稀疏基线综合孔径天文图像重建与信息提取方法研究

论文摘要

综合孔径辐射计是一类典型的空间频域信号采样成像系统,通过天线阵列接收到的微波信号两两复相关得到可见度函数,经逆傅立叶变换获得亮温图像。干涉式综合孔径成像被广泛应用于天文观测和对地遥感领域。随着干涉技术的发展,地基干涉阵列向着天基干涉阵列发展。在天文干涉领域,天基干涉阵列可有效的避免地球电离层影响,对甚低频观测尤其有利;在对地观测领域,由于天基阵列长基线优势,应用领域也从大尺寸的气象海洋等观测,向着高精度的目标定位和跟踪等方向发展。由于卫星数量的限制,以及系统复杂性、成本等约束,往往采用稀疏阵列。天文观测领域,对全天空和缓变的强源目标成像,可采用稀疏阵列和分时采样获取空间频率域足够的可见度函数采样值后再进行亮温反演,重建观测区域的亮温图像,但对于时变目标该方法不能适用。对地观测领域,由于地面环境复杂,要实现目标的检测几乎不能采用分时采样的方式。稀疏基线情况下,综合孔径图像重建和信息提取面临两个问题。一方面,由于空间频率域采样不足,传统的傅立叶变换和G矩阵等方法难以反演出原始图像信息。另一方面,在分时采样模式下,时变源在成像周期内的亮温变化对成像结果的影响将不能被忽略,传统方法难以检测出时变源和重建变化图像。针对上述稀疏阵列图像反演问题,本文提出了两种图像反演方法,一种基于压缩感知的稀疏基线综合孔径图像重建算法,一种是基于生成对抗神经网络的稀疏基线综合孔径图像重建算法。针对稀疏阵列的时变源信息提取问题,本文提出了一种固定基线稀疏采样运动点目标检测算法,以及一种变基线稀疏采样时变源图像重建算法。具体内容如下:1.针对稀疏采样图像重建问题,提出了一种基于压缩感知的稀疏基线综合孔径图像重建算法,通过压缩感知算法重构图像,并用去卷积方法对残差可见度函数进一步重建,经仿真实验验证,解决了稀疏采样下图像混叠问题,得到高保真度的亮温图像。2.针对复杂场景的稀疏采样图像重建问题,提出了一种基于生成对抗网络的稀疏基线综合孔径图像重建算法,通过学习复杂场景图像的特征,拟合复杂场景图像像素的条件分布,得到逆傅立叶变换图像到重建图像的映射关系,经实验验证,可快速和有效的重建出复杂场景亮温图像。3.针对固定基线稀疏采样下反演图像中伪像和混叠干扰目标检测的问题,提出了一种基于可见度函数时间序列均值差分和去卷积的运动点目标检测算法,通过均值差分消除可见度函数中的背景成分,使得去卷积方法能快速收敛,进而通过洁化方法重建并且检测目标,经仿真验证,具有较低的虚警率和误警率。4.针对变基线稀疏采样下时变源重建图像中目标模糊和动态信息丢失问题,提出了一种引入缓变背景和目标变化的直积空间上稀疏约束的稀疏基线综合孔径动态场景图像重建算法,经仿真实验验证,可得到准确的重建图像和动态信息。

论文目录

文章来源

类型: 博士论文

作者: 杨宜

导师: 杨震

关键词: 稀疏采样,混叠图像,综合孔径,运动目标检测,压缩感知,图像反演,生成对抗网络

来源: 中国科学院大学(中国科学院国家空间科学中心)

年度: 2019

分类: 基础科学,信息科技

专业: 天文学,计算机软件及计算机应用

单位: 中国科学院大学(中国科学院国家空间科学中心)

分类号: TP391.41;P111

DOI: 10.27562/d.cnki.gkyyz.2019.000004

总页数: 144

文件大小: 13973K

下载量: 51

相关论文文献

• [1].低照度三维船舶图像的重建方法研究[J]. 舰船科学技术 2018(08)
• [2].医学图像重建课程的实验教学研究[J]. 时代教育 2014(17)
• [3].稀疏阵列综合孔径辐射计的欠采样图像重建[J]. 计算机仿真 2020(05)
• [4].基于压缩感知的医学图像重建方法[J]. 生物医学工程学进展 2019(04)
• [5].代数迭代图像重建技术在SPECT图像重建中应用的研究[J]. 中国医疗器械杂志 2010(01)
• [6].一种全共享低交换并行高分辨太阳图像重建方法[J]. 科学通报 2018(02)
• [7].卷积神经网络在ECT图像重建上的应用[J]. 辽宁大学学报(自然科学版) 2018(01)
• [8].基于约束最小二乘法的CT图像重建[J]. 临床医学研究与实践 2018(29)
• [9].不同采样率对光声图像重建的影响[J]. 应用激光 2016(01)
• [10].层析γ扫描发射图像重建实验研究[J]. 核电子学与探测技术 2012(11)
• [11].荧光分子层析成像图像重建研究进展[J]. 中国激光 2018(03)
• [12].东芝Aquilion 64层螺旋CT机图像重建故障维修[J]. 医疗装备 2010(04)
• [13].基于梯度旋转的局部分块图像重建[J]. 江苏第二师范学院学报 2017(12)
• [14].融入背景差分连续重构的心脏医学图像重建[J]. 科技通报 2015(08)
• [15].Kalman滤波在ECT图像重建中的应用[J]. 电子技术与软件工程 2019(06)
• [16].光声-超声联合图像重建方法研究进展[J]. 中国医学影像技术 2019(03)
• [17].基于GPU异构平台的实时CT图像重建系统的研究[J]. 计算机应用研究 2019(06)
• [18].单张图像重建人脸3D模型的卷积神经网络系统研究[J]. 计算机产品与流通 2019(12)
• [19].基于深度学习的图像去雾霾研究[J]. 信息技术 2018(08)
• [20].图像重建及3D虚拟现实技术在经蝶垂体瘤手术中的应用[J]. 系统医学 2018(14)
• [21].虚拟现实技术的3D激光扫描图像重建[J]. 激光杂志 2017(08)
• [22].基于统计量的加权函数图像重建方法[J]. 传感器与微系统 2017(09)
• [23].基于压缩感知的图像重构算法[J]. 科技视界 2019(01)
• [24].GE Prospeed AI CT[J]. 中国医疗设备 2010(05)
• [25].结合图像重建和L系统的虚拟水稻模型系统设计[J]. 安徽农业科学 2009(33)
• [26].基于Radon变换和包络法的CT图像重建问题研究[J]. 齐鲁工业大学学报 2019(02)
• [27].基于图像重建的智能监控系统教学实验平台设计[J]. 云南民族大学学报(自然科学版) 2017(02)
• [28].自适应零风格强度图像重建[J]. 现代计算机 2019(13)
• [29].正则化算法在CT图像重建上的应用[J]. 计算机系统应用 2017(12)
• [30].稀疏角度CT图像重建算法研究[J]. 计算机应用与软件 2018(10)

标签：稀疏采样论文;  混叠图像论文;  综合孔径论文;  运动目标检测论文;  压缩感知论文;  图像反演论文;  生成对抗网络论文;