论文部分内容阅读
基于压缩感知的差分关联成像虽然能够以较少的采样次数高质量地恢复出物体的信息,但在图像重构过程中存在矩阵过大,占用计算机内存大,重构时间长的问题。为此提出了有数据预处理的改进压缩感知差分关联成像方案,首先鉴于光强涨落特性得到部分测量数据构造出初始字典D0,然后通过学习得到字典D作为传感矩阵,最后通过正交匹配追踪恢复出物体的信息。实测"单缝"实验数据成像结果表明,与传统的压缩感知差分关联成像相比,该方案以更少的测量数据恢复出高清晰的像,成像效率和质量都得到了提高,降低了对系统硬件的过高要求,缩短了图像重