项目名称: 基于分离式二维压缩感知的自适应成像系统研究

项目编号: No.61271411

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 无线电电子学、电信技术

项目作者: 张宝菊

作者单位: 天津师范大学

项目金额: 80万元

中文摘要: 压缩感知理论突破了Nyquist采样定理的限制,在图像压缩领域有着重要的应用价值,其中基于该理论的压缩成像方法是众多应用的核心支撑技术。因此,寻找具有高效实用、成像快速、抵抗噪声干扰能力强的压缩成像光学系统,具有非常重要的科学研究意义。在本项目中将围绕分离式二维压缩感知的基础理论,探索一种自适应压缩成像系统实现中的关键技术,主要包括:建立分离式二维压缩感知理论的数学模型,研究适用于光学成像的测量矩阵;推导光学成像系统的自适应测量参数选择算法;设计压缩成像系统光学模型,分析噪声来源,搭建能提高系统信噪比的光学结构;构建成像系统结构与控制系统。本项目的研究成果将为压缩感知理论在图像压缩领域的应用提供理论和技术基础,并可为特殊环境成像、加密成像等提供新的实现途径,扩展压缩感知技术的应用领域。

中文关键词: 分离式压缩感知;图像重构;测量矩阵;图像采集;自适应成像

英文摘要: Compressive sensing, breaking the Nyquist sampling theorem limit, has great application value in the field of image compression. And the compressive imaging method is the core technology for many applications which is based on compressive sensing theory. Therefore, it has very important scientific significance to looking for efficient and practical、rapid and noise resistant compressive imaging system.In order to achieve this compressive imaging method, the project explore the key technologies of adaptive optical imaging system around separable two-dimensional compressive sensing theory.Mainly including: establishing the mathematical modeling of separable two-dimensional compressive sensing theory, investigating the suitable measurement matrix;deducing the adaptive measuring parameter selection algorithm of optical imaging system;designing the optical model of compressive imaging system,surveying the noise source and setting up the appropriate optical structure;constructing imaging system optical structure and control system.The achievement of this project will provide theoretical and technical basis for compressive sensing in the field of compressive imaging, and could provide a new implementation approach for special environmental imaging, encryption imaging with a view to expanding the field of compressive sen

英文关键词: separable compressed sensing;image reconstruction;measurement matrix;image acquisition;adaptive imaging

成为VIP会员查看完整内容
0

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
《过参数化机器学习理论》综述论文
专知会员服务
45+阅读 · 2021年9月19日
专知会员服务
35+阅读 · 2021年8月27日
专知会员服务
40+阅读 · 2021年7月5日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
18+阅读 · 2020年12月23日
专知会员服务
77+阅读 · 2020年12月6日
[CVPR 2020-港中文-MIT] 神经架构搜索鲁棒性
专知会员服务
25+阅读 · 2020年4月7日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月18日
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
A Comprehensive Survey on Transfer Learning
Arxiv
121+阅读 · 2019年11月7日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
《过参数化机器学习理论》综述论文
专知会员服务
45+阅读 · 2021年9月19日
专知会员服务
35+阅读 · 2021年8月27日
专知会员服务
40+阅读 · 2021年7月5日
【CVPR2021】探索图像超分辨率中的稀疏性以实现高效推理
专知会员服务
18+阅读 · 2020年12月23日
专知会员服务
77+阅读 · 2020年12月6日
[CVPR 2020-港中文-MIT] 神经架构搜索鲁棒性
专知会员服务
25+阅读 · 2020年4月7日
相关资讯
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
深度学习之图像超分辨重建技术
机器学习研究会
12+阅读 · 2018年3月24日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月18日
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
A Comprehensive Survey on Transfer Learning
Arxiv
121+阅读 · 2019年11月7日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
微信扫码咨询专知VIP会员