导读:本文包含了快速成像算法论文开题报告文献综述及选题提纲参考文献，主要关键词:穿墙稀疏成像,参数交替迭代,优化最小化,快速成像
快速成像算法论文文献综述
晋良念,蒋佳琪[1]（2019）在《交替迭代最小化稀疏穿墙成像快速算法》一文中研究指出针对墙后目标成像分辨率与成像速度不能同时有效满足的问题,提出一种参数交替迭代最小化框架的墙后隐藏目标稀疏成像快速算法。首先,该算法利用稀疏信号贝叶斯模型的最大后验估计准则得到包含参数与成像体散射系数矢量的目标函数,然后在优化最小化框架(MM)下求解出对应的最优化函数,最后利用目标函数对应的优化函数对成像体散射系数、噪声功率和超参数进行交替迭代求解。仿真和实验结果表明,该方法对墙后点目标以及扩展目标进行高质量成像,并且大大提高算法速度。(本文来源于《雷达科学与技术》期刊2019年04期）
梅红艳,田卫明,胡程,龙腾[2]（2019）在《地基MIMO雷达快速成像算法研究》一文中研究指出地基多输入多输出(Multiple-Input Multiple-Output, MIMO)成像雷达采用数字波束形成技术实现二维成像,具有成像速度快的技术优势。本文提出了一种适用于大景深、宽视角场景的地基MIMO雷达的快速二维成像算法。首先,根据MIMO雷达的阵列构型建立回波信号模型;其次,基于该模型补偿天线阵列近场空变性的相位中心近似(Phase Center Approximation, PCA)误差并进行数据重排,通过Kesytone变换校正距离徙动;然后,利用方位分块Dechirp处理实现方位向聚焦,实现MIMO雷达二维成像;最后利用MIMO雷达外场实验数据完成了算法验证。研究结果表明:在保证成像精度要求的情况下,该算法可以实现大景深、宽视角场景的高分辨快速成像,成像处理时间优于反向投影成像(Back Projection, BP)算法。(本文来源于《信号处理》期刊2019年06期）
黄杰星[3]（2019）在《数字乳腺断层成像的快速迭代重建算法研究》一文中研究指出目前,乳腺癌已经成为女性最常见的癌症,筛查是乳腺癌早期发现的重要步骤。数字乳腺X射线摄影(Digital Mamography,DM)是一种成熟有效的早期乳腺癌筛查影像技术,具有高空间分辨率、低辐射剂量等优点。然而DM图像仅包含叁维解剖结构的二维信息,组织重迭问题会降低乳腺癌筛查的准确性。数字乳腺断层合成成像(Digital Breast Tomosynthesis,DBT)是一种基于DM发展的新型成像技术,X射线球管在有限角度范围内进行低剂量曝光,采集有限数量的投影数据进行重建,所得断层图像可以提供叁维结构信息,减少组织重迭,提高肿瘤检测的灵敏度。目前,DBT已经成为临床应用中重要的乳腺影像筛查手段之现存的DBT重建算法主要有解析重建和迭代重建两大类。滤波反投影算法(FBP)是经典的解析重建算法,需设计特殊的滤波器对投影滤波,通过对滤波后的投影进行反投影获取重建图像,缺点是滤波器的设计很大程度上依赖于图像内容以及采样几何。迭代重建算法中,Sidky等人提出的自适应最速下降凸集投影法(POCS)是目前应用最广泛的迭代重建算法框架,每次迭代分裂为两步:(1)重建,利用ART算法重建初步图像;(2)去噪,利用梯度下降法求解正则化问题。迭代重建算法可重建出较好的图像但重建时间长。本文系统回顾了 DBT系统组成及其成像理论基础,介绍经典的DBT重建算法,针对DBT迭代重建中的问题展开了深入的研究,并提出以下重建算法:第一、为实现DBT图像快速迭代重建,提出了一种基于多GPU和ADMM分布式优化的DBT快速迭代重建算法。本文把DBT重建问题描述为一个分布式优化问题,采用多GPU硬件加速结合交替方向乘子法(ADMM)分布式优化策略进行问题求解。具体实现时,将投影分成N个子集,每个GPU对应一个投影子集,并行进行共轭梯度求解,所有GPU更新结束后,收集上一步所有重建图像进行线性迭加,进行伪影拟制后重新分发到各个GPU进行下一轮迭代,直至满足迭代结束条件。实验结果表明,本文提出的重建算法重建图像对比度高,特征清晰,双GPU加速因子可达1.7以上,实现了DBT的快速迭代重建。第二、改进了传统的FISTA算法并将其应用于DBT迭代重建中。针对传统FISTA算法使用梯度下降法求解子问题时利普希茨常数计算复杂、迭代步长不稳定等问题,提出采用OS-SART策略更新中间变量,并利用OS-SART计算的预处理矩阵对TV项进行加权修正,采用FGP算法快速求解。最后采用梯度图像的SLO范数最小化进一步抑制噪声和伪影,重建出优质的DBT图像。实验结果表明,改进的FISTA算法结合SLO正则化可以更好地抑制噪声和伪影,同时保留结构边缘。(本文来源于《南方医科大学》期刊2019-05-24）
宋德鹏,李斌兵,曲毅[4]（2019）在《基于子孔径的FMCW CSAR快速圆卷积成像算法》一文中研究指出调频连续波圆周合成孔径雷达(FMCW CSAR)波数域成像算法中大孔径成像会导致目标散射系数发生变化,从而不能聚焦成像。针对此问题,提出了子孔径FMCW CSAR快速圆卷积成像算法,并利用非均匀傅里叶变换代替插值以提高成像效率。同时分析了FMCW CSAR多普勒历程,对子孔径划分原则进行了理论推导,给出了满足子孔径选取的表达式,通过仿真分析验证该算法能够有效避免波数域算法与子孔径难以结合的问题,结果表明,在该孔径内能较好地成像,而超过该子孔径范围,难以实现良好的聚焦成像。(本文来源于《电光与控制》期刊2019年07期）
高乐,毕东杰,彭礼彪,谢永乐[5]（2019）在《基于GAMP的近场毫米波成像快速算法》一文中研究指出传统近场毫米波均匀采样成像由于扫描时间长和计算代价大等问题无法实现实时成像。为此,该文构建了近场毫米波压缩采样成像模型及相应的观测矩阵,提出了一种基于广义近似消息传递的近场毫米波压缩采样成像快速算法。该算法将广义近似消息传递有效嵌入到期望最大化框架,加快了收敛速度;并利用快速傅里叶变换、小波滤波等方式构造了观测矩阵的快速算子,避免了大型观测矩阵的构造、存储与计算,进一步提升了算法运算速度。实验结果表明该算法可以快速、有效地从压缩采样数据中重建近场毫米波二维图像,并在重建效果与运算时间上都优于主流的快速迭代阈值收缩算法。(本文来源于《电子科技大学学报》期刊2019年02期）
林赟,宋扬,王彦平,李洋[6]（2019）在《旋转扫描地基SAR大视场快速成像算法》一文中研究指出旋转扫描地基合成孔径雷达(ArcSAR)具备高分辨率、大视场、重访周期短等优势,因此近年来受到越来越多的关注并逐渐被应用于地面形变监测。该系统特殊的运动轨迹(弧线)增加了成像算法难度。虽然时域算法能够获取ArcSAR高精度的成像结果,但时域算法计算效率较低。因此本文提出一种新的针对ArcSAR的频域成像算法。首先给出了ArcSAR的几何模型以及信号模型。然后论述了算法原理,并对二维频域匹配滤波器进行了推导。之后对算法的适用条件进行讨论。最后利用仿真实验对算法的适用条件进行验证,并对时域成像算法和本文提出的快速成像算法的成像效率和成像质量进行比较。(本文来源于《信号处理》期刊2019年03期）
陈尧,冒秋琴,陈果,石文泽,卢超[7]（2018）在《基于Omega-K算法的快速全聚焦超声成像研究》一文中研究指出针对现有超声全聚焦技术难以实时成像的问题,提出基于w-k算法的快速全聚焦技术。首先将用于全聚焦方法(TFM)成像的叁维全矩阵数据分解为N个二维子矩阵;利用快速傅里叶变换,将1～N号子矩阵由时域I(t,x)转换为频域D(k_Z,k_x);基于w-k算法构建波数迁移因子F(k_Z,k_x),对D(k_Z,k_x)进行加权得到I_D(k_x,k_z),实现频域中的声束聚焦;通过快速傅里叶逆变换得到子矩阵聚焦图像,并将其进行图像融合,最终获得全聚焦图像。结果表明,单核测试条件下,快速全聚焦方法获得具有200×300像素点的64阵元图像所需平均时间仅为0.65 s,而常规全聚焦算法需要1 467.36 s。综上,基于ω-k算法的全聚焦技术具有成像速度快、对硬件要求低等优点,为实时的高精度在线无损检测提供了一种可行方法。(本文来源于《仪器仪表学报》期刊2018年09期）
孙丝雨[8]（2018）在《基于快速算法的Tikhonov正则化同伦法在电阻抗成像中的应用》一文中研究指出在最近几十年中,电阻抗成像技术(Electrical Impedance Tomography,EIT)已经发展成医学成像技术的一个新方向.它通过向导电物体表面注入电流,测量导电物体表面的电压值,再利用图像重构算法来对物体内部的电阻抗分布或者变化进行成像.按照成像目标的不同,EIT成像方法包括动态成像方法和静态成像方法.静态成像以电阻抗的绝对值分布为成像目标,因此它能够反映电阻抗分布的具体情况.一直以来,静态成像方法都是EIT研究的重点.非线性最小二乘法是EIT静态成像方法中的经典方法,而Tikhonov正则化方法又是非线性最小二乘法的最典型的正则化方法.本论文的主要研究内容如下:第一章,首先对电阻抗成像技术进行了介绍,包括其定义,方法分类,国内外研究现状和该技术的优势与技术难点.其次,介绍了反问题和不适定问题.第二章讨论的是电阻抗成像的正问题.首先给出了电阻抗成像的理论基础.在此基础上,进一步对电阻抗成像正问题的数学物理模型进行了推导.最后,采用有限元法对求解EIT正问题.第叁章讨论了电阻抗成像的反问题,该章内容主要分为叁部分,其中后两节是本论文的核心内容.首先,本章给出了图像反演算法的评价指数.其次,利用同伦法思想对Tikhonov正则化方法进行进一步改进,得到Tikhonov正则化同伦法,并推导了 Tikhonov正则化同伦法的迭代公式.再者,采用快速收敛的四阶RPA(2,1)算法通过求解Morozov偏差方程获得正则化参数,进一步提高了正则化参数的收敛速度.在第四章,我们给出结论与展望.(本文来源于《山东大学》期刊2018-04-30）
陈乐平,安道祥,黄晓涛[9]（2018）在《圆周合成孔径雷达的快速时域成像算法》一文中研究指出为实现圆周合成孔径雷达(Circular Synthetic Aperture Radar,CSAR)快速成像,提出一种用于CSAR的快速时域成像算法。该算法通过将CSAR的圆孔径分成若干子孔径,分别对子孔径采用快速因式分解后向投影算法处理,再将各子图像相干插值迭加至同一坐标系下得到成像结果。详细分析算法实现中的坐标转换、误差控制和运算效率等关键问题,并用点目标仿真和实测数据处理结果验证算法的有效性。所研究方法具有成像范围大、计算量小等优点。(本文来源于《国防科技大学学报》期刊2018年02期）
徐强[10]（2018）在《基于稀疏扫描阵列的毫米波快速成像算法研究》一文中研究指出近年来,国内外恐怖袭击事件频频发生,并且有愈演愈烈的趋势,世界范围内普遍面临着非常严峻的安防形式。现在X射线检查仪,金属探测器,人工检查等等是火车站、机场、会议中心等人流频繁的公共场所必备的安全检查方式。但是这些步骤和方式繁琐缓慢,还可能造成人员滞留、聚集,形成新的安全隐患。因此,对于现有的安检方式系统提出了更迅速、更方便、更全面、更重要的安全性及智能化等更高的要求。毫米波成像技术利用毫米波良好的穿透性,极小的波长,对人体无电离辐射等优点,实现了人体目标场景的高分辨率成像及隐匿物品检测。但是现有的毫米波成像系统,为了满足高分辨率实时成像的目的一般采用很多天线通道,造成系统成本极大提高。本文就是研究在扫描方式和成像算法方面的改进,以达到利用稀疏天线阵列成像快速、成像分辨率高的效果,进而降低毫米波成像系统成本和提高成像效率。本文的内容主要包括以下五方面:(1)结合现在的安防形势引出毫米波成像技术在安检领域的应用,在毫米波成像技术的主动式和被动式方向分析了国内外发展及现状,展望未来方向。(2)对毫米波安检成像技术中的方法和原理进行阐述,重点从系统的天线扫描方式和系统重构成像的算法等方面叙述。(3)提出边扫描采集数据边重构成像算法,可以解决窄带全息成像不能对叁维目标清晰成像问题,同时改变传统点窄带全息成像技术过程中需要先对整个目标场景进行扫描采集数据的方式,采用边扫描边成像方法,减小运算量合并步骤,提高成像速度。(4)引入正则化去噪方法到毫米波成像系统重构图像的后期处理过程,对于边扫描边成像算法的重构图进行降噪研究,找出其中合适的正则化参数,得到较好的降噪图像,分析了该方法的应用价值。(5)对全文论述进行总结,通过该方向的课题研究和自身研究生求学期间接受的指导和学习,为毫米波安检成像技术提供新思路新方法,对未来系统的发展提供帮助。(本文来源于《电子科技大学》期刊2018-04-01）
快速成像算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
地基多输入多输出(Multiple-Input Multiple-Output, MIMO)成像雷达采用数字波束形成技术实现二维成像,具有成像速度快的技术优势。本文提出了一种适用于大景深、宽视角场景的地基MIMO雷达的快速二维成像算法。首先,根据MIMO雷达的阵列构型建立回波信号模型;其次,基于该模型补偿天线阵列近场空变性的相位中心近似(Phase Center Approximation, PCA)误差并进行数据重排,通过Kesytone变换校正距离徙动;然后,利用方位分块Dechirp处理实现方位向聚焦,实现MIMO雷达二维成像;最后利用MIMO雷达外场实验数据完成了算法验证。研究结果表明:在保证成像精度要求的情况下,该算法可以实现大景深、宽视角场景的高分辨快速成像,成像处理时间优于反向投影成像(Back Projection, BP)算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
快速成像算法论文参考文献
[1].晋良念,蒋佳琪.交替迭代最小化稀疏穿墙成像快速算法[J].雷达科学与技术.2019
[2].梅红艳,田卫明,胡程,龙腾.地基MIMO雷达快速成像算法研究[J].信号处理.2019
[3].黄杰星.数字乳腺断层成像的快速迭代重建算法研究[D].南方医科大学.2019
[4].宋德鹏,李斌兵,曲毅.基于子孔径的FMCWCSAR快速圆卷积成像算法[J].电光与控制.2019
[5].高乐,毕东杰,彭礼彪,谢永乐.基于GAMP的近场毫米波成像快速算法[J].电子科技大学学报.2019
[6].林赟,宋扬,王彦平,李洋.旋转扫描地基SAR大视场快速成像算法[J].信号处理.2019
[7].陈尧,冒秋琴,陈果,石文泽,卢超.基于Omega-K算法的快速全聚焦超声成像研究[J].仪器仪表学报.2018
[8].孙丝雨.基于快速算法的Tikhonov正则化同伦法在电阻抗成像中的应用[D].山东大学.2018
[9].陈乐平,安道祥,黄晓涛.圆周合成孔径雷达的快速时域成像算法[J].国防科技大学学报.2018
[10].徐强.基于稀疏扫描阵列的毫米波快速成像算法研究[D].电子科技大学.2018