论文部分内容阅读
压缩感知技术作为一种新型信号处理技术，其能够在极低的采样频率下进行高精度采样，降低了对采样设备的需求。压缩感知技术主要包括稀疏表示、观测矩阵以及重构算法等。其中重构算法优劣直接影响着测量信号或图像的重构性能，因此本文针对该重构算法展开研究。 首先，本文分析了压缩感知的背景和意义、压缩感知重构算法的发展现状以及在成像领域应用现状，并阐述了压缩感知技术原理框架以及SL0系列经典重构算法的原理和步骤。 其次，本文针对当前SL0系列算法存在的问题，构建了基于复合反比例函数(CIPF)模型的算法体系，并通过数学方法证明了本算法体系的合理性。在这个算法体系中，针对SL0系列算法无噪条件下鲁棒性不强的问题，本文构建了三个鲁棒性算法:(1)以降低算法复杂度为目标，结合最速下降法算法思想，构建了基于最速下降法优化的WCIPF-SD算法;(2)以提升算法重构精度为目标，结合BFGS拟牛顿法，构建了基于BFGS算法优化的WCIPF-BFGS算法;(3)以均衡算法复杂度和算法重构精度为目标，结合共轭梯度法，构建了基于共轭梯度法优化的WCIPF-CG算法。针对SL0系列算法噪声敏感问题，本文重点研究了压缩感知的抗噪机制，构建了两个噪声鲁棒性算法:(1)以提升抗噪性能为目标，基于WCIPF-SD算法，在其算法框架内部引入具有抗噪性能的L2正则化体制，通过数学推导获得新的迭代公式，由此构建了具有一定噪声鲁棒性的WICIPF-SD算法;(2)以进一步提升抗噪性能为目标，结合L1正则化体制抗噪思路，构建了基于加权CIPF正则化体制，引入构建的混合共轭梯度法进行算法优化，得到了具有较强噪声鲁棒性的WReCIPF算法。在此基础上，本文清晰地给出了相关算法的主要参数的选取思路，为此类算法体系的完善提供基础支撑。根据仿真结果，本文所提算法均相应地改善了对应的问题，达到了设计效果。 最后，将所提出的基于CIPF模型的算法体系应用于SAR图像的重建。为了验证本文所提算法对SAR图像的重建性能，本文从SAR图像数据集——UCMerced_Land_Use中挑选了Denseresidential94和Sparseresidential82两张典型SAR图像作为测试对象，选取了MSL0和CTNRAL0算法等先进算法来对比分析。实验结果表明，本文所提出的基于CIPF模型的算法体系能够有效地提升SAR图像重建的PSNR和SSIM特性。