| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 引言 | 第25-45页 |
| 1.1 信号获取 | 第25-27页 |
| 1.1.1 信号的采样 | 第25页 |
| 1.1.2 信号的稀疏度 | 第25页 |
| 1.1.3 压缩感知的发展历史及其应用 | 第25-27页 |
| 1.2 关键技术简介与科学问题的提出 | 第27-35页 |
| 1.2.1 传统时间分辨成像光谱技术简介 | 第27-28页 |
| 1.2.2 单像素照相机的发展历程简介 | 第28-31页 |
| 1.2.3 单光子探测器和计数方法简介 | 第31-34页 |
| 1.2.4 科学问题的提出 | 第34-35页 |
| 1.3 超灵敏单光子时间分辨成像光谱技术的引出 | 第35-41页 |
| 1.3.1 超灵敏概念 | 第35-36页 |
| 1.3.2 超灵敏单光子计数成像 | 第36-39页 |
| 1.3.3 超灵敏单光子计数光谱 | 第39-40页 |
| 1.3.4 超灵敏单光子成像光谱 | 第40-41页 |
| 1.3.5 超灵敏单光子时间分辨成像光谱 | 第41页 |
| 1.4 本论文的主要研究工作 | 第41-45页 |
| 第二章 压缩感知理论及其算法概述 | 第45-61页 |
| 2.1 稀疏变换 | 第45页 |
| 2.2 单值性评估 | 第45-48页 |
| 2.2.1 基于Spark的单值性评估 | 第45-47页 |
| 2.2.2 基于互相关性的单值性评估 | 第47页 |
| 2.2.3 Spark的上下界的松弛 | 第47-48页 |
| 2.3 测量矩阵的选取准则UUP/RIP | 第48-51页 |
| 2.4 重建算法 | 第51-58页 |
| 2.4.1 贪婪算法 | 第51-53页 |
| 2.4.2 L1松弛算法 | 第53-55页 |
| 2.4.3 全变分算法 | 第55-58页 |
| 2.5 压缩感知算法在图像去模糊去噪中的应用 | 第58-59页 |
| 2.6 小结 | 第59-61页 |
| 第三章 超灵敏单光子计数成像 | 第61-89页 |
| 3.1 单光子计数成像 | 第61-66页 |
| 3.1.1 原理实验及实验结果 | 第62-66页 |
| 3.2 性能分析 | 第66-72页 |
| 3.2.1 测量数对成像质量的影响 | 第66-67页 |
| 3.2.2 光强极弱程度对成像质量的影响 | 第67-71页 |
| 3.2.3 测量时间对成像质量的影响 | 第71-72页 |
| 3.3 单光子压缩成像相比于点扫描存在的超灵敏优势 | 第72-76页 |
| 3.4 展望超灵敏单光子计数成像在天文观测中的应用 | 第76-86页 |
| 3.4.1 DMD双臂的可见光和近红外光同时天文测量 | 第81-82页 |
| 3.4.2 SNR问题以及衰减总光强使信号接近噪声水平的问题 | 第82-84页 |
| 3.4.3 亮暗星相差量级对暗星分辨的影响问题 | 第84-85页 |
| 3.4.4 星等与光通量之间的换算 | 第85-86页 |
| 3.5 小结 | 第86-89页 |
| 第四章 成像系统中存在的噪声问题及其去除方法研究 | 第89-123页 |
| 4.1 系统噪声组成分析 | 第89-90页 |
| 4.2 单光子压缩成像与点扫描的散粒噪声分析 | 第90-91页 |
| 4.3 测量矩阵非负性和光子噪声 | 第91-92页 |
| 4.4 基于互补双像素测量的综合噪声去除 | 第92-101页 |
| 4.4.1 望远系统中的互补压缩成像 | 第92-101页 |
| 4.5 基于DMD互补调制的综合噪声去除 | 第101-119页 |
| 4.5.1 基于压缩感知和互补调制的单像素显微 | 第101-107页 |
| 4.5.2 基于互补调制的单像素压缩反射物体三维成像 | 第107-111页 |
| 4.5.3 基于互补调制的热光压缩运动目标跟踪 | 第111-119页 |
| 4.6 测量噪声补偿 | 第119-121页 |
| 4.7 小结 | 第121-123页 |
| 第五章 噪声的潜在应用 | 第123-143页 |
| 5.1 基于超灵敏单光子计数成像系统的公网密钥分发 | 第123-131页 |
| 5.1.1 多方安全通信中的单点对多点公网密钥分发协议 | 第124-126页 |
| 5.1.2 公网密钥分发实验和相关结果 | 第126-128页 |
| 5.1.3 安全性分析 | 第128-131页 |
| 5.2 利用统计特性解释正负鬼成像与基于Pearson相关系数的鬼成像 | 第131-140页 |
| 5.2.1 正负鬼成像与相关系数成像的光学实验 | 第132-134页 |
| 5.2.2 正负鬼成像的数学统计解释 | 第134-137页 |
| 5.2.3 基于Pearson相关系数的鬼成像的统计数学解释 | 第137-140页 |
| 5.3 小结 | 第140-143页 |
| 第六章 超灵敏单光子成像光谱 | 第143-155页 |
| 6.1 基于线阵探测器的压缩成像光谱 | 第143-148页 |
| 6.2 基于双DMD调制的超灵敏单光子成像光谱 | 第148-154页 |
| 6.2.1 双DMD超灵敏单光子成像光谱实验与收光效率分析 | 第149-151页 |
| 6.2.2 成像光谱同时测量的初步结果 | 第151-152页 |
| 6.2.3 性能分析 | 第152-154页 |
| 6.3 小结 | 第154-155页 |
| 第七章 超灵敏单光子时间分辨成像光谱 | 第155-167页 |
| 7.1 基于线阵探测器和单DMD调制的单光子时间分辨成像光谱 | 第155-156页 |
| 7.2 基于双DMD调制的超灵敏单光子时间分辨成像光谱 | 第156-166页 |
| 7.2.1 对非周期变化的长时间序列物体的时间分辨策略 | 第160页 |
| 7.2.2 对周期变化荧光物体的基于等时间间隔测量的时间分辨策略 | 第160-161页 |
| 7.2.3 对周期变化荧光物体的基于门宽延迟的时间分辨策略 | 第161-163页 |
| 7.2.4 对周期变化荧光物体的基于光子到达时间的时间分辨策略 | 第163页 |
| 7.2.5 时间分辨成像光谱原理 | 第163-166页 |
| 7.3 小结 | 第166-167页 |
| 第八章 压缩感知算法重建 | 第167-193页 |
| 8.1 大图重建面临的内存存储问题 | 第167页 |
| 8.2 压缩感知算法计算复杂度 | 第167-168页 |
| 8.3 测量矩阵构造 | 第168-172页 |
| 8.3.1 稀疏测量矩阵 | 第168页 |
| 8.3.2 基于Hadamard矩阵与排列矩阵的测量矩阵 | 第168-172页 |
| 8.4 基于小波树和稀疏表示的自适应压缩成像 | 第172-180页 |
| 8.4.1 自适应压缩成像和结果 | 第173-177页 |
| 8.4.2 结果分析 | 第177-179页 |
| 8.4.3 潜在应用 | 第179-180页 |
| 8.5 基于接受者操作特性曲线的算法评价体系 | 第180-192页 |
| 8.5.1 ROC分析理论 | 第181-184页 |
| 8.5.2 基于DMD的计算鬼成像实验与常见算法简述 | 第184-185页 |
| 8.5.3 不同重建算法的性能评估 | 第185-192页 |
| 8.6 小结 | 第192-193页 |
| 第九章 总结与展望 | 第193-197页 |
| 附录A 基础知识和公式 | 第197-199页 |
| A.1 图像质量评价 | 第197-199页 |
| A.1.1 Mean Square Error (MSE) | 第197页 |
| A.1.2 Peak Signal-to-Noise Ratio (PSNR) | 第197页 |
| A.1.3 Signal-to-Noise Ratio of the Image (SNRImage) | 第197-198页 |
| A.1.4 Contrast-to-Noise Ratio (CNR) | 第198页 |
| A.1.5 Mean Structural Similarity (MSSIM) | 第198-199页 |
| 参考文献 | 第199-223页 |
| 发表文章目录 | 第223-227页 |
| 申请专利目录 | 第227-231页 |
| 简历 | 第231-235页 |
| 致谢 | 第235-237页 |
