基于混沌的FM-MU-ODCSK通信系统性能分析

对现有混沌映射存在混沌性质弱、分布不均匀等缺点进行了研究,设计了一种新的二维混沌映射——Logistic-Chebyshev混沌映射(2D-LCCM),它将混沌的映射范围扩大到了整个分形参数区间内,使其具有更好的混沌特性。其次,提出了一种基于2D-LCCM的调频多用户正交差分移位键控(FM-MU-ODCSK)调制方案。该方案在调频差分移位键控(FM-DCSK)调制方案的基础上实现了多用户传输。结果表明,在一定的信噪比和扩频因子条件下,FM-MU-ODCSK调制方案的误码性能优于FM-DCSK。

基于基效应分解的多谱投影序列盲分离算法研究

在常规CT成像系统中,发出的X射线是连续能谱的,导致重建图像出现硬化伪影,影响了材料组分区分,无法进行定量表征。解决这一问题的关键在于实现多能谱CT成像,利用多个窄能谱段或单能量CT图像,提高组分与图像灰度的对应性。相对于传统CT,能谱CT具有更强的组分区分能力,有利于实现物体组分的定量分析。现有的基于光子计数探测器多谱CT在成像时间分辨率和空间分辨率存在局限,基于能谱滤波的多谱CT能谱区分度受限。而基于变电压多谱投影序列盲分离的多谱CT,通过分解连续能谱投影,获取窄能谱投影,进而实现能谱CT成像,确保物质组分与重建图像灰度值的对应性,实用性较强。但是由于X射线能谱和物体组分的未知,在盲分离过程中,衰减系数未知,并且能谱划分是不确定的,导致窄能谱CT重建图像的能量指向性不强,对应能量值与参考能量偏差偏大,影响组分定量分析。因此,针对盲分离中能谱划分不确定性和重建图像能量指向性问题的开展研究。利用衰减系数的光电效应和康普顿效应分解,构建能量约束,消除能量的不确定性,降低分解所得投影重建图像的能量与参考能量值的偏差。在基于以残差的局部方差和最小为优化目标的分解模型中,将分解模型中的衰减系数按光电效应和康普顿效应分解为能量项和材料项,利用能量项的可预知性,依据预先划分的窄能谱段设置其值,固定各分解投影对应的窄能谱段,作为对能量的约束条件。求解所得各分解投影为能量已知投影,对其重建可得到能量确定的各窄能谱段的图像。选择衰减系数相近的硅铝材质构成外硅内铝圆柱体进行实验验证,在有能量约束的求解结果中,硅铝衰减系数与参考值偏差小于无能量约束,所得重建图像中硅铝变化率与理论值趋势较一致,能量指向性强,与参考能量偏差降低。结果表明,所提方法解决了基于变电压序列盲分离多谱CT成像的能量指向问题,能谱分辨率更高,组分表征更准确。

基于字典学习的稠密光场重建算法

相机阵列是获取空间中目标光场信息的重要手段,采用大规模密集相机阵列获取高角度分辨率光场的方法增加了采样难度和设备成本,同时产生的大量数据的同步和传输需求也限制了光场采样规模.为了实现稀疏光场采样的稠密重建,本文基于稀疏光场数据,分析同一场景多视角图像的空间、角度信息的关联性和冗余性,建立有效的光场字典学习和稀疏编码数学模型,并根据稀疏编码元素间的约束关系,建立虚拟角度图像稀疏编码恢复模型,提出变换域稀疏编码恢复方法,并结合多场景稠密重建实验,验证提出方法的有效性.实验结果表明,本文方法能够对场景中的遮挡、阴影以及复杂的光影变化信息进行高质量恢复,可以用于复杂场景的稀疏光场稠密重建.本研究实现了线性采集稀疏光场的稠密重建,未来将针对非线性采集稀疏光场的稠密重建进行研究,以推进光场成像在实际工程中的应用.

基于模块化神经网络的低剂量CT图像去噪

现有的低剂量CT图像去噪算法大多依赖于大样本的配对数据进行训练,而在实际中,很难同时获得同一患者的低剂量CT图像和常规剂量CT图像,从而导致训练样本量的不足.针对这一问题,本文在配对图像不足的条件下,提出了一种基于模块化神经网络的低剂量CT图像去噪算法.该方法采用模块化子网络串联,在子网络内部应用跨层连接增加特征图利用率,并且引入了一种新型的二次卷积提高去噪效果.实验表明,在缺少配对数据的弱监督条件下,该网络可以有效降低低剂量CT图像噪声,显著提升低剂量CT图像的视觉质量和客观评价指标.与目前的方法相比,本文所提出的网络可以更好地在弱监督条件下减少低剂量CT图像噪声.

光谱共焦位移传感器色散镜头设计

色散镜头是光谱共焦位移传感器的核心部件,轴向色散与波长之间的线性度直接影响系统的测量精度。研究了轴向色散与玻璃材质之间的关系,结合透镜组光焦度分配公式,分析线性色散产生条件,设计了一款色散镜头;使用ZEMAX进行仿真优化,镜头在500～700nm工作波段范围内,色散范围约为150.34μm,轴向色散与波长线性度通过一元线性拟合分析,判定系数达0.9972,镜头分辨率较高,配合现有的光谱仪使用,传感器分辨率可达纳米级,满足高精度测量要求。

基于多聚焦图像序列融合的筒状类工件内壁形貌重构方法

针对筒状类工件内壁缺陷和形貌特征的检测需求,提出了基于深度学习与机器视觉相结合的筒状类工件内壁全景成像方法。该方法基于变焦距成像,获取筒状类工件内壁多聚焦图像序列,利用基于卷积神经网络的多聚焦图像融合算法,融合不同景深的内壁图像序列,获取全聚焦的内壁全景视图。根据视觉成像的透视变换原理,采用逆映射全景图像,改进了内壁形貌重构方法,获取柱面坐标系下的筒状类工件内壁形貌图像。实验结果表明,提出的形貌重构方法能够有效实现内壁质量的检测,且成像质量较高。

基于微波层析成像的活立木内部缺陷检测

活立木中的腐烂和空洞通常是造成树木倒塌的重要原因,通过检测活立木内部结构来判断木材内部的缺陷。针对此现状,提出基于微波层析成像的活立木内部缺陷检测方法。首先搭建由16个天线组成的微波层析成像系统,在1 GHz的频率下模拟健康木材和两种不同缺陷的木材模型,通过有限元分析软件模拟活立木内部的电场特性,得到用于图像重建的散射场,采用线性反投影图像重建算法重建木材内部的介电常数分布图。然后使用平均结构相似性指数分析重建图像。最后对不同的树干模型和重建图像进行定性和定量分析。仿真结果表明,微波层析成像技术可以利用重建介电常数分布图的可视化效果直接识别缺陷的位置和大小等。