基于梯度域結(jié)構(gòu)稀疏性的單次測(cè)量相位恢復(fù)算法研究.pdf

1、相位成像的關(guān)鍵是相位恢復(fù)，相位恢復(fù)是指利用某種線性變換的幅值對(duì)原始圖像進(jìn)行重建。本文研究在SPICA(Single-shot Phase Imaging with a Coded Aperture)成像模型下的近場(chǎng)相位恢復(fù)算法。由于相位信息的缺失，該問題是病態(tài)的，具有不適定性。本文在稀疏表示的基礎(chǔ)上，利用圖像的全變差和圖像梯度域的重疊組結(jié)構(gòu)稀疏性，對(duì)近場(chǎng)相位恢復(fù)算法進(jìn)行研究，具體研究?jī)?nèi)容如下：
　　首先，針對(duì)SPICA成像模型中包

2、含兩個(gè)菲涅爾衍射過程，利用復(fù)圖像幅值部分和相位部分的全變差，改進(jìn)了兩步求解的單次測(cè)量相位恢復(fù)算法。算法分為兩個(gè)步驟，第一步利用HIO算法恢復(fù)掩膜之后的光場(chǎng)，第二步將幅值和相位的全變差作為正則項(xiàng)來求解對(duì)應(yīng)的壓縮感知問題。對(duì)第二步的求解使用了兩種方法，實(shí)驗(yàn)結(jié)果驗(yàn)證了本章算法的有效性。
　　其次，將SPICA成像模型中的兩個(gè)菲涅爾衍射過程看作一個(gè)整體過程，同樣利用幅值部分和相位部分的全變差，提出了基于全變差的單次測(cè)量相位恢復(fù)算法。然后通