论文部分内容阅读
彩色成像在目标探测和识别领域中具有重要意义,但目前针对彩色图像重构的算法研究很少。传统彩色成像方法多是将基于计算鬼成像机制的灰度重构方法,诸如压缩感知等,直接用来对彩色图像的红(R)、绿(G)、蓝(B)三个分量分别进行重构。然而,一方面压缩感知的计算开销大,重构所需时间长,且随着成像分辨率的增加而成指数型增长;另一方面,R、G、B三分量之间有很强的相关性,如果对三分量分别进行测量和重构,将会导致彩色图像的重构质量不高。针对现有彩色成像方法重构时间长、重构图像效果不好的弊端,本文循序渐进地提出了三种彩色自适应压缩成像方法:1.EWT-ACS RGB算法。将扩展小波树自适应压缩采样(EWT-ACS)引入彩色成像过程中,使用EWT-ACS对R、G、B三分量分别进行重构。该方法有效地避免了压缩感知所带来的计算开销,可以快速重构任意大小的图像,大大提高了成像速率。2.EWT-ACS RGBY算法。在EWT-ACS RGB算法的基础上,加入对成像物体的亮度信息,即Y分量的采集,充分利用人眼的视觉特性,有效改善了重构彩色图像的质量,使得细节更加清晰。3.EWT-ACS YUV算法。分析了在YUV彩色空间中成像的优势,该算法充分利用了U、V分量在小波域中的稀疏性、亮度与色度分量的内在依存关系,以及人眼的视觉特性,避免了对R、G、B三分量之间的强相关性进行建模所带来的计算开销。该方法显著地减少了重构所需的测量次数和测量时间,大大提高了重构图像的质量。本文搭建了彩色自适应压缩成像的实验系统,在对所提出的三种算法以及现有的几种彩色成像算法进行仿真比较之外,通过实验来验证所提出方法的可行性和数值仿真的结果。仿真和实验结果表明,本文所提出的三种方法避免了压缩感知所带来的计算开销,与传统的彩色成像方法相比,有效地降低了重构所需的采样次数以及重构时间,显著提高了成像速率;同时在相同的采样次数之下,能提供更好的成像质量,特别是EWT-ACS YUV算法,无论是在成像的清晰度还是色彩准确度方面,都表现最佳。