💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
文献来源:

摘要:本文针对对象和调制相位掩模在光谱上变化的情况,开发了高光谱宽带相位恢复方法。所提出的迭代算法基于复数域版本的交替方向乘子法(ADMM)以及针对高斯和泊松多重强度观测导出的新型光谱近邻算子。这些近邻算子解决了两个问题。首先,从作为衍射图案光谱强度之和计算的总强度观测中提取了对象的复数域光谱分量。其次,对噪声观测进行滤波,折衷噪声强度观测及其预测对应物。模拟和物理测试证实了所提出的宽带高光谱相位恢复方法可以成功解决问题。
关键词:复数域逆成像、复值图像去噪、高光谱相位恢复、相位成像、复值正则化、光谱近邻算子、算法
📚2 运行结果


部分代码:
%% ------------ Draw figures ------------------------------------------
if (rem(s,10) == 0)||s == 2
figure(fig1);
semilogy(squeeze(Relerrs(:,:))','lineWidth',1), grid on %semilogy(1:numel(Relerrs),Relerrs)
xlabel('Iteration'), ylabel('Relative error '),% legend(num2str(lambda_set'*1e9),'NumColumns',2),... 'Orientation','horizontal'
title(['Relative errors vs. iteration count, T=',num2str(T),', K=',num2str(K) '. ' noise_type ', SNR=',num2str(mean(SNR),3) ' dB'])
set(gca,'FontSize',12)
lgnd = legend( num2str(lambda_set'*1e9,3)); % ,'Orientation','horizontal'
title(lgnd,'\lambda, nm');
figure(fig2);
subplot 223, imshow(abs(xs(Nzp/2+(1:n1),Nzp/2+(1:n2),lambda_to_show)),[]), ...
title('Reconstructed amplitude'), ...
c = colorbar;
c.Label.String = 'Amplitude, a.u.';
subplot 224, imshow(angle(xs(Nzp/2+(1:n1),Nzp/2+(1:n2),lambda_to_show)),[]),
title('Reconstructed phase'),
c = colorbar;
c.Label.String = 'Phase, rad';
% sgt = sgtitle([noise_type ' SNR=' num2str(mean(SNR),3) ' dB, \lambda=' num2str(lambda_set(lambda_to_show)*1e9,3) ' nm, {\it ERROR_{rel}}=' num2str(Relerrs(lambda_to_show,s),2), ', iter=' num2str(s)]);
sgt.FontSize = 8;
drawnow
end
fprintf ('\n iteration %u, %2.1f sec., mean relative error = %1.4f', s, toc, mean(Relerrs(lambda_to_show,s),1))
end
% figure(3), sliceViewer(abs(xs)), title('Reconstructed amplitude'),
% figure(4),sliceViewer(angle(xs)), title('Reconstructed phase')
fprintf ('\n End of reconstructions, mean relative error = %1.3g \n', mean(Relerrs(:,s)))
🎉3 参考文献
文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。

本文介绍了一种针对光谱变化的对象和调制相位掩模的高光谱宽带相位恢复方法,使用了复数域ADMM算法和新型光谱近邻算子,有效处理了复数域光谱成分提取和噪声滤波问题,经模拟和物理测试验证了其有效性。

被折叠的 条评论
为什么被折叠?



