压缩感知成像

❶ 中国科学家实现远距离非视域成像，隔墙观物实现了么

非目光（NLOS）成像，您可以拍摄隐藏在视线外隐藏的物体图片，实现“墙壁对象”，可以恢复来自多个分散的间接灯的隐藏场景的细节。这项技术预计将在医学，机器人，制造和科学成像领域进行大展览。尽管已经进行了一系列进展，但非视域成像技术仍然保持在短程验证阶段——直接线成像，通常限制为几米。

向长距离延伸非视野成像的主要障碍是信号强度，背景噪声和光学发散。由于三个反射和长期对抗，长途无视（NLOS）成像的衰减是巨大的。此外，弱反射反射信号与环境光混合，导致信噪比（SNR）的差。太阳产生环境噪音，近场气氛的后散射也产生高噪音。与LOS成像相比，非LOS成像更难以忍受低信噪比。另外，混合了由时间和空间信息引起的多次反射，使成像算法成为研究问题。

❷ 基于压缩感知的激光三维成像距离分辨率怎么算

当已知被摄物体的大小及该物体到镜头距离，则可根据下两式估算所选取配镜头的焦距：f=hD/Hf=vD/V式中，D为镜头中心到被摄物体的距离；H和V分别为被摄物体的水平尺寸和垂直尺寸；v为靶面成像的高度；h为靶面成像的水平宽度。成像场景的大小与

❸ 压缩感知到底能不能提高地震信号分辨率

基于压缩感知的地震反问题方法及在勘探地球 物理...3.5 基于叠前数据的提高分辨率处理 论文中给出了...求解;能理论推导该方法能严格保持不 连续信号的...

❹ 压缩感知的历史背景

尽管压缩感知是由 E. J. Candes、J. Romberg、T. Tao 和D. L. Donoho 等科学家于2004 年提出的。但是早在上个世纪，相关领域已经有相当的理论和应用铺垫，包括图像处理、地球物理、医学成像、计算机科学、信号处理、应用数学等。
可能第一个与稀疏信号恢复有关的算法由法国数学家Prony 提出。这个被称为的Prony 方法的稀疏信号恢复方法可以通过解一个特征值问题，从一小部分等间隔采样的样本中估计一个稀疏三角多项式的非零幅度和对应的频率。而最早采用基于L1范数最小化的稀疏约束的人是B. Logan。他发现在数据足够稀疏的情况下，通过L1范数最小化可以从欠采样样本中有效的恢复频率稀疏信号。D. Donoho和B.Logan 是信号处理领域采用L1范数最小化稀疏约束的先驱。但是地球物理学家早在20 世纪七八十年代就开始利用L1范数最小化来分析地震反射信号了。上世纪90 年代，核磁共振谱处理方面提出采用稀疏重建方法从欠采样非等间隔样本中恢复稀疏Fourier 谱。同一时期，图像处理方面也开始引入稀疏信号处理方法进行图像处理。在统计学方面，使用L1范数的模型选择问题和相关的方法也在同期开始展开。
压缩感知理论在上述理论的基础上，创造性的将L1范数最小化稀疏约束与随机矩阵结合，得到一个稀疏信号重建性能的最佳结果。
压缩感知基于信号的可压缩性, 通过低维空间、低分辨率、欠Nyquist采样数据的非相关观测来实现高维信号的感知，丰富了关于信号恢复的优化策略,极大的促进了数学理论和工程应用的结合 。它是传统信息论的一个延伸，但是又超越了传统的压缩理论，成为了一门崭新的子分支。它从诞生之日起到现在不过五年时间，其影响却已经席卷了大半个应用科学。

❺ 压缩感知是什么

压缩感知，又称压缩采样，压缩传感。它作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist 采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。压缩感知理论一经提出，就引起学术界和工业的界的广泛关注。他在信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、大气、地质等领域受到高度关注，并被美国科技评论评为2007年度十大科技进展。
压缩感知理论的核心思想主要包括两点。
第一个是信号的稀疏结构。传统的Shannon 信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。但是，现实生活中很多广受关注的信号本身具有一些结构特点。相对于带宽信息的自由度，这些结构特点是由信号的更小的一部分自由度所决定。换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。所以，在这种意义上，这种信号是稀疏信号（或者近似稀疏信号、可压缩信号）。
另外一点是不相关特性。稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压缩成较小的样本数据来完成。理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。这些波形要求是与信号所在的稀疏空间不相关的。压缩感知压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。这里恢复信号所需的优化算法常常是一个已知信号稀疏的欠定线性逆问题。

❻ 压缩感知的主要应用

认知无线电方向：宽带谱感知技术是认识无线电应用中一个难点和重点。它通过快速寻找监测频段中没有利用的无线频谱，从而为认知无线电用户提供频谱接入机会。传统的滤波器组的宽带检测需要大量的射频前端器件，并且不能灵活调整系统参数。普通的宽带接收电路要求很高的采样率，它给模数转换器带来挑战，并且获得的大量数据处理给数字信号处理器带来负担。针对宽带谱感知的难题，将压缩感知方法应用到宽带谱感知中：采用一个宽带数字电路，以较低的频谱获得欠采样的随机样本，然后在数字信号处理器中采用稀疏信号估计算法得到宽带谱感知结果。
信道编码：压缩传感理论中关于稀疏性、随机性和凸最优化的结论可以直接应用于设计快速误差校正编码, 这种编码方式在实时传输过程中不受误差的影响。在压缩编码过程中, 稀疏表示所需的基对于编码器可能是未知的. 然而在压缩传感编码过程中, 它只在译码和重构原信号时需要, 因此不需考虑它的结构, 所以可以用通用的编码策略进行编码. Haupt等通过实验表明如果图像是高度可压缩的或者SNR充分大, 即使测量过程存在噪声, 压缩传感方法仍可以准确重构图像。 波达方向估计：目标出现的角度在整个扫描空间来看，是极少数。波达方向估计问题在空间谱估计观点来看是一个欠定的线性逆问题。通过对角度个数的稀疏限制，可以完成压缩感知的波达方向估计。
波束形成：传统的 自适应波束形成因其高分辨率和抗干扰能力强等优点而被广泛采用。但同时它的高旁瓣水平和角度失匹配敏感度高问题将大大降低接收性能。为了改进Capon 波束形成的性能，这些通过稀疏波束图整形的方法限制波束图中阵列增益较大的元素个数，同时鼓励较大的阵列增益集中在波束主瓣中，从而达到降低旁瓣水平同时，提高主瓣中阵列增益水平，降低角度失匹配的影响。例如，最大主瓣旁瓣能量比，混合范数法，最小全变差。 运用压缩传感原理, RICE大学成功研制了单像素压缩数码照相机。 设计原理首先是通过光路系统将成像目标投影到一个数字微镜器件(DMD)上, 其反射光由透镜聚焦到单个光敏二极管上, 光敏二极管两端的电压值即为一个测量值y, 将此投影操作重复M次, 得到测量向量 , 然后用最小全变分算法构建的数字信号处理器重构原始图像。数字微镜器件由数字电压信号控制微镜片的机械运动以实现对入射光线的调整。 由于该相机直接获取的是M次随机线性测量值而不是获取原始信号的N(M，N)个像素值, 为低像素相机拍摄高质量图像提供了可能.。
压缩传感技术也可以应用于雷达成像领域, 与传统雷达成像技术相比压缩传感雷达成像实现了两个重要改进: 在接收端省去脉冲压缩匹配滤波器; 同时由于避开了对原始信号的直接采样, 降低了接收端对模数转换器件带宽的要求. 设计重点由传统的设计昂贵的接收端硬件转化为设计新颖的信号恢复算法, 从而简化了雷达成像系统。 生物传感中的传统DNA芯片能平行测量多个有机体, 但是只能识别有限种类的有机体, Sheikh等人运用压缩传感和群组检测原理设计的压缩传感DNA芯片克服了这个缺点。 压缩传感DNA芯片中的每个探测点都能识别一组目标, 从而明显减少了所需探测点数量. 此外基于生物体基因序列稀疏特性, Sheikh等人验证了可以通过置信传播的方法实现压缩传感DNA芯片中的信号重构。

❼ 北大的韦东奕大神与陶哲轩相比如何

北大的韦东奕大神与陶哲轩两人都是数学界的天才，两人都有非同一般的天赋，都有相似的经历，都有相近的研究领域，但是陶哲轩是数学界的前辈，也提出了“压缩感知”理论，目前成就还在韦神之上。

1、获得奥林匹克竞赛金牌时年纪陶哲轩更小。

1975年出生的陶哲轩，是澳大利亚籍华人，13岁获得国际数学奥林匹克竞赛金牌，比获得同样奖牌的“韦神”年纪还要小。

2、获得博士学位时间韦神更少。

陶哲轩从拿到学士学位到博士毕业，用了5年，而韦神则用的是4年。从这一点看，韦神用时更短。韦神在北京大学是“微分方程教研室”研究员，陶哲轩的研究方向也有“非线性偏微分方程”。

陶哲轩科研成就：

陶哲轩是调和分析、偏微分方程、组合数学、解析数论、代数数论等接近10个重要数学研究领域里的大师级数学家。

陶哲轩在应用数学研究领域也很有成就，如与他人共同提出了一种新的信息获取指导理论（即：数字压缩成像技术）。

该理论一经提出，就在信息论、信号和图像处理、医疗成像、模式识别、地质勘探、光学和雷达成像、无线通信等领域受到关注，并被美国《技术评论》杂志评为2007年度“十大突破性技术”。

2015年9月17日，陶哲轩宣布证明了保罗·埃尔德什（Erd s Pál）在1932年提出的埃尔德什差异问题（the Erdós discrepancy problem）存在，这是个困扰学术界80多年的问题。

❽ 什么是“压缩感知”

压缩感知，又称压缩采样，压缩传感。它作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist
采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。压缩感知理论一经提出，就引起学术界和工业的界的广泛关注。他在
信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、大气、地质等领域受到高度关注，并被美国科技评论评为2007年度十大科技进展。
压缩感知理论的核心思想主要包括两点。

第一个是信号的稀疏结构。传统的Shannon
信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。但是，现实生活中很多广受关注的信号本身具有一些结构特点。相对于带宽信息的自由
度，这些结构特点是由信号的更小的一部分自由度所决定。换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。所以，在这种意义上，这种
信号是稀疏信号（或者近似稀疏信号、可压缩信号）。
另外一点是不相关特性。稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压
缩成较小的样本数据来完成。理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。这些波形要求是与信号所在的稀疏空间不相关
的。压缩感知压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。这里
恢复信号所需的优化算法常常是一个已知信号稀疏的欠定线性逆问题。

❾ 数字图像处理有哪些小的研究方向

整个图像处理领域都处于发展之中，每一个步骤都可以作为方向来研究。
1）预处理。包括特定图像增强、放大插值、去噪、去模糊、分割等。
2）压缩。是一个悠久的方向，但一直有人在研究。这两年最红火的压缩感知把压缩和成像结合在一起。
3）特征提取。最近主要集中在不变特征提取，即旋转不变、缩放不变等，比如SIFT，SURF等。
4）识别。这个太多，人脸识别、车牌识别、虹膜识别、指纹识别等等。
5）检索。主要是基于标注的检索、基于内容的检索等等。
6）语义提取。这个比较难，目前设计的人少。

其他还有很多方向。总的来说，这个发展中的领域，你随便找一个题目都可以作为硕士、或博士的题目。当然如果你要以之为数年的研究对象，那么选题就要稍微慎重一点。只是混个学位就随便啦