毫米波无源成像超分辨算法研究及实现

《毫米波无源成像超分辨算法研究及实现》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、＇＾‘ＪＳ心ｒ：朵击种成＊葦ＵＮＩＶＥＲＳＩＴＹＯＦＥＬＥＣＴＲＯＮＩＣＳＣＩＥＮＣＥＡＮＤＴ巨ＣＨＮＯＬＯＧＹＯＦＣＭＩＮＡ硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳ．…．、化ｗ．…肌〇世‘一泌。押，油細—＾冰■：：（４參Ｍ论文懲自毫米波无源成像超分辨算法妍究及实现？学科专业倍号与倍息处珊学号２０１３２１０２０３４２作者姓名薛小鹏指导教师熊金涛教授、１■．－■■＾＇：Ｖ，独剑性声明本人声明所呈交的学位论文是本人在导师指导下

2、进行的研究工作及取得的研究成果。据我所知，除了文中特别加标注和致谢的地方夕ｈ论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。、占作者签名：ｆｊ息巧日期：Ｚ０，年貧月日＾＾？论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，，有权保留并向国家有关部口或机构送交论文的复印件和磋盎允许论文被查阅和借阅。本人授权电子科技大学可将学位论文的全部或部分内容编入有关数据库进行检索

3、，可采用影印、缩印或扫描，等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）．作者签名：＇」、雌导师签名：拜曰期：如年ｙ月严分类号密级注1UDC学位论文毫米波无源成像超分辨算法研究及实现（题名和副题名）薛小鹏（作者姓名）指导教师熊金涛教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业信号与信息处理提交论文日期2016.04.15论文答辩日期2016.05.20学位授予单位和日期电子科技大学2016年06月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。PassiveMillimeterWaveImaging

4、SuperResolutionAlgorithmResearchandImplementationAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:SignalandInformationProcessingAuthor:XueXiaopengAdvisor:ProfessorXiongJintaoSchool:SchoolofElectronicEngineering摘要摘要利用毫米波来被动探测成像的成像系统可以穿透衣物，做到无辐射，所以不会威胁到被检测者的安全，而且成像

5、结果不会显示人体的生理细节，被检测者也不会感觉到隐私被侵犯。因此采用被动毫米波进行探测的系统在筛检告警、安全检查等范围内的使用将越来越普遍。但是由于现阶段制造工艺等的原因，通道阵列无法密集摆放，这导致了成像结果空间分辨率较低，无法满足实际应用。因此在工程上如何使成像结果能够满足实际的应用需要，是现阶段需要研究的问题。本论文依托于实际的科研项目展开研究。首先研究了被动毫米波图像的成像体制和降质模型，然后研究并提出了一种基于统计优化和整体变分的毫米波超分辨处理算法以及基于偏微分方程的毫米波成像超分辨算法。最后对一种被动毫米波探测成像系统的工程实现及实验测试进行了总结和讨论。具体的主要

6、研究内容包括：1.介绍了毫米波成像的基础理论和方法，分析了成像过程中的图像降质模型。2.研究了“基于贝叶斯准则的RL（Richardson-Lucy）算法”和“基于全变分（TotalVariation）的超分辨处理算法”。针对RL算法具有细节恢复好，但放大了噪声而整体变法算法能有效抑制噪声的特点，研究提出了一种将二者相结合的超分辨恢复算法，新算法均衡了抑制噪声和细节恢复，对于噪声较大的被动毫米波成像的图像取得了良好的恢复效果。3.研究了“基于偏微分方程和全变分的超分辨算法”，包括标准的全变分复原模型（ROF,Rudin-Osher-Fatemi），以及改进的全变分复原模型，在此基

7、础上分析了pTVL超分辨复原模型和高阶超分辨复原模型。针对ROF模型有分块效应但能保持图像边缘，高阶模型没有分块效应但边缘恢复不好的特点，提出了一种结合ROF模型和标准模型的超分辨恢复算法，仿真结果证明了算法对毫米波图像的有效性。4.研究了“基于TV-Stokes模型的超分辨复原算法”，针对其对边缘尖锐的图像恢复效果差的特点，研究了一种在基本TV-Stokes模型基础上的改进模型，改进的模型通过在恢复图像阶段重新构建能量泛函，消除了基本TV-Stokes模型的不足。5.对一个被