為了解決在成像過(guò)程中反卷積點(diǎn)擴(kuò)展函數(shù)所帶來(lái)的模糊效應(yīng),提出一種新的圖像重建算法.新算法利用高斯函數(shù)分解模型,能夠有效解決基于Delta函數(shù)分解模型所引起的問(wèn)題,并在重建延展源和致密源方面具備更好的效果.通過(guò)VLA模擬觀測(cè)數(shù)據(jù)對(duì)算法進(jìn)行測(cè)試,并與現(xiàn)有的2類圖像重建算法進(jìn)行比較,結(jié)果表明,新算法能夠有效平衡現(xiàn)有的反卷積算法的計(jì)算復(fù)雜度和性能問(wèn)題,能對(duì)圖像進(jìn)行更加精確建模,具有更好的圖像重建性能. 

【文章來(lái)源】：吉首大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,41(04)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

基于自適應(yīng)尺度重建算法重建圖像的流程

本數(shù)值模擬實(shí)驗(yàn)所處理的射電源M31圖像原圖及其點(diǎn)擴(kuò)展函數(shù)圖像和臟圖如圖2所示．從圖2(a）可以看出，射電源M31是一個(gè)非常復(fù)雜的源，包含了大量子結(jié)構(gòu)，能有效地測(cè)試各重建算法的性能．采集到的數(shù)據(jù)表明，射電源M31點(diǎn)擴(kuò)展函數(shù)（圖2(b））的最大負(fù)旁瓣是-0.068 7．從圖2(b）可以看出，旁瓣結(jié)果復(fù)雜且分布很廣．被點(diǎn)擴(kuò)展函數(shù)模糊化之后的臟圖為圖2(c）．測(cè)試圖像原圖的大小為512×512像素，為了使顯示更加清晰便于比較，成圖僅顯示處理結(jié)果的中央256×256像素部分．

在成圖過(guò)程中所有算法均使用Robust加權(quán)函數(shù)．Robust加權(quán)函數(shù)能夠有效抑制旁瓣水平，是一種常用的加權(quán)函數(shù)．H9gbom CLEAN算法使用的參數(shù)是：迭代次數(shù)30 000，循環(huán)增益0.1．多尺度CLEAN算法使用的參數(shù)是：迭代次數(shù)10 000，循環(huán)增益0.3，尺度分別為0,4,12,36,108像素．自適應(yīng)尺度重建算法使用的參數(shù)是：迭代次數(shù)7 000，循環(huán)增益0.7．由于自適應(yīng)尺度重建算法是基于自適應(yīng)尺度的，所以不需要用戶指定尺度．各算法的處理結(jié)果如圖3所示．從圖3(a）中可以看出，H9gbom CLEAN算法重建的模型圖像由點(diǎn)組成，這是由于H9gbom CLEAN算法是基于Delta函數(shù)分解的，即圖像被分解為Delta函數(shù)集合．Delta函數(shù)集合是通過(guò)找到殘差圖像中的最大絕對(duì)值點(diǎn)，然后乘以循環(huán)增益得到Delta函數(shù)的位置和系數(shù)．這種分解不能有效地表示延展結(jié)構(gòu)，所以使用這類算法處理延展源時(shí)，殘差圖像中會(huì)殘留“平臺(tái)”式的相關(guān)結(jié)構(gòu)，而且需要大量的分量來(lái)表示圖像．從這個(gè)測(cè)試中可以看出，盡管H9gbom CLEAN算法使用了遠(yuǎn)大于其他兩種基于尺度函數(shù)分解的算法的迭代次數(shù)，然而結(jié)果卻是最差的．多尺度CLEAN算法使用了幾個(gè)尺度函數(shù)來(lái)表示圖像，較好地解決了基于Delta函數(shù)模型的算法不能有效表示圖像的問(wèn)題．從圖3(b）也能看出，相對(duì)于H9gbom CLEAN算法，多尺度CLEAN算法重建的模型圖像更加接近于真實(shí)圖像，殘差圖像中所留下的相關(guān)結(jié)構(gòu)也更�。▓D3(e））．然而基于多尺度函數(shù)模型分解的算法將圖像強(qiáng)行分解到僅有的尺度當(dāng)中，這需要更多的分量來(lái)表示圖像．基于自適應(yīng)尺度函數(shù)模型的算法能有效地解決這一問(wèn)題，使用更少的分量來(lái)表示圖像．從圖3(c）中可以看出，相對(duì)于H9gbom CLEAN算法和多尺度CLEAN算法，筆者提出的自適應(yīng)尺度重建算法模型圖像更加接近于真實(shí)圖像．殘差圖像（圖3(f））也能有效證明這一結(jié)論．圖3還表明，在這三種算法中，自適應(yīng)尺度重建算法的殘差相關(guān)結(jié)構(gòu)是最少的，說(shuō)明自適應(yīng)尺度函數(shù)模型能夠更好地表示圖像．表1列出三種算法重建圖像的RMSE和DR數(shù)值結(jié)果．

【參考文獻(xiàn)】：
期刊論文
[1]差分CLEAN算法在編碼板成像中的應(yīng)用[J]. 賈振卿,霍卓璽,周建鋒.  天文研究與技術(shù). 2013(01)



本文編號(hào)：3393599