近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统.
在实际SAIR应用中,受阵列天线规模与系统复杂度的限制,需用较少数目的阵元天线对目标实现高精度的成像探测:即用少量的可见度采样点重构出高精度的毫米波图像,这是一种典型的稀疏采样重构问题.关于稀疏采样重构问题,2006年Donoho[9 ] 提出压缩感知(Compressed Sensing,CS)理论:对于可稀疏表征的原信号,可用少量的稀疏采样值对其进行高精度的信号恢复.目前CS理论已在信号处理、医学、军事等重要领域得到了很好的应用.借助CS,可以对稀疏采样的SAIR系统进行准确的图像反演,在重构效果和时间上均较传统信号重构方法有较大的提升.目前,借助CS理论进行SAIR成像反演时,普遍采用的成像模型[10 ] 为V =GT ,其中V 为可见度函数(观测值),G 为系统成像观测阵,T 为目标亮温图像(列向量形式).在V =GT 反演成像过程中,二维图像需要转化为一维列向量T ,不利于在反演过程中有效地利用图像的二维信息,限制了重构图像的分辨率和精度;且在反演图像维数较大的情况下,观测阵G 会因维数过大,严重影响算法的反演速率,图像重构过程中耗费时间过长,不利于高分辨率图像的快速反演.
针对传统CS成像反演算法的不足,本文提出基于二维SAIR成像模型的CS⁃L0反演法;该算法成像模型为V= D 1 T D 2 ,其中图像T 无需转换为向量形式,可充分利用图像原始二维信息进行高精度反演,且模型中观测阵(D )维度大大降低,解决了传统CS成像模型中出现的问题.CS⁃L0反演法结合SL0(Smooth l 0 Norm)算法的思想,对反演成像模型采用基于l 0 范数最优化数值求解,可以更快速准确地重建目标图像.和传统CS反演法相比,计算量小、运行效率高、重构精确度高.模拟仿真结果表明,相同大小的采样矩阵下,CS⁃L0反演法得到的图像效果优于传统的CS反演法,有更高的重构精度和反演速度.
1 基于CS的综合孔径近场成像算法
1.1 基于CS的近场SAIR反演算法
首先对近场SAIR成像原理进行简要的分析.如图1 所示,辐射源I (x ,y ,R )位于oxy 上,天线(c 和l )位于在OXY 上.
图1
图1
综合孔径成像模型
Fig.1
Synthetic aperture imaging model
辐射源I 分散为i 个小部件,辐射源Ii 与天线之间的距离为Ri c 和Ri l ,其中(Xc ,Yc ,0)和(Xl ,Yl ,0)为辐射计天线(c 和l )的空间位置坐标,天线对(c 和l )的可见度函数是[11 ] :
V c , l = E c ( R i c , t ) ∙ E l * ( R i l , t ) = ∑ i = 0 N T ( x i , y i ) F c ( x i , y i ) F l * ( x i , y i ) r c , l e - j k ( R i c - R i l ) (1)
其中,E# (·)为阵元天线所接收到的场景辐射信号,为时间积分的符号,(xi ,yi )为第i 个点辐射源的坐标,F# (·)为天线的归一化天线方向图,T (xi ,yi )为归一化亮温图,k =2π/λ ,指数部分的波程差ΔR =Ri c -Ri l .依据图1 的几何关系图,可得出距离Ri c 和Ri l 的准确表达式为:
R i c = x i - X c 2 + y i 2 + R 2 ≈ R + x i - X c 2 + y i - Y c 2 / 2 R (2)
R i l ≈ R + x i - X l 2 + y i - Y l 2 / 2 R (3)
V c , l = ∑ i = 0 N T x i , y i F c x i - X c , y i - Y c F l * x i - X l , y i - Y l • e j π 2 x i X c - X l + 2 y i Y c - Y l + X l 2 + Y l 2 - X c 2 - Y c 2 / 2 R λ (4)
V M × 1 = G M × N ∙ T N × 1 (5)
式(5)即为一维SAIR成像反演模型.其中,T 为原图像的一维列向量表述(N =n ×n ,n ×n 为原图维度),G 为系统观测阵(M ≪N ),V 为可见度函数.传统的CS反演算法以式(5)为基础,对图像T 的稀疏域进行重构,进而变换求出原图像,其常用重构模型为[10 ] :
m i n T s l 1 s u b j e c t t o V = G Ψ - 1 T s (6)
式(6)中,Ψ 为稀疏基,用于对原图像进行稀疏变化;Ts =Ψ -1 T 为T 在稀疏域下的稀疏表征;Ψ -1 为Ψ 的逆矩阵.借助相关优化算法求得Ts 后,再由T=ΨTs 即得到目标原图像T .
在上述传统CS反演模型中,二维图像需转化为一维列向量,不能充分利用二维图像本身所具有的信息,导致重构图像精度有所降低;而且传统CS反演模型中观测阵G 的维数通常非常大,需要占用很大的运行内存,使得算法运行时间大大增加,限制了SAIR的应用范围.
1.2 基于CS的快速近场SAIR反演算法
为克服上述传统CS反演模型的限制,本文提出一种基于二维SAIR成像模型的CS⁃L0反演法.对于具有类“T ”形阵列分布的SAIR,其可见度函数满足矩形分布,依据式(1)可将其成像反演模型改写为:
V c × l = D 1 ( c × n ) ∙ T n × n ∙ D 2 ( n × l ) (7)
式(7)即为二维SAIR成像模型,其中,V 为c ×l 维的可见度矩阵(c <n ,l <n ),T 为n ×n 维的待反演原图像.为适应二维图像的快速反演,该成像模型的系统观测阵采用分离的D 1 和D 2 ,D 1 和D 2 观测阵为行满秩矩阵和列满秩矩阵与小波稀疏阵满足RIP条件.对于“T ”形阵列分布的SAIR,天线(c 和l )的坐标则为(Xc ,Yc =0,0)和(Xl = 0,Yl ,0),故观测阵D 1 和D 2 的具体体元素可表示为:
d 1 ( c , n ) = f x n - X c f x n ∙ e j π 2 x n X c - X c 2 / R λ (8)
d 2 ( n , l ) = f y n f y n - Y l ∙ e j π Y l 2 - 2 y n Y l / R λ (9)
为了对二维SAIR成像模型进行快速反演求解,本文提出的CS⁃L0反演法结合CS稀疏重构和SL0快速反演的思想,采用基于l 0 范数的最优化求解算法对原始图像的稀疏表征进行快速求解,最后逆变换出目标图像.与Chen and Li[10 ] 的传统CS反演法求解l 1 范数不同,基于l 0 范数求解的SL0算法速度更快、计算量更小,可借助最速下降法和梯度投影法等有效降低算法运算量[12 ,13 ,14 ] ,提高了反演速度.根据二维SAIR成像模型V =D 1 TD 2 ,CS⁃L0反演法的稀疏优化模型为:
m i n θ l 0 s . t V = D 1 w θ D 2 w (10)
其中,θ =W -1 TW ,θ 表示图像T 在小波稀疏域下的稀疏信号,W 表示n ×n 维的小波正交稀疏阵,W - 1 表示其逆矩阵,D 1 w 和D 2 w 分别为经过小波域变换的观测阵,D 1 w =D 1 ·W ,D 2 w =W -1 ·D 2 .由式(10)将式(7)转化为求解最优化问题l 0 范数的解.
利用CS⁃L0反演法来求解式(10)中V =D 1 w W -1 TW D 2 w 目标图像T 的大致流程:
(1)求解m i n θ l 0 ,其中θ =[θi,j ,…,θn,n ],l 0 范数定义为求θ 内部非零元素的个数,则有:
v ( θ i , j ) = 1 , θ i , j ≠ 0 0 , θ i , j = 0 (11)
θ l 0 = ∑ i = 1 , j = 1 n v θ i , j (12)
(2)由于v (·)为不连续函数,对于式(10)的组合优化问题,可引入连续可导的函数来逼近θ 的l 0 范数,则连续函数的最优解就是θ 的l 0 范数最小量.本文选取标准高斯函数作为平滑连续函数来近似逼近l 0 范数[15 ,16 ] ,然后对该标准高斯函数的最优化问题进行求解,采用的标准高斯函数为:
f σ θ i , j = e - θ i , j 2 2 σ 2 (13)
l i m σ → 0 f σ ( θ i , j ) = 1 , i f θ i , j = 0 0 , i f θ i , j ≠ 0 (14)
f σ ( θ i , j ) = 1 , i f θ i , j ≪ σ 0 , i f θ i , j ≫ σ (15)
F σ θ i , j = ∑ i = 1 , j = 1 n f σ θ i , j (16)
由式(13)和式(14)可以得出,在σ 的值较小时:
θ l 0 ≈ N - F σ θ i , j (17)
(3)当σ →0时,式(17)近似相等,则可知对于参数σ 值非常小时,通过最大化F σ θ i , j ,找到最小化l 0 范数的解[16 ] ,然后利用小波逆变换
由上算法流程描述,可知CS⁃L0反演法结合SL0算法求解l 0 范数的优势,可以快速准确地求解出目标函数,充分发挥二维SAIR成像模型的优势.
2 实验仿真和结果
为了对本文所提出算法的有效性进行验证,以图2 所示的128×128维度的目标场景图为例,进行SAIR成像仿真的对比实验.仿真平台为个人计算机,其CPU为Inter(R)Core(TM) i5双核主频2.6 GHz,内存4 G,操作系统Win8.1,仿真软件为Matlab2017a.
图2
图2
目标场景图(airplane)
Fig.2
Target scenario diagram (airplane)
在仿真过程中,为了模拟真实的毫米波综合孔径成像过程,采用电磁计算的方式进行模拟计算,得出目标场景的可见度函数:首先选取目标场景各像素点的灰度值作为其毫米波辐射强度,模拟出各离散点目标的毫米波辐射,然后通过有限元积分的方式计算出各阵元天线接收的毫米波辐射,进而通过阵元间的复相关运算得出目标场景的可见度函数.仿真实验中的主要参数设置如表1 所示.
为进行对比分析,仿真实验分别采用CS⁃L0反演法和传统CS反演法对稀疏采样的SAIR进行图像重构,其稀疏采样的可见度函数维数依次为50×50~90×90,相应的仿真结果如图3 和图4 所示.可以看出:随着采样矩阵规模的增大,两种算法反演得到的图像质量均得到了明显提升;基于CS⁃L0反演法得出图像在机翼和机头信息上较传统CS反演法有所提升,图像细节信息更加完整.这是由于CS⁃L0反演法借助了二维SAIR成像模型,能够更加充分地利用图像二维信息进行反演成像,故在图像细节方面能够更好地恢复原始图像信息.
图3
图3
传统CS反演法的反演结果
Fig.3
Inversion results of traditional CS inversion method
(a) 50×50 sampling matrix,(b) 60×60 sampling matrix,
(c) 70×70 sampling matrix,(d) 80×80 sampling matrix,
(e) 90×90 sampling matrix
图4
图4
CS⁃L0反演法的反演结果
Fig.4
Inversion results of CS⁃L0 inversion method
(a) 50×50 sampling matrix,(b) 60×60 sampling matrix,
(c) 70×70 sampling matrix,(d) 80×80 sampling matrix,
(e) 90×90 sampling matrix
为了对反演结果进行客观的对比分析,对图3 和图4 所示反演图像的均方根误差RMSE 和PSNR 的计算公式如式(18)和式(19)所示:
R M S E ( T e , T o ) = ∑ i T e x i , y i - T o x i , y i 2 ∑ i T o x i , y i 2 (18)
P S N R = 10 × l g M A X T o 2 ∑ 0 < i < M , 0 < j < N T e x i , y i - T o x i , y i 2 / M × N (19)
其中,Te 表示反演图像,To 表示原始图像,MAX(To )为原始图像中的最大值.反演图像的均方根误差RMSE 和峰值信噪比PSNR 相应计算结果如图5 所示.
图5
图5
CS⁃L0和CS算法的RMSE (a)和PSNR (b)的对比
Fig.5
RMSE (a) and PSNR (b) of CS⁃L0 and CS
从图5 a和图5 b可以看出,随着可见度函数(取样矩阵)维度的增加,两种反演算法的RMSE 均有所下降,而两种反演算法得出图像
和峰值信噪比PSNR 进行了计算,RMSE 和的PSNR 值却在不断提升.在同样规模的可见度函数下,基于CS⁃L0反演法恢复得到的图像误差均小于传统CS反演法,峰值信噪比PSNR 高于传统CS反演法,说明CS⁃L0反演法在重构图像精度方面较高.
此外,提出的CS⁃L0反演法在运算效率上具有较大的优势,与传统CS反演法的重构时间的对比如图6 所示.由于CS⁃L0运用了二维SAIR成像模型和l 0 范数的最速求解思想,使得成像反演速度得到较大的提升,算法占用计算机内存减小,反演速率得到提升,所以在图像重构时间方面较传统CS反演法得到了较大的改善.
图6
图6
CS⁃L0反演法和传统CS反演法的时间对比
Fig.6
Time consuming of CS⁃L0 and CS
通过上述实验仿真分析可以看出,提出的CS⁃L0算法在RMSE,PSNR 和重构时间方面均得到了较好的提升.这表明基于二维SAIR成像模型的CS⁃L0反演法可以对稀疏SAIR进行有效的图像反演,而且有更高的图像重构精度和更快的图像反演速率.
3 总 结
为提高SAIR的实用性,精确地从稀疏SAIR采样的可见度函数中快速重建出高分辨率的目标图像,本文借鉴CS的稀疏重构思想,在二维SAIR成像模型为基础下,提出一种高效的CS⁃L0成像反演法,可以快速精确地从少量可见度采样点中重构出目标场景的亮温图像.实验仿真证明,提出的CS⁃L0反演算法与传统的CS反演算法相比,成像精度更高,反演速度更快,能够对稀疏采样的SAIR进行快速准确的成像反演.
参考文献
View Option
[1]
邹冉 . 毫米波无源成像隐匿目标检测算法研究
硕士学位论文. 成都 :电子科技大学 ,2017 .
[本文引用: 1]
Zou R . Research on hidden targets passive millimeter detection algorithm of wave imaging
Master Dissertation. Chengdu :University of Electronic Science and Technology ,2017 .
[本文引用: 1]
[2]
徐枫 ,朱莉 ,刘敏 . 近程毫米波全息成像技术发展综述
微波学报 ,2017 ,33 (S1 ):289 -294 .
[本文引用: 1]
Xu F ,Ju L ,Liu M . Reviews of short range millimeter wave holographic imaging technology
Journal of Microwave ,2017 ,33 (S1 ):289 -294 .
[本文引用: 1]
[3]
张慧 . 微波毫米波阵列成像关键技术研究
博士学位论文. 南京 :东南大学 ,2016 .
[本文引用: 1]
Zhang H . Investigations on microwave and millimeter wave array imaging key technologies
Ph .D. Dissertation . Nanjing :Southeast University ,2016 .
[本文引用: 1]
[4]
王辉 ,赵凤军 ,邓云凯 . 毫米波合成孔径雷达的发展及其应用
红外与毫米波学报 ,2015 ,34 (4 ):452 -459 .
[本文引用: 1]
Wang H ,Zhao F J ,Deng Y K . Development and application of the millimeter wave SAR
Journal of Infrared and Millimeter Wave ,2015 ,34 (4 ):452 -459 .
[本文引用: 1]
[5]
张燕洪 . 毫米波主动成像在人体隐匿违禁物品检查中的应用
硕士学位论文. 南京 :南京理工大学 ,2015 .
[本文引用: 1]
Zhang Y H . Application of millimeter wave active imaging in detection of contraband objects in human body
Master Dissertation. Nanjing :Nanjing University of Science and Technology ,2015 .
[本文引用: 1]
[6]
Camps A ,Bara J ,Sanahuja I C ,et al . The processing of hexagonally sampled signals with standard rectangular techniques:application to 2⁃D large aperture synthesis interferometric radiometers
IEEE Transactions on Geoscience and Remote Sensing ,1997 ,35 (1 ):183 -190 .
[本文引用: 1]
[7]
何焦 . 亳米波综合孔径辐射计反演成像方法研究与实现
博士学位论文. 成都 :电子科技大学 ,2015 .
[本文引用: 1]
He J . Research and implementation of inversion imaging method in millimeter wave synthetic aperture radiometer
Ph .D. Dissertation . Chengdu :University of Electronic Science and Technology ,2015 .
[本文引用: 1]
[8]
Walsh K P ,Schulkin B ,Gary D ,et al . Terahertz near⁃field interferometric and synthetic aperture imaging∥Proceedings of SPIE 5411,Terahertz for Military and Security Applications II
Orlando,FL,USA :SPIE ,2004 :9 -17 .
[本文引用: 1]
[9]
Donoho D L . Compressed sensing
IEEE Transac⁃tions on Information Theory ,2006 ,52 (4 ):1289 -1306 .
[本文引用: 1]
[10]
Chen J F ,Li Y H . The CS⁃based imaging algorithm for near⁃field synthetic aperture imaging radiometer
IEICE Transactions on Electronics ,2014 ,97 (9 ):911 -914 .
[本文引用: 3]
[11]
Tanner A ,Lambrigsten B ,Gaier T ,et al . Near field characterization of the GeoSTAR demonstrator∥2006 IEEE International Sympo⁃sium on Geoscience and Remote Sensing
Denver,CO,USA :IEEE ,2006 :2529 -2532 .
[本文引用: 1]
[12]
齐焕芳 ,徐源浩 . 用于压缩感知信号重建的SL0 改进算法
电子科技 ,2015 ,28 (4 ):27 -30 .
[本文引用: 1]
Qi H F ,Xu Y H . Improved SL0 algorithm for compressive sensing signal reconstruction
Electronic Science and Technology ,2015 ,28 (4 ):27 -30 .
[本文引用: 1]
[13]
杨良龙 ,赵生妹 ,郑宝玉 等 . 基于SL0 压缩感知信号重建的改进算法
信号处理 ,2012 ,28 (6 ):834 -841 .
[本文引用: 1]
Yang L L ,Zhao S M ,Zheng B Y ,et al . The improved reconstruction algorithm for compressive sensing on SL0
Signal Processing ,2012 ,28 (6 ):834 -841 .
[本文引用: 1]
[14]
邵询 . 基于压缩感知理论的雷达成像方法研究
博士学位论文. 南京 :南京理工大学 ,2018 .
[本文引用: 1]
Shao Xun . Research on Radar Imaging method based on Compression Perceptual Theory
Ph .D. Disser⁃tation . Nanjing :Nanjing University of Science and Technology ,2018 .
[本文引用: 1]
[15]
冯俊杰 ,王永会 . 平滑L 0范数稀疏信号重构ISAR成像算法
电脑知识与技术 ,2018 ,14 (34 ):170 -171 .
[本文引用: 1]
Feng J J ,Wang Y H . Smooth L 0 norm sparse signal recovery ISAR imaging algorithm
Computer knowledge and Technology ,2018 ,14 (34 ):170 -171 .
[本文引用: 1]
[16]
刘孟琪 . 基于平滑L 0范数的稀疏分解算法的改进
硕士学位论文. 大连 :大连海事大学 ,2018 .
[本文引用: 2]
Liu Mengqi . An improved sparse decomposition algorithm based on smooth L 0 norm
Master Dissertation. Dalian :Dalian Maritime University ,2018 .
[本文引用: 2]
毫米波无源成像隐匿目标检测算法研究
1
2017
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
毫米波无源成像隐匿目标检测算法研究
1
2017
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
近程毫米波全息成像技术发展综述
1
2017
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
近程毫米波全息成像技术发展综述
1
2017
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
微波毫米波阵列成像关键技术研究
1
2016
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
微波毫米波阵列成像关键技术研究
1
2016
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
毫米波合成孔径雷达的发展及其应用
1
2015
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
毫米波合成孔径雷达的发展及其应用
1
2015
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
毫米波主动成像在人体隐匿违禁物品检查中的应用
1
2015
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
毫米波主动成像在人体隐匿违禁物品检查中的应用
1
2015
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
The processing of hexagonally sampled signals with standard rectangular techniques:application to 2?D large aperture synthesis interferometric radiometers
1
1997
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
亳米波综合孔径辐射计反演成像方法研究与实现
1
2015
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
亳米波综合孔径辐射计反演成像方法研究与实现
1
2015
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
Terahertz near?field interferometric and synthetic aperture imaging∥Proceedings of SPIE 5411,Terahertz for Military and Security Applications II
1
2004
... 近年来毫米波成像技术受到众多的研究和关注.毫米波波长介于微波和可见光之间,在天线口径一定的情况下,毫米波系统分辨率更高,且毫米波的穿透性较强,对除金属以外的衣物、木质材料有一定的穿透能力,可对人体隐匿金属物体进行探测[1 ,2 ,3 ,4 ,5 ] ,在安检、军事、医疗等重要领域有着巨大的实用价值.其中毫米波综合孔径成像辐射计(Synthetic Aperture Imaging Radiometer,SAIR)是由小口径天线阵列构成的大口径合成天线的毫米波高灵敏测量计,利用小口径天线对的相关运算实现大口径,每个复相关都是可见度函数(观测值)的一个观测样本[6 ] .SAIR能够有效地解决天线口径与分辨率的矛盾,对目标场景的毫米波辐射进行测量,通过阵元天线的复相关运算获得目标可见度函数,进而反演出目标场景的亮温分布图像[7 ] .依据可见度函数与目标亮温图像之间的关系,可采用傅里叶反演法直接对可见度函数进行变换即可恢复出目标图像[8 ] .但傅里叶反演法的重构精度较低,且需要完整天线阵列进行可见度采样,只适于理想的SAIR成像系统. ...
Compressed sensing
1
2006
... 在实际SAIR应用中,受阵列天线规模与系统复杂度的限制,需用较少数目的阵元天线对目标实现高精度的成像探测:即用少量的可见度采样点重构出高精度的毫米波图像,这是一种典型的稀疏采样重构问题.关于稀疏采样重构问题,2006年Donoho[9 ] 提出压缩感知(Compressed Sensing,CS)理论:对于可稀疏表征的原信号,可用少量的稀疏采样值对其进行高精度的信号恢复.目前CS理论已在信号处理、医学、军事等重要领域得到了很好的应用.借助CS,可以对稀疏采样的SAIR系统进行准确的图像反演,在重构效果和时间上均较传统信号重构方法有较大的提升.目前,借助CS理论进行SAIR成像反演时,普遍采用的成像模型[10 ] 为V =GT ,其中V 为可见度函数(观测值),G 为系统成像观测阵,T 为目标亮温图像(列向量形式).在V =GT 反演成像过程中,二维图像需要转化为一维列向量T ,不利于在反演过程中有效地利用图像的二维信息,限制了重构图像的分辨率和精度;且在反演图像维数较大的情况下,观测阵G 会因维数过大,严重影响算法的反演速率,图像重构过程中耗费时间过长,不利于高分辨率图像的快速反演. ...
The CS?based imaging algorithm for near?field synthetic aperture imaging radiometer
3
2014
... 在实际SAIR应用中,受阵列天线规模与系统复杂度的限制,需用较少数目的阵元天线对目标实现高精度的成像探测:即用少量的可见度采样点重构出高精度的毫米波图像,这是一种典型的稀疏采样重构问题.关于稀疏采样重构问题,2006年Donoho[9 ] 提出压缩感知(Compressed Sensing,CS)理论:对于可稀疏表征的原信号,可用少量的稀疏采样值对其进行高精度的信号恢复.目前CS理论已在信号处理、医学、军事等重要领域得到了很好的应用.借助CS,可以对稀疏采样的SAIR系统进行准确的图像反演,在重构效果和时间上均较传统信号重构方法有较大的提升.目前,借助CS理论进行SAIR成像反演时,普遍采用的成像模型[10 ] 为V =GT ,其中V 为可见度函数(观测值),G 为系统成像观测阵,T 为目标亮温图像(列向量形式).在V =GT 反演成像过程中,二维图像需要转化为一维列向量T ,不利于在反演过程中有效地利用图像的二维信息,限制了重构图像的分辨率和精度;且在反演图像维数较大的情况下,观测阵G 会因维数过大,严重影响算法的反演速率,图像重构过程中耗费时间过长,不利于高分辨率图像的快速反演. ...
... 式(5)即为一维SAIR成像反演模型.其中,T 为原图像的一维列向量表述(N =n ×n ,n ×n 为原图维度),G 为系统观测阵(M ≪N ),V 为可见度函数.传统的CS反演算法以式(5)为基础,对图像T 的稀疏域进行重构,进而变换求出原图像,其常用重构模型为[10 ] : ...
... 为了对二维SAIR成像模型进行快速反演求解,本文提出的CS⁃L0反演法结合CS稀疏重构和SL0快速反演的思想,采用基于l 0 范数的最优化求解算法对原始图像的稀疏表征进行快速求解,最后逆变换出目标图像.与Chen and Li[10 ] 的传统CS反演法求解l 1 范数不同,基于l 0 范数求解的SL0算法速度更快、计算量更小,可借助最速下降法和梯度投影法等有效降低算法运算量[12 ,13 ,14 ] ,提高了反演速度.根据二维SAIR成像模型V =D 1 TD 2 ,CS⁃L0反演法的稀疏优化模型为: ...
Near field characterization of the GeoSTAR demonstrator∥2006 IEEE International Sympo?sium on Geoscience and Remote Sensing
1
2006
... 辐射源I 分散为i 个小部件,辐射源Ii 与天线之间的距离为Ri c 和Ri l ,其中(Xc ,Yc ,0)和(Xl ,Yl ,0)为辐射计天线(c 和l )的空间位置坐标,天线对(c 和l )的可见度函数是[11 ] : ...
用于压缩感知信号重建的SL0 改进算法
1
2015
... 为了对二维SAIR成像模型进行快速反演求解,本文提出的CS⁃L0反演法结合CS稀疏重构和SL0快速反演的思想,采用基于l 0 范数的最优化求解算法对原始图像的稀疏表征进行快速求解,最后逆变换出目标图像.与Chen and Li[10 ] 的传统CS反演法求解l 1 范数不同,基于l 0 范数求解的SL0算法速度更快、计算量更小,可借助最速下降法和梯度投影法等有效降低算法运算量[12 ,13 ,14 ] ,提高了反演速度.根据二维SAIR成像模型V =D 1 TD 2 ,CS⁃L0反演法的稀疏优化模型为: ...
用于压缩感知信号重建的SL0 改进算法
1
2015
... 为了对二维SAIR成像模型进行快速反演求解,本文提出的CS⁃L0反演法结合CS稀疏重构和SL0快速反演的思想,采用基于l 0 范数的最优化求解算法对原始图像的稀疏表征进行快速求解,最后逆变换出目标图像.与Chen and Li[10 ] 的传统CS反演法求解l 1 范数不同,基于l 0 范数求解的SL0算法速度更快、计算量更小,可借助最速下降法和梯度投影法等有效降低算法运算量[12 ,13 ,14 ] ,提高了反演速度.根据二维SAIR成像模型V =D 1 TD 2 ,CS⁃L0反演法的稀疏优化模型为: ...
基于SL0 压缩感知信号重建的改进算法
1
2012
... 为了对二维SAIR成像模型进行快速反演求解,本文提出的CS⁃L0反演法结合CS稀疏重构和SL0快速反演的思想,采用基于l 0 范数的最优化求解算法对原始图像的稀疏表征进行快速求解,最后逆变换出目标图像.与Chen and Li[10 ] 的传统CS反演法求解l 1 范数不同,基于l 0 范数求解的SL0算法速度更快、计算量更小,可借助最速下降法和梯度投影法等有效降低算法运算量[12 ,13 ,14 ] ,提高了反演速度.根据二维SAIR成像模型V =D 1 TD 2 ,CS⁃L0反演法的稀疏优化模型为: ...
基于SL0 压缩感知信号重建的改进算法
1
2012
... 为了对二维SAIR成像模型进行快速反演求解,本文提出的CS⁃L0反演法结合CS稀疏重构和SL0快速反演的思想,采用基于l 0 范数的最优化求解算法对原始图像的稀疏表征进行快速求解,最后逆变换出目标图像.与Chen and Li[10 ] 的传统CS反演法求解l 1 范数不同,基于l 0 范数求解的SL0算法速度更快、计算量更小,可借助最速下降法和梯度投影法等有效降低算法运算量[12 ,13 ,14 ] ,提高了反演速度.根据二维SAIR成像模型V =D 1 TD 2 ,CS⁃L0反演法的稀疏优化模型为: ...
基于压缩感知理论的雷达成像方法研究
1
2018
... 为了对二维SAIR成像模型进行快速反演求解,本文提出的CS⁃L0反演法结合CS稀疏重构和SL0快速反演的思想,采用基于l 0 范数的最优化求解算法对原始图像的稀疏表征进行快速求解,最后逆变换出目标图像.与Chen and Li[10 ] 的传统CS反演法求解l 1 范数不同,基于l 0 范数求解的SL0算法速度更快、计算量更小,可借助最速下降法和梯度投影法等有效降低算法运算量[12 ,13 ,14 ] ,提高了反演速度.根据二维SAIR成像模型V =D 1 TD 2 ,CS⁃L0反演法的稀疏优化模型为: ...
基于压缩感知理论的雷达成像方法研究
1
2018
... 为了对二维SAIR成像模型进行快速反演求解,本文提出的CS⁃L0反演法结合CS稀疏重构和SL0快速反演的思想,采用基于l 0 范数的最优化求解算法对原始图像的稀疏表征进行快速求解,最后逆变换出目标图像.与Chen and Li[10 ] 的传统CS反演法求解l 1 范数不同,基于l 0 范数求解的SL0算法速度更快、计算量更小,可借助最速下降法和梯度投影法等有效降低算法运算量[12 ,13 ,14 ] ,提高了反演速度.根据二维SAIR成像模型V =D 1 TD 2 ,CS⁃L0反演法的稀疏优化模型为: ...
平滑L 0范数稀疏信号重构ISAR成像算法
1
2018
... (2)由于v (·)为不连续函数,对于式(10)的组合优化问题,可引入连续可导的函数来逼近θ 的l 0 范数,则连续函数的最优解就是θ 的l 0 范数最小量.本文选取标准高斯函数作为平滑连续函数来近似逼近l 0 范数[15 ,16 ] ,然后对该标准高斯函数的最优化问题进行求解,采用的标准高斯函数为: ...
平滑L 0范数稀疏信号重构ISAR成像算法
1
2018
... (2)由于v (·)为不连续函数,对于式(10)的组合优化问题,可引入连续可导的函数来逼近θ 的l 0 范数,则连续函数的最优解就是θ 的l 0 范数最小量.本文选取标准高斯函数作为平滑连续函数来近似逼近l 0 范数[15 ,16 ] ,然后对该标准高斯函数的最优化问题进行求解,采用的标准高斯函数为: ...
基于平滑L 0范数的稀疏分解算法的改进
2
2018
... (2)由于v (·)为不连续函数,对于式(10)的组合优化问题,可引入连续可导的函数来逼近θ 的l 0 范数,则连续函数的最优解就是θ 的l 0 范数最小量.本文选取标准高斯函数作为平滑连续函数来近似逼近l 0 范数[15 ,16 ] ,然后对该标准高斯函数的最优化问题进行求解,采用的标准高斯函数为: ...
... (3)当σ →0时,式(17)近似相等,则可知对于参数σ 值非常小时,通过最大化F σ θ i , j ,找到最小化l 0 范数的解[16 ] ,然后利用小波逆变换 ...
基于平滑L 0范数的稀疏分解算法的改进
2
2018
... (2)由于v (·)为不连续函数,对于式(10)的组合优化问题,可引入连续可导的函数来逼近θ 的l 0 范数,则连续函数的最优解就是θ 的l 0 范数最小量.本文选取标准高斯函数作为平滑连续函数来近似逼近l 0 范数[15 ,16 ] ,然后对该标准高斯函数的最优化问题进行求解,采用的标准高斯函数为: ...
... (3)当σ →0时,式(17)近似相等,则可知对于参数σ 值非常小时,通过最大化F σ θ i , j ,找到最小化l 0 范数的解[16 ] ,然后利用小波逆变换 ...