稀疏重建

摘要： 针对分段弱正交匹配追踪(SWOMP)算法使用内积匹配准则完成原子筛选时存在丢失原子的现象,造成重建语音信号质量差的缺点,提出了一种基于广义Jaccard系数的SWOMP算法.该算法利用广义Jaccard系数相似性的匹配准则代替内积匹配准则,在保留原子信息的同时放大了相关性,解决了以内积准则求向量相似度造成原子丢失的问题,优化了原子筛选.在相同条件下,对重建语音信号从平均帧信噪比和主观语音质量评估两个方面进行评价.仿真评价结果表明,与SWOMP算法相比,基于广义Jaccard系数的SWOMP算法能有效提高对语音信号重建的性能.

摘要： 动校正是地震数据处理中的重要步骤,但它在校正过程中会产生子波拉伸畸变效应,随着偏移距的增大,会出现主频降低、振幅扩大的现象。由于存在拉伸畸变,同相轴未被拉平,导致非同相叠加,会引起水平叠加剖面的频率失真和分辨率下降,因此,拉伸校正是提高水平叠加剖面分辨率的关键。子波拉伸畸变在曲波稀疏域中是不相干的,可以将拉伸校正视为是一个非线性优化过程。通过度量稀疏域中数据的稀疏性,使用一种快速有效的算法,来优化子波拉伸畸变生成的非线性问题,最终实现消除子波拉伸畸变的目的。曲波稀疏变换拉伸校正方法能够消除由动校正带来的子波拉伸畸变,恢复远偏移距处的高频信息,校平同相轴。综合模型数据和实际资料处理,曲波稀疏拉伸校正方法能够显著提高水平叠加剖面的分辨率。

摘要： 近年来序列图像三维重建技术得到了重视,提出了很多算法。本文对Harris特征提取算法进行了改进,并在在序列图像中进行特征跟踪,在特征的稀疏重建和稠密重建后,使用估计样本一致性算法实现三维重建,提高了序列图像三维重建的精度。

摘要： 由于SAR天线旁瓣特性和脉冲工作体制,SAR图像在一定程度上受到距离模糊的影响。距离模糊抑制工作分别聚焦在SAR系统设计和SAR信号处理两个方面。前者通过天线赋形、正交编码等方式减小距离模糊能量接收,后者利用信号处理技术在回波域和图像域消除距离模糊能量。该文提出了一种结合稀疏重建和匹配滤波技术的距离模糊抑制方法。该方法对模糊区进行稀疏重建,利用模糊区图像和重建矩阵估计模糊区信号,从回波信号中将其分离得到模糊抑制后的主像信号,后续利用匹配滤波技术获得主像图像。该方法利用稀疏重建技术保证了模糊区信号估计的精度,利用匹配滤波技术保证了成像处理的效率。仿真实验表明,该方法可以有效抑制距离模糊,抑制效果可达10 dB及以上,并且对主像弱目标和细节具有很好的保持能力。

摘要： 针对互质阵列现有算法中可估计信源数少,自由度仍低的问题。提出一种新的虚拟域波达方向(DOA)估计算法。首先,对一般互质阵列改进形成移位互质阵列,通过差集数组形成虚拟阵列,增加了阵元个数,提高了阵列自由度;其次,通过虚拟阵元内插对虚拟域中缺失孔洞进行填充,形成连续虚拟阵列;最后,通过最小化原子范数的设计和内插虚拟阵列协方差矩阵的重建,保证DOA估计的准确性。改进算法在提升阵列自由度的基础上,将虚拟域全部信息用于DOA估计,并且避免了预定义网格点带来的基不匹配问题,计算机仿真实验验证了算法的有效性。

摘要： 基于压缩感知的匹配追踪算法可以用较短导频序列估计大规模天线通信系统稀疏信道,具有计算复杂度低,需要导频数量少的优点,但信道估计精度不高。依据估计误差大小给各次迭代获得的信道估计值加权,能在低信噪比(SNR)条件下提高估计精度,但会降低高SNR条件下的估计精度。为了解决这个问题,文章提出了一种改进的加权匹配追踪算法。先通过对信道数据训练获取权值信息,然后随迭代次数自适应调整权值,从而改善估计精度性能。仿真结果表明,改进算法在保证低SNR估计精度前提下,改善了高SNR条件下的估计精度性能。

摘要： 在使用CT进行图像重建的过程中,需要在不同角度下对目标对象进行采样,然后利用图像重建算法生成重建结果,由于采样的数据越多,重建速率越慢,往往需要在不完全的采样角度下对图像进行重建,即稀疏重建.为了对传统稀疏重建算法的迭代速度进行改进,在传统bregman图像重建算法的基础上提出了一种新的加速迭代算法.该算法以bre-gman算法为框架,结合自适应梯度下降算法和图像修正算法,从而实现了稀疏角度下的快速重建.实验结果表明,新的加速算法对在成像效果上具有比较好的结果,且收敛速度明显加快.

摘要： 对于非均匀采样数据,现有三维稀疏成像方法中的数据局部插值会带来误差,且得到的分布式目标成像结果与其连续散射的本质不符.针对这些问题,首先将成像问题直接建模为三维空间中联合的稀疏重构问题,并通过选取候选散射中心进行字典降维;然后,在降维后的模型中增加三维特征增强约束项,建立三维空间中相邻散射中心之间的联系;最后,结合高斯迭代法以及优化的信号处理技巧,提出了一种高效的模型求解算法.实验结果表明,相比于其他成像方法,本文方法对旁瓣的抑制能力强,成像结果分辨率高、精度高,且保证了分布式目标成像结果的连续性.

摘要： 总变差(TV)最小化模型目前已广泛应用于图像重建领域,其通过最小化一阶图像梯度大小变换的L1范数实现,能在稀疏投影采集下得到精确的重构.然而,TV模型是基于分段平滑的图像的假设提出的,有时会产生阶梯效应.研究发现,高阶总变差(HOTV)模型可以有效压制阶梯效应,提高重建精度.此外,TpV模型使用Lp范数来逼近L0范数,有望进一步提高稀疏重建能力.鉴于此,本文将HOTV模型与TpV模型结合,提出一种新的高阶TpV(HOTpV)重建模型,采用自适应梯度下降-投影到凸集(ASD-POCS)算法进行求解,分别在理想和有噪声条件下对灰度渐变仿真模体以及真实CT图像仿真模体进行稀疏重建实验.实验结果显示,相比于TV、TpV以及HOTV三种重建模型,HOTpV能得到精度最高的图像.

摘要： 为了解决计算机断层成像(CT)稀疏解析重建过程中产生条状伪影的问题,在经典的UNet网络结构的基础上,提出了多残差UNet(Mr-UNet)网络结构,以更好地压制条状伪影.首先,用传统滤波反投影(FBP)解析重建算法稀疏重建出含条状伪影的稀疏图像;然后,将该类图像作为网络结构的输入,且将相对应的高精度图像作为网络的标签进行训练,使得该网络具有很好的压制条状伪影的性能;最后,将经典UNet原先的四层下采样加深到五层,并在模型中引入残差学习机制将每个卷积单元构建为残差结构,从而提升网络的训练性能.实验中采用了2000对大小为256×256的含条状伪影图像和对应的高精度图像作为数据集,其中,1900对作为训练集,50对作为验证集,其余的作为测试集来训练网络,并验证、评估网络性能.实验结果表明,与传统的总变差(TV)最小化算法及经典的UNet深度学习方法的比较表明,所提模型重建图像的均方根误差(RMSE)平均降低了约0.0025,结构相似度(SSIM)平均提高了约0.003,且能更好地保留图像纹理和细节信息.

摘要： 本文应用散射场特征信息和检测兰姆波的差信号对结构损伤进行稀疏定位成像，对稀疏重建与块稀疏重建方法的性能分析进行了初步探讨。下一步工作包括:设计更好的散射模型来充分结合相位信息，考虑二次散射的影响，定量分析缺陷的损坏程度，并在实际实验中进一步测试兰姆波信号样本。

摘要： 结合实际共形阵列天线,提出了一种基于稀疏重建的共形阵列综合方法.阵列的稀疏性由最小lp(0＜p＜1)范数约束,通过FOCUSS算法重建稀疏阵元位置以及幅相分布.利用本方法以及有源方向图叠加原理,对张角为120°的稀疏圆环共形阵进行了综合,同时考虑了互耦以及单元方向图的影响.理论和实验表明,该方法能以较高的精度和速度获得期望的方向图.

摘要： 该文针对高分辨力是源定位技术的重要目标，充分利用目标信号在空间域内的稀疏特性，提出了一种基于稀疏重建算法的波达方向估计方法。基于数据相关矩阵建立系统方程，以增加采样数和稀疏度的比值，并将系统维度降至最低。源的空间稀疏性由1-范数约束，通过凸优化算法重建信号的空间谱。此外，采用了局部网格细化方法，增加分辨力的同时降低对计算量的要求。最后，给出了数值仿真，与现有的一些方法进行对比分析，验证了该方法的高分辨能力及近似最优性。

摘要： HDR照片风格,包括自然、浮雕、绘画、油画等,能够展现丰富的艺术特质,具有风格显著、细节丰富、颜色饱满等特点.但是,传统的HDR风格生成方法交互繁琐、费时费力,并且生成的HDR效果稳定性差.因此,为了简化交互和提升效果,本文提出了一种HDR照片风格转移方法,通过给定一张HDR参考照片,借助颜色转移和字典学习技术,将HDR风格特征转移到源照片上,从而自动生成HDR照片效果.首先,借助梯度保持的颜色转移技术,将HDR参考照片的颜色特征转移到源照片上;然后,对HDR参考照片提取细节特征,利用K_SVD算法进行字典训练,形成细节的过完备字典集;接着,利用细节字典集对源照片进行稀疏重建,生成与参考照片特征一致的细节;最后,将颜色转移结果和细节重建结果合并,生成HDR风格的新照片.实验表明该方法应用到多种HDR风格,都可以获得高质量的风格转移结果。

摘要： 在地震数据采集时,由于地表条件,坏道,地形以及成本因素,采集的地震数据常常是不规则的.在数据处理过程中必须进行波场重建.在波场模拟和偏移处理时,往往需要对规则的地震数据进行加密.由于压缩传感理论在地震波场重建中的应用,使得基于稀疏变换的波场重建算法得到了发展.三维地震波场重建的数据量和计算量都会增大,因此需要研究快速的波场重建算法.本文以压缩传感理论为基础,研究基于稀疏变换的波场重建,提出采用信赖域算法来实现地震波场的快速重建.采用曲波变换作为稀疏变换，对模拟和真实的波场数据分别进行计算。数值试验表明该算法能够适合随机和规则道缺失数据的重建。其计算时间可媲美优秀线搜索方法。在相同重建效果情况下，该算法比SPGL1算法的计算时间要少。

摘要： 本文提出把PBDW放在二维冗余小波域中，这样的变换称为PBDWW。PBDWW来源于bandelet变换，但PBDWW采用的是冗余小波变换而且不进行图像块的四叉树合并。RLNE随着迭代次数的增加逐渐降低，这意味着重建图像越来越逼近全采k空间重建图像。可以看出本文方法对于给定的数据是随着迭代增加逐渐收敛于全采MRI图像。

摘要： 本文提出了基于压缩传感理论的光子计数成像系统。该系统以单光子计数器作为探测元件,以期在面元探测技术不甚成熟的现状下用点探测器进行极弱光探测。通过计算机仿真,验证了该方案的可行性,讨论了单光子计数器的暗计数率、量子效率和测量噪声对成像质量的影响，介绍了压缩传感理论,提出了SpaRSA-DWT稀疏重建算法,并与IWT算法做了比较,给出了迭代次数、测量数、噪声功率分别与信噪比的关系曲线对比图,说明了SpaRSA-DWT算法的优越性。

摘要： 现有的捷变频雷达相参技术主要针对全相参捷变频雷达体制开展研究,全相参捷变频雷达覆盖的雷达频率范围有限,全相参频率综合器阻碍了现有雷达改造.针对此问题,本文研究非全相参体制下的捷变频雷达相参处理技术.通过引入随机初相,对非全相参体制下的捷变频雷达回波信号进行建模,利用目标在速度-距离维的稀疏性,将目标的速度、距离和随机初相的估计转换成稀疏约束下的非欠定方程求解问题.最后,利用仿真和实测数据验证了该方法的有效性.

摘要： 利用多普勒信息是声纳系统在复杂环境下探测运动目标的重要手段之一.近年来,随着硬件计算能力的提高,主动声纳距离多普勒成像的迭代处理技术吸引了越来越多的关注.本文将回顾这一领域的最新进展,通过算法原理分析与数值仿真相结合,对几种先进成像算法进行比较.

摘要： 利用多普勒信息是声纳系统在复杂环境下探测运动目标的重要手段之一.近年来,随着硬件计算能力的提高,主动声纳距离多普勒成像的迭代处理技术吸引了越来越多的关注.本文将回顾这一领域的最新进展,通过算法原理分析与数值仿真相结合,对几种先进成像算法进行比较.

摘要： 本发明提供结合稀疏诱导动态引导滤波的高精度稀疏角度CT重建方法，属于医学影像的图像处理技术领域。该结合稀疏诱导动态引导滤波的高精度稀疏角度CT重建方法包括如下步骤：S1：通过对采集的投影数据进行解析重建得到的图像作为初始化图像并进行POCS（凸集投影）得到滤波输入图像；S2：通过对滤波输入图像进行图像梯度稀疏正则化约束得到引导图像；S3：将引导图像和滤波输入图像融合得到引导滤波图像；S4：将引导滤波图像进行迭代重建。本发明中首先分别得到滤波输入图像和引导图像，然后将引导图像和滤波输入图像融合就可以得到引导滤波图像，将引导滤波图像作为初始图像进行迭代重建，在降噪和边缘保持和块状伪影抑制具有显著的效果。

摘要： 本发明公开一种基于主结构分离的稀疏表示图像超分辨率重建方法，包括下述步骤：输入一副低分辨率LR图像，用相关全变分RTV分解输入的低分辨率LR图像为主结构部分和纹理部分，将主结构部分重建得到HR主结构图像，纹理部分重建得到HR纹理图像，将得到的HR主结构图像与得到的HR纹理图像相加得到HR图像，对HR图像进行全局优化处理得到HR重建图像。通过对图像进行主结构分解，大幅减少图案的复杂性，并配合改进的字典学习方案，来提高超分辨率重建的效果。

摘要： 本发明提供结合稀疏诱导动态引导滤波的高精度稀疏角度CT重建方法，属于医学影像的图像处理技术领域。该结合稀疏诱导动态引导滤波的高精度稀疏角度CT重建方法包括如下步骤：S1：通过对采集的投影数据进行解析重建得到的图像作为初始化图像并进行POCS（凸集投影）得到滤波输入图像；S2：通过对滤波输入图像进行图像梯度稀疏正则化约束得到引导图像；S3：将引导图像和滤波输入图像融合得到引导滤波图像；S4：将引导滤波图像进行迭代重建。本发明中首先分别得到滤波输入图像和引导图像，然后将引导图像和滤波输入图像融合就可以得到引导滤波图像，将引导滤波图像作为初始图像进行迭代重建，在降噪和边缘保持和块状伪影抑制具有显著的效果。

摘要： 本发明公开了一种基于背景低秩和多方向纹理稀疏分解的动态磁共振图像重建方法。对由动态磁共振下采样算子得到的K空间数据，基于压缩感知理论和图像分解，提出了一种全新的重建模型并建立了有效的重建算法。该重建模型将动态磁共振图像分解为具有低秩性的背景部分和多方向纹理稀疏的前景部分，利用核范数来约束背景，保证背景的低秩性；利用多重卷积下确界振荡广义全变分来约束前景，刻画前景中多方向的纹理特征并保证前景的稀疏性。将模型离散后转化为相应的鞍点问题，利用原始对偶算法求解得到重建图像。相比于传统动态磁共振图像重建方法，本发明的技术关键是对动态磁共振图像的前景进行了多方向的纹理特征分解，提高了图像重建精度。

摘要： 本发明公开了一种基于频域和图像域退化感知的深度学习稀疏角度CT重建方法，属于图像处理技术领域，首先构建频域模型，设计频域注意力模块，显示地学习不同退化级别的稀疏角度CT在频域的不同特征，输出加权频率特征，然后送入频域重建模块生成频域重建图像；其次构建图像域模型，设计图像域注意力模块，利用频域重建图像学习不同退化级别的稀疏角度CT在图像域的边缘像素重建特征，输出图像域注意力预测图像，最后送入图像域重建模块输出最终的重建结果。通过结合含有多个退化级别的CT数据集和有监督训练，此方法可以克服现有面向单一退化级别的深度学习方法泛化性差、不可拓展的缺陷，有效地提升重建的整体精度，抑制噪声和伪影同时保留细节的纹理特征。

摘要： 本发明提供一种结合目标检测的稀疏光声图像重建方法，包括：构建第一训练数据集；构建目标检测网络；用第一训练数据集训练目标检测网络；使用目标检测网络处理原始光声数据集获得经过裁切的图像组数据集；构建第二训练数据集；构建图像重建网络；用第二训练数据集训练图像重建网络；使用目标检测网络处理稀疏光声图像，获取兴趣区域的坐标向量组数据集；使用图像重建网络重建输出最终光声图像。本发明通过结合基于Two‑stage网络与Transformers模型的目标检测网络和基于GAN网络与patchGan网络的图像重建网络，处理隔点采样的稀疏光声图像，解决了光声图像信息稀疏、背景无效信息过多导致图像恢复效果差的问题。

摘要： 本发明公开了一种毫米波稀疏阵列时域类快速图像重建方法及系统，属于毫米波人身安全检查技术领域，包括以下步骤：S1：接收稀疏阵列回波信号；S2：子阵划分；S3：成像区域划分；S4：计算斜矩；S5：四子阵图像重建；S6：子图翻转与排序；S7：图像拼接。本发明通过合成有限的回波数据、划分有限的成像网格区域、共用一组匹配滤波系数和插值系数的方法，降低传统后向投影重建算法的计算量，在成像质量和计算效率方面进行了适当均衡，相比于传统的后向投影重建算法计算效率得到了有效提高，值得被推广使用。

摘要： 本发明涉及一种基于稀疏点云和代价聚合的三维重建方法及系统，其方法包括：获取多视角图像及其对应的多个稀疏点云，并对所述多个稀疏点云进行预处理，得到多个视角下的深度图；对所述多视角图像进行特征提取并构建一个或多个代价体，利用所述多个稀疏点云对每个代价体进行调制和正则化，得到多个概率体；从每个概率体中恢复出深度图，并将其与过滤后的多个视角下的深度图融合，得到重建后的点云模型。本发明通过基于稀疏点引导的策略，利用稀疏先验对构建的代价体进行调制，利用正则化等手段提高了代价体对弱纹理区域和细节结构处深度估计的准确性，进而提高三维点云模型的重建质量。

摘要： 本发明提供的一种基于稀疏样本的单目3D重建方法，所述重建方法包括：步骤100：获取具有重叠区域的输入图像I＝{I1,I2,..,IN}；步骤200：利用sift算法提取所述输入图像的特征，得到特征集F＝{F1,F2,...,FN}；步骤300：采用局部特征描述符来计算来自不同图像的匹配度；步骤400：根据所述匹配度进行增量重建，得到稀疏点云集Pinitial；步骤500：计算图像对稀疏点云贡献度并进行弱贡献度图像增强后，重复步骤100至步骤400，并对步骤400生成的稀疏点云集进行稠密化，获得重建点云。在不均匀或相对稀疏图像序列上，通过单目3D重建方法生成点云，模拟真实场景效果，减少重建所需的样本量，改善了重建的效果。

摘要： 本发明提供了一种基于稀疏约束的无监督地震数据重建方法及装置，该方法不需要遵循传统的“训练‑验证‑测试”的模式，无需大量完整地震数据作训练样本，而是通过深度学习中特定的卷积神经网络结构来提取地震数据的隐藏信息，通过网络学习到的参数来表征地震数据，结合完整地震数据在傅里叶变换域内具有稀疏性这一特点，构建基于U‑net的无监督网络重建模型，并添加傅里叶变换稀疏约束，将随机噪声作为网络输入，观测数据(缺失地震数据)作为网络标签对网络进行迭代更新。本发明所提出的方法在仿真海洋地震数据上的实验结果可以证明算法具有较高的重建性能。