基于压缩感知的高分辨率红外成像理论和方法研究

High resolution remote sensing imaging yields image sensors with smaller pixel-pitch and more pixels. The resulting high data rate brings in considerable burden in terms of data storage and transmission. Compressed Sensing (CS) is a new sampling theory, which captures the non-adaptive linear projections of compressible signals at a rate significantly below the Nyquist rate. These signals are then reconstructed from these projections using an optimization process. Researching the method of remote sensing imaging based on CS provides a new technical approach for high resolution remote sensing imaging, which essentially enhance the performance of remote sensing imaging system..In this project, we study the method and key technologies of high resolution infrared imaging by implementing focal plane coding approach based on CS. The main research works are included as follows: 1, Sparse representation method of remote sensing images based on over-completed dictionary. 2, Optimization design of deterministic measurement matrices which satisfy the reconstructed condition.3, Method of high resolution infrared imaging based on focal plane coding.4, the experimental validation of infrared compressive imaging. Through the above designs, the purpose of the project is that enriching and developing the CS theory and proposing a new infrared compressive imaging method, which pave the way for its further application on remote sensing compressive imaging.

高分辨率遥感成像要求探测器具备更小的像素尺寸和更多的像素数，同时产生的高数据率给数据存储和传输系统带来巨大的压力。压缩感知提出一种新的采样理论，以远低于奈奎斯特采样速率采集信号的非自适应线性投影(测量值)，然后通过求解优化问题，精确重构原始信号。基于压缩感知的遥感成像方法研究可为高分辨遥感成像提供一种新的技术途径，从本质上提升现有遥感成像系统性能。.本课题基于压缩感知理论，采用焦平面编码的压缩采样方式，研究高分辨率红外成像方法及其关键技术。重点研究解决以下几个问题：1、基于冗余字典的遥感图像稀疏表示方法；2、满足可重构条件的确定性测量矩阵优化设计；3、焦平面编码的高分辨率红外成像方法；4、红外压缩成像实验验证。通过上述研究，丰富和发展压缩感知理论，提出一种新型的红外压缩成像方法，为压缩感知在遥感压缩成像上的应用打下坚实的理论与技术基础。

本课题以高分辨率遥感光学成像系统为研究对象，对压缩感知进行基础理论和应用方法研究。目的是在现有理论基础上，研究适合红外遥感图像的稀疏表示方法，遥感视频图像的稀疏重构模型和算法，以及硬件上易于实现的确定性测量矩阵，针对红外成像进行适应性改造与创新，应用到红外图像的采集和处理系统中，实现高分辨率红外成像技术。通过实验验证理论研究成果在高分辨率红外成像系统的适用性，同时为其他压缩成像系统的研制提供一种新的技术途径。. 压缩感知理论研究方面，课题组全面掌握了压缩感知理论体系，并在遥感视频压缩成像方面取得了突破，进一步完善和发展了压缩感知理论。. 遥感视频成像系统建模方面，在光学成像系统建模的基础上，提出了压缩感知的遥感成像框架，并建立了压缩感知遥感视频成像的测量模型。. 视频图像的稀疏表示方面，在广泛研究现有调和变换字典和多尺度几何变换字典的基础上，提出了在线反馈稀疏表示框架，构造了一系列学习字典：全局PCA字典、ICA字典、PICA字典、分块PCA字典、残差学习字典、Householder字典等，并进行了数值仿真实验分析。. 视频图像的稀疏重构方面，提出了基于Bregman的遥感视频重构方法和基于子集变量更新的UWSV-SR算法；并根据视频图像帧间相关性强的特点，将分布式模型引入压缩感知视频处理领域，建立了分布式压缩感知视频重构模型和算法，包括基于双向运动的残差分布式模型和算法，基于自适应采样的多假设预测残差重构模型和算法。最后对模型和算法进行了仿真分析。. 遥感视频测量方面，设计研究了三种不同的遥感视频压缩测量系统，分别是基于相位调制和半帧叠加的压缩测量系统，基于相关性估计的压缩测量系统和基于动态估计的压缩测量系统。. 压缩感知遥感视频成像实验方面，研究了基于压缩感知的CMOS压缩成像方法，设计了CMOS压缩采样的硬件电路实现方式，并进行了基于电路压缩测量的压缩感知遥感线阵成像实验。. 课题组在压缩感知遥感视频成像方面的研究既丰富和发展压缩感知这一新兴理论，又探索其在实际成像系统中的应用，具有理论基础研究和应用方法研究的双重科学意义。