出行灰度投影相关曲线具有单峰性的结论;阐述了快速搜索算法的原理及其在本算法中的应用。实验表明,算法实现了对旋转图像序列角度运动矢量的快速估计(在PⅣ2.67GHZ,内存512M的PC机上,估算速度为37.7ms),可对任意角度的角度矢量进行高精度的估计。

条带模式SAR快速反投影成像算法研究

从波束投影方式和飞行轨迹与测绘带几何关系入手,提出了一种适用于条带模式下合成孔径雷达成像的快速反投影算法。该方法通过分析条带模式合成孔径雷达的特点,结合反投影算法的计算过程,减少标准反投影算法中的计算冗余,从而在保持标准反投影算法高的成像精度的优点下显著减少了计算量。该快速算法处理所需内存空间小,且易于实现并行处理,可有效地提高处理效率。与标准反投影算法仿真结果进行比较,验证了该快速反投影算法的有效性。

面向像素的并行快速后向投影算法

针对后向投影算法运算量大和实时性差的问题,该文在图形处理器的并行处理架构下,结合时域快速后向投影算法,提出了面向像素的并行快速后向投影算法。该方法距离向根据分辨率要求进行划分并分配并行线程,方位向聚焦则通过多级子孔径合并与图像分裂技术来降低运算量。通过比较该文算法、全局后向投影算法和距离多普勒算法的理论计算量、成像时间和加速比可以看出,该文算法的运算速度比后向投影算法大大提高。三种算法针对实测数据成像时间与成像效果的对比验证了该文算法的有效性和工程实用价值。

医学图像光线投影体绘制中重采样快速算法研究(英文)

光线投影算法是体绘制算法中图像效果比较好的方法,但存在运算量大,绘制速度慢的问题,如何提高重采样速度是加速光线投影算法的关键。本文利用重采样点在两坐标系中的矩阵变换特性,减少矩阵运算量,同时结合三维数据场在像平面的投影减少光线投影数目;利用包围盒技术避免对空体元的采样,并且通过将Bresenham算法扩展至三维确定每个重采样点所在体元的编号。实验结果表明,本文提出的重采样优化算法成像速度比标准光线投射算法快2-3倍,而成像的质量与标准算法基本没有区别。本文提出的算法,既能保证绘制质量,又能显著减少计算量,提高体绘制的速度。

基于斜交投影和Mellin变换的快速小波算法

提出基于斜交投影和Mellin变换的快速小波算法 ,该算法的总体性能优于传统算法 ,是对传统算法和著名Mallat算法的重要改进。

求解图像分割模型的快速梯度投影算法

针对带约束条件的凸图像分割模型,提出一种快速数值实现算法。该算法在梯度投影算法的基础上结合了快速迭代收缩算法的加速收敛策略,利用正交投影处理不等式约束条件,避免了一般罚函数方法所带来的处罚项的不规则性;同时采用对偶方法来避免全变分项的非光滑性和高非线性性。实验结果表明了所提出算法的有效性和在收敛速度上的优越性。

一种快速的扇束CT滤波反投影重建算法

提出了一种用于扇束CT(计算机断层扫描)重建的快速滤波反投影算法。这种算法是传统标准滤波反投影(FBP)重建算法的加速形式,主要通过减少投影数量然后重建子图像来实现。实验结果表明:对于一幅512×512图像,这种算法可以将重建过程加速40倍以上,并且不会引入明显的图像误差。这种算法也适应于多层螺旋三维重建,并且可以延伸用于三维锥形重建。

基于热重启机制的胶囊投影网络快速训练算法

胶囊投影网络是一种新型的深度神经网络结构,将传统的卷积神经网络与胶囊投影结构结合来学习潜在的视觉特征。尽管胶囊投影网络在多个分类数据集上展现出了先进的性能,但是训练该算法模型往往需要较高的学习成本,这对胶囊投影网络在实际问题中的应用带来一定的限制。针对该问题,将基于热重启机制的随机梯度下降算法引入到胶囊投影网络的学习中,提出了一种基于热重启机制的胶囊投影网络快速训练算法,并在多个分类数据集上对该方法进行实验评估。实验结果表明,与原始的胶囊投影网络相比,该方法不仅解决了训练成本高昂的问题,同时所学模型也具有比较好的泛化性能。

一种适用于条带SAR的快速后向投影算法

各类BP的快速算法通过子孔径合成的方式降低相近孔径间的数据冗余,减少成像计算量,然而这些快速算法大多只针对聚束SAR成像。为了实现条带SAR的高效率精确成像,该文通过聚束SAR和条带SAR的子孔径合成分析,指出条带SAR在子孔径合成中存在的孔径积分变化和角域欠采样现象,并提出一种基于线性成像网格的快速后向投影(FBP)算法。通过条带SAR的点目标仿真和实测数据实验,从成像质量和成像效率两个角度验证了该算法的有效性。

基于OPED的有限角投影数据快速重建算法

针对Radon投影的计算机断层(Computer Tomography,CT)重建问题,提出了一种新的基于单位圆上正交展开法(Orthogonal Polynomial Expansions on the Disk,OPED)的有限角投影数据快速重建算法。该算法通过求解缺失投影与已知数据分别对应的正弦变换数据集之间所满足的线性方程组,得到完备数据正弦变换数据集的近似值,之后运用快速傅里叶变换(Fast Fourier Transform,FFT)及线性插值算法提高重建速度从而缩短重建时间。分别推导了单、双边投影数据缺失时的快速重建算法并给出了重建结果,实验结果证明,该方法能够有效提高重建效率。