基于矩阵的关联成像目标重构方法研究

《基于矩阵的关联成像目标重构方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP391.4单位代码：10183研究生学号：2015512026密级：公开研基于矩阵的关联成像目吉林大学标重构硕士学位论文方法研（学术学位）究基于矩阵的关联成像目标重构方法研究Researchonobjectreconstitutionmethodofghostimagingbasedonmatrix羊作者姓名：羊超超专业：电路与系统研究方向：关联成像目标重构指导教师：郜峰利教授培养单位：电子科学与工程学院吉林2018年6月大学—————————————————————基于矩阵的关联成像目标重构方法研究———

2、——————————————————Researchonobjectreconstitutionmethodofghostimagingbasedonmatrix作者姓名：羊超专业名称：电路与系统指导教师：郜峰利教授学位类别：工学硕士答辩日期：2018年5月25日未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕士学位论文原

3、创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院：本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容，愿意将本人的学位论文委托研究生院向中国学术期刊（光盘版）电子杂志社的《中国优秀博硕士学位论文全

4、文数据库》投稿，希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《中国博硕士学位论文评价数据库》和CNKI系列数据库中使用，同意按章程规定享受相关权益。论文级别：□√硕士□博士学科专业：电路与系统论文题目：基于矩阵的关联成像目标重构方法研究作者签名：指导教师签名：年月日作者联系地址（邮编）：吉林省长春市前进大街2699号吉林大学前卫校区电子科学与工程学院（130012）作者联系电话：15764368931摘要摘要基于矩阵的关联成像目标重构方法研究关联成像，亦称鬼成像，作为成像领域的后起之秀，具有广阔的应用前景

5、与发展潜力。在二十余年的研究中，关联成像因其价值得到了广泛关注，并得到深入的发展。关联成像理论得到讨论，其相关领域的应用也逐渐被提出。研究表明，关联成像在多个领域具有明显的优势和价值，对技术进步，社会发展有着促进作用。关联成像利用光场高阶关联信息重构目标，重构算法是关联成像的核心内容。传统关联成像算法，难以在有限测量次数中，得到目标的清晰重构，这是制约关联成像走向应用的主要因素之一。基于矩阵的关联成像方法，为解决关联成像重构质量问题提供了良好的思路，通过分析由散斑场产生的初始特征矩阵，并对其进行修正，从而找到提高重构质

6、量的路径。实验结果表明，这一类方法重构效果提升明显，值得进一步研究。伪逆关联成像（Pseudo-inverseinGhostImaging：PGI）是一种基于矩阵的关联成像方法。我们在传统关联成像重构公式的基础上，进而分析了其矩阵形式表达。从矩阵重构公式中提取出特征矩阵，分析其对实验结果产生的影响。特征矩阵越接近于标量阵，我们就能够得到更加贴近原始目标的重构结果。PGI将伪逆引入特征矩阵，对重构结果产生了良好的作用。我们在深入学习PGI的基础上，进一步分析特征矩阵，提出了标量矩阵构建关联成像方法（Scalar-matr

7、ix-structuredGhostImaging：SMGI）。该方法通过对特征矩阵进行修正，使其向标量矩阵靠近，并充分考虑了散斑尺寸对实际实验的影响。实验结果表明，SMGI方法相比较于传统关联成像方法，差分关联成像方法，在同样测量次数下，具有更好的视觉效果与更高的峰值信噪比（PeakSignaltoNoiseRatio：PSNR）。并且，在面对双臂纵向误差存在时，该方法依旧表现良好。为进一步优化SMGI方法，我们将阈值引入实际计算中，扩展了SMGI方法，并将其称为基于阈值的标量矩阵构建关联成像方法（Scalar-ma

8、trix-structuredGhostImagingbasedonathreshold：SMGI-T）。通过设定阈值，对实验获取的数I摘要据进行筛选，选择出对重构最有效的一部分散斑场，在保证重构效果的情况下，减少实际参与重构的数据量，以便减少计算时间的需求。实验证明SMGI-T方法流程简洁，可操作性较强，同时能够得到良好的重构效