首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

快照式压缩光谱集成成像技术研究

摘要第5-7页
Abstract第7-8页
1 绪论第17-31页
    1.1 研究背景第17-18页
    1.2 光谱成像技术分类第18-22页
    1.3 国内外发展现状第22-28页
        1.3.1 传统光谱成像仪的发展第22-23页
        1.3.2 新型光谱成像技术的发展第23-28页
    1.4 研究意义及主要内容安排第28-31页
        1.4.1 研究目的和意义第28-29页
        1.4.2 本文主要研究内容第29-31页
2 压缩光谱成像技术的理论基础第31-44页
    2.1 压缩感知采样与还原第31-35页
        2.1.1 压缩传感理论的数学模型第31-33页
        2.1.2 信号重构算法第33页
        2.1.3 基于压缩感知的非扫描超快光谱成像方法第33-35页
    2.2 压缩光谱成像的理论建模第35-42页
        2.2.1 编码孔径光谱成像的数学离散模型第35-39页
        2.2.2 数据还原算法及实验仿真第39-42页
    2.3 本章小结第42-44页
3 基于编码孔径的压缩光谱成像第44-64页
    3.1 系统结构第44-45页
    3.2 编码孔径和色散元件的设计第45-49页
        3.2.1 编码模板的选择第45-47页
        3.2.2 色散元件的选择和研制第47-49页
    3.3 压缩光谱成像系统装调第49-51页
    3.4 光谱标定方法第51-52页
    3.5 实验结果及分析第52-58页
        3.5.1 反射式单帧光谱成像系统实验第52-56页
        3.5.2 透射式快照光谱成像系统实验第56-58页
    3.6 成像质量分析与改进第58-63页
        3.6.1 像素匹配问题第58-59页
        3.6.2 基于编码孔径优化的多帧光谱成像仿真第59-63页
    3.7 本章小结第63-64页
4 光谱目标识别算法研究第64-97页
    4.1 光谱图像预处理方法研究第64-75页
        4.1.1 三维光谱角统计方法第64-71页
        4.1.2 光谱数据降维方法第71-75页
    4.2 光谱目标识别算法及实际应用研究第75-96页
        4.2.1 基于稀疏表示的光谱目标识别算法第75-88页
        4.2.2 基于混合像元分解技术的光谱图像恢复算法第88-96页
    4.3 本章小结第96-97页
5 基于集成成像的三维信息重构算法研究第97-108页
    5.1 计算集成成像技术第97-104页
        5.1.1 基于深度表示的计算集成成像重建第98-101页
        5.1.2 合成孔径计算集成成像仿真实验第101-104页
    5.2 基于空间位移变化矩阵的三维空间深度还原第104-107页
        5.2.1 空间位移变换矩阵第104-106页
        5.2.2 改进的计算集成成像算法仿真第106-107页
    5.3 本章小结第107-108页
6 3D压缩光谱集成成像系统样机的设计与实验第108-124页
    6.1 基于微透镜阵列的3D压缩快照光谱成像仪第108-114页
        6.1.1 系统结构设计第108-111页
        6.1.2 离散数学模型第111-114页
    6.2 数值仿真第114-118页
        6.2.1 三维场景模拟仿真第114-117页
        6.2.2 基于小孔相机阵列的实验仿真第117-118页
    6.3 成像系统搭建与标定第118-120页
    6.4 实验结果分析与优化第120-123页
        6.4.1 系统实验结果第120-123页
        6.4.2 系统优化第123页
    6.5 本章小结第123-124页
7 总结与展望第124-126页
    7.1 本文工作总结第124-125页
    7.2 论文创新点第125页
    7.3 后续工作展望第125-126页
致谢第126-127页
参考文献第127-138页
附录第138页

论文共138页,点击 下载论文
上一篇:稀疏宽带信号压缩采样与重构技术研究
下一篇:几种具有生物检测和诊断功能的荧光分子设计、合成及应用