基于cs理论的一种光学成像系统-信号与信息处理专业论文.docxVIP

安徽大学硕士学位论文摘要 安徽大学硕士学位论文 摘要 I I 摘 要 经典的信号采样寻求最佳的被采样信号的保真性，其采样过程必须遵循被广 泛认定的香农采样定理，采样频率必须大于被采样信号的最高频率的两倍，以确 保从采样值中完全重构原始信号。当前，数字信号处理（DSP）的能力、稳定性 和廉价已经推动模拟到数字转换（ADC）提高并在许多重要的传感、成像和通信 系统中使用。不幸的是，当前 ADC 技术不能在比特位和深度上达到保真检测和重 构高端要求。庆幸的是，近年来，新兴的 CS 理论使数据采样技术，突破了香农 采样定理的局限，CS 理论对稀疏特征的信号(图像) 重建具有非适应性、非线性 的优良特征，因此得到了广泛地关注。 论文首先介绍了 CS 理论的基本内容，针对非相关测量给出一种基于 CS 的 光学可压缩成像系统的构架，并且对该系统中涉及的光学原理特别是随机相位组 成的光学掩膜进行了深入的探讨，主要的工作及创新成果如下： CS 理论利用信号结构性稀疏先验，用低于 Nyquist 速率的非适应性采样达 到高概率精确地原始信号重建。CS 理论主要由信号的稀疏变换、非相关测量、 重建算法三部分构成。本论文主要关注的是非相关测量在光学系统中的实现构 架。通过一个随机相位测量矩阵将一个高维的稀疏信号投影到低维空间上，得到 原始信号的稀疏采样，通过非线性重构算法（StOMP），实现了高概率精确地重 建出原始信号。 压缩成像系统(CI)主要由两部分组成：光学系统和数字信号处理系统[3]。其 中随机相位测量矩阵由随机相位组成的光学掩膜实现。论文采用光的标量衍射理 论和透镜下光传播的特征探讨了光学掩膜关键技术及衍射特征等方面。光学掩膜 以其光学的高度并行性与数字信号处理技术相结合，通过获取目标的随机投影 图，然后采用相应的重建算法，来进行图像重建。通过模拟，验证了系统的可行 性。 关键词：压缩传感，压缩成像，匹配追踪，图像稀疏，图像重建 安徽大学硕士学位论文基于 安徽大学硕士学位论文 基于 CS 理论的一种光学成像系统 II II ABSTRACT Classic signal sampling to seek the best signal fidelity to be sampled, the sampling process must follow the widely recognized Shannon sampling theorem, the sampling frequency must be sampled more than twice the highest frequency signal in order to ensure full value from the sample reconstruct the original signal.The common approach in digital imaging today is to capture as many pixels as possible and later to compress the captured image by digital means. The compression is required for storage and communication purposes. At the end of these two stages, the optical capturing and digital compressing, the image is represented by much less numbers than the number of pixel captured. Fortunately, in recent years, new CS theory to make the data sampling technique, breaking the limitations of Shannon sampling theorem, CS theory on the sparse feature of the signal (image) reconstruction with non-adaptive, nonlinear good features, it has been wide attention. We review the basic concepts behind CS and describe the compressed imaging system . In this work we further elaborated the concept and results with the rec