基于飞行时间的压缩感知成像

来源 :辽宁大学 | 被引量 : 0次 | 上传用户:gym510
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着激光测距技术的飞速发展,因其具有非接触、非破坏性、高速、远距离等特点,它已经逐渐应用于工业和日常生活中,并广泛应用于遥感、机器视觉、三维成像等领域。目前,三维成像技术主要包括:结构光三维成像、双目视觉三维成像和飞行时间三维成像技术。飞行时间三维成像利用光子在空间飞行的往返时间来测量物体景深。近几年,飞行时间技术优势显著,被广泛运用到灾难救援、遥感、通讯、手势识别、游戏互动、人脸识别、三维场景测量等领域。目前大部分飞行时间三维成像技术,对于高质量场景的重建效果不明显,对场景中大量的扫描照明点会限制采集速度,高空间分辨率、时间分辨率的焦平面阵列没有广泛应用。飞行时间传感器性能与传统彩色相机相比,其分辨率和信噪比较低。本文研究内容是将压缩感知理论引入飞行时间三维场景测量中,可以降低图像噪声,有效提高图像信噪比。飞行时间成像原理是发射和接收近红外光并通过计算光信号的相位差来获得场景深度,在一定程度上减少了背景光对成像干扰。但由于互补金属氧化物半导体特性,只有百分之十填充因子,因此反射信号占探测器的一小部分,导致图像信噪比、分辨率降低。本文利用迭代软阈值算法对飞行时间传感器获得低信噪比图像重构获得高信噪比图像,并在降低采样率时,还能获得高质量图像。本文进行数值模拟和基于飞行时间的压缩感知三维成像模拟仿真实验。模拟仿真在三维场景中重构二值图像,重构图像细节部分较原始图像更清晰,有效提高图像信噪比,并且在欠采样时,就可获得高信噪比图像。对比三维物体,在全采样时得到重构图像噪声减少,两幅图细节部分差别不明显,三维物体重构在细节部分恢复没有二值图细节恢复明显。通过评价图像质量指标,如结构相似性,信噪比,峰值信噪比和均方根误差等,经过模拟仿真得到重构图像对比原始图像质量增加,细节部分恢复明显,有效减少图像噪声减小,增加信噪比等优点。
其他文献
在大数据时代,数据的增长带动了信息领域的高速发展,各个领域的推荐系统在人们的日常生活中起到了更为明显的作用,能够帮助人们进行信息的筛选,提高了产品的使用体验,帮助了人们获得更好的生活。教育领域同样如此,各种在线学习网站先后流行,但与推荐引擎的结合程度还相对较低,远低于电商和娱乐领域,在数量和质量上,均有明显的进步空间。本文认真研究了相关教育学理论,充分研究了国际国内在线学习领域和个性化推荐领域的现
随着学习资源的爆炸性增长,如何在海量的数据里找到学习资源成为了一个急需解决的问题。个性化知识资源推荐是一种有效的解决办法,其本质是通过推荐算法捕捉到用户的偏好,给用户推荐潜在知识资源。据此本文提出了基于混合推荐算法的个性化知识点推荐系统研究与实现。首先本研究对推荐算法进行了深入的研究分析,将推荐算法分为传统的推荐算法和基于各类智能算法的新型推荐算法。并对这两类推荐算法下的各类具体算法进行分析,明确
互联网的发展使得人们可以通过粘贴复制,径直将网上他人的知识成果放在自己的论文里,无意间形成侵权、学术造假等事件。而学术论文不断反复套用、盗用,严重的影响了整个学术界的氛围,低水准论文满天飞。要想从根本上杜绝类似事件的发生,就要通过增强对论文的重复率度量来监督,当前国内外对文本的查重成为新的研究热点。实行版权保护时,一个高效的方法是对文档之间的相似程度进行度量。文本相似度研究在判定文章原创方面有着普
近年来,随着移动互联网的飞速发展,移动设备被人们广泛使用。卷积神经网络已成为计算机视觉领域的主流技术,为泛在的移动设备提供了多元化服务,而卷积神经网络模型常常具有规模庞大、层次深、复杂度高、对于硬件需求标准过高等问题。为了大规模的卷积神经网络模型能够更高效地应用于移动互联网中的边缘设备,对于轻量化卷积神经网络的研究日益增多。如何让卷积神经网络在尽可能保障模型精度的前提下减少模型参数量、降低网络复杂
随着信息技术的发展,人类已经从4G时代迈入了5G时代,上网速度变快的同时也促进了互联网媒体技术的发展,视频逐渐代替文字成为信息传播的主要载体。在线视频课凭借其不受时间和地点限制的优势,让知识获取变得更方便快捷的特点,越来越受到求学者的青睐。但我们也要注意到,大数据时代下海量信息带来的“信息过载”问题同样也出现在在线学习领域。课程推荐系统可以根据用户的行为历史数据分析用户对课程的兴趣倾向,帮助用户快
随着互联网的普及率不断提升,Web服务器的功能越来越完善,每天都会产生大规模的Web用户行为数据,该数据被存储到服务器中。近年来,Web用户的异常行为分析问题是我国网络安全的重要问题之一,也是学术界研究的热点。从大规模数据中分析出Web用户的异常行为,并识别出该用户的异常行为类别不仅是舆情管控的重要目标,也是各种网络平台维护网络环境安全的重要手段。Web用户的异常行为一直影响着Web网页的安全与稳
最近几年来,大数据技术与互联网络技术发展迅速,在海量数据的背景下我们可以搜集大量的数据资源。特别是在教育领域,试题以及知识更是海量的存在。在我们学习生活中会需要在网络上去收集一些我们需要学习的知识,但如今这种海量的数据情况下,找到自己想要的知识或者一些试题是很浪费时间的,以至于会降低学习效率。近几年来,随着推荐算法的普及,在电商平台应用非常广泛,可以推荐用户合适的商品,当电商平台有更大的受益化,因
突破衍射极限,获得更高分辨的成像在物理学、生物科学、医学、材料学和电子计算机等各个领域的研究和发展都具有十分重要的意义。衍射极限通常指的是一个理想的物点在经过实际光学系统成像时会受到系统有限孔径的限制,无法获得理想的像点,而是得到一个夫琅禾费衍射像。这就极大地限制了人们看清被成像物体的更小细节,“看”得更小成了很多研究领域的瓶颈。因此,打破衍射极限的限制,实现超分辨成像既是社会经济不断发展的技术需
随着人类进入互联网时代,信息技术的高速发展带来网络信息量激增,急剧增长的网络信息导致严重的信息过载问题。为了有效地帮助用户在海量数据中获取自己感兴趣的信息,推荐系统应运而生并在各领域广泛应用。然而推荐系统的核心——推荐技术因受数据稀疏性和冷启动等问题的影响在推荐准确度和推荐效率上远未达到用户的希望,因此在职位推荐领域也未能取得理想的效果。当前我国就业形势依然严峻,特别是新冠肺炎疫情的突发,增加了我
与传统光学成像不同,关联成像,即“鬼成像(ghost imaging,GI)”是一种间接成像的手段,它利用光场强度涨落之间的关联来恢复图像,具有抗湍流介质干扰、能够实现超分辨等特点。实验中使用两个探测器分别对物体表面光场分布和光场与物体相互作用后的总光强进行探测,对两探测器获得的信息进行二阶关联运算,从而恢复出物体信息。因为探测光场与物体相互作用的探测器是一个“桶探测器(bucket detect