计算层析成像光谱既有传统成像光谱仪获取目标二维空间和一维光谱“图谱合一”的能力, 还具有高通量测量和免扫描特性, 在光谱成像领域拥有广泛应用场景并得到大量研究。 根据中心切片定理, 计算层析成像光谱仪性能主要受焦平面阵列探测器(FPA)和二维色散元件的性能制约, 以往研究主要在改进二维色散元件设计以增加衍射级次和投影角度以提高精确重建光谱所需的采样量。 从FPA二维色散投影测量入手, 提出并行压缩感知理论和计算层析成像光谱结合的方法, 构建并行压缩感知计算层析成像光谱模型, 利用低分辨FPA实现更高分辨率的色散投影测量, 最终实现高于传统计算层析直接测量的性能水平。 该研究为验证该成像光谱模型的正确性与可行性, 先选用高光谱数据集对色散投影直接测量模型进行了三光谱立方体到二维色散投影和并行压缩感知测量模型重建的仿真实验, 在仿真结果正确的前提下使用连续谱激光器和反射式数字微镜进行了相应的光学系统实验, 完成了投影矩阵的逐点精确标定, 并提出提高标定效率的并行标定方法, 将标定时间降低到单点标定的四分之一。 结果显示并行压缩感知计算层析成像光谱可以获得更高的光谱重建质量, 能获得高于FPA自身性能的高分辨光谱投影并大幅提高光谱重建质量, 验证了所提并行压缩感知计算层析成像光谱的正确性与可行性。

现实图像的显著性纹理结构可为分块压缩感知算法提供先验信息, 优化算法。鉴于此, 提出了一种新的基于显著性的自适应分块压缩感知算法。算法所提显著性是以灰度空间相关矩阵和韦伯定律为基础, 采用确定性正交对称托普利兹矩阵对目标图像进行测量, 提出了均熵最小化自适应分块策略、角二阶矩最大化块向量生成方式以及合成特征依据下的自适应采样率设置, 并结合不同重构算法进行了分析和验证。实验表明, 所提算法策略在多项指标上较传统算法具有更好的表现, 易于硬件实现, 针对不同重构算法和测试图像具有普适性和稳定性。

针对基于压缩感知理论的红外图像重建问题,提出一种基于改进的分块压缩感知红外图像重建方法。该方法首先对原始红外图像进行分块,并对每个子块用相同的观测矩阵进行随机观测,获得少量的观测数据;然后利用谱图小波变换优异的稀疏特性,将其引入平滑投影Landweber算法进行迭代优化重建,同时采用混合中值滤波进行处理以增加图像的平滑度和减少块伪影,最后输出满足要求的高质量红外图像。实验结果表明,在相同采样率下,该方法对于不同类型红外图像的重建性能均优于目前广为采用的一些小波压缩感知方法,可获得更高质量的红外图像。

针对卫星云图数据量大, 但传输通道和存储空间相对狭小的问题, 本文提出了一种基于 Tetrolet变换的卫星云图分块压缩感知方法。该方法将 Tetrolet变换引入压缩感知的稀疏表示环节, 以刻画卫星云图细节丰富, 纹理复杂的特性, 而且将分块压缩感知与平滑投影 Landweber迭代方法结合用于云图重构, 以提高计算效率。同时, 为了进一步提高重构云图的质量, 本文对云图的稀疏表示提出了另一种改进方案, 首先对原始云图进行拉普拉斯金字塔分解, 将得到的低频分量和高频分量分别进行分块及采样, 并对低频及高频分量分别进行离散小波变换 (DWT)及 Tetrolet变换以实现稀疏表示, 此不仅可以发挥不同稀疏变换各自的优点, 而且充分利用了 Tetrolet变换在表示云图方向纹理和边缘等重要信息方面的优势。实验结果表明, 在相同采样率下, 本文方法的重构结果明显优于直接用 Tetrolet, DWT, Contourlet和 DCT变换对卫星云图进行稀疏表示的重构结果。