彩色自适应压缩鬼成像

发布时间：2020-11-04 06:16

　　 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。
【学位单位】：南京理工大学
【学位级别】：硕士
【学位年份】：2017
【中图分类】：TP391.41;O431.2
【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 压缩鬼成像发展历程
        1.2.2 彩色成像研究现状
    1.3 本文研究内容
    1.4 本文组织框架
2 压缩鬼成像简介
    2.1 传统鬼成像的成像系统
    2.2 赝热光源鬼成像
    2.3 计算鬼成像
        2.3.1 基于压缩感知的计算鬼成像
        2.3.2 压缩自适应计算鬼成像
        2.3.3 扩展小波树自适应压缩采样
    2.4 本章小结
3 彩色自适应压缩成像方法
    3.1 在RGB彩色空间中进行成像（EWT-ACS RGB）
    3.2 加入亮度信息的彩色成像（EWT-ACS RGBY）
    3.3 在YUV彩色空间中进行成像（EWT-ACS YUV）
    3.4 本章小结
4 彩色自适应压缩成像的仿真分析
    4.1 理想环境下的仿真分析
        4.1.1 重构图像质量的比较
        4.1.2 峰值信噪比的比较
        4.1.3 重构所需采样次数的比较
        4.1.4 运行时间的比较
    4.2 实际环境下的仿真分析
        4.2.1 重构图像质量的比较
        4.2.2 峰值信噪比的比较
        4.2.3 重构所需采样次数的比较
        4.2.4 运行时间的比较
    4.3 本章小结
5 彩色自适应压缩成像的实验验证
    5.1 实验系统
        5.1.1 实验装置
        5.1.2 连接方式
    5.2 实验过程
        5.2.1 成像区域的定位
        5.2.2 DLP的GUI设置
        5.2.3 采样与处理过程
    5.3 实验结果
    5.4 本章小结
6 总结与展望
致谢
参考文献
攻读硕士学位期间发表论文及其它成果

【相似文献】

相关期刊论文 前3条

1 许跞;李博;王惠;王瑞龙;;法国高分辨率双子星PLEIADES简介及相关技术分析[J];影像技术;2014年01期

2 成家杰;肖立志;许巍;张宗富;安天琳;邓峰;刘化冰;;基于岩石重构图像的核磁共振响应模拟[J];波谱学杂志;2013年03期

3 ;[J];;年期

相关硕士学位论文 前2条

1 张重阳;动态可重构图像处理机背板与交换系统研制[D];北京工业大学;2016年

2 闫奕芸;彩色自适应压缩鬼成像[D];南京理工大学;2017年

本文编号：2869745