非负稀疏编码及其在毫米波焦平面成像图像处理中的应用研究

毫米波焦平面成像技术是军用和民用领域中的一项新兴的应用基础研究。本项目将在研究人眼视觉初级系统主视皮层V1区神经细胞的认知非负稀疏编码（NNSC）神经网络模型和机器学习算法的基础上，针对毫米波焦平面成像图像的特点，着重研究基于视觉特征的毫米波焦平面成像图像的增强和复原融合技术。首先，考虑毫米波焦平面成像图像的先验稀疏密度模型，结合最小覆盖体积超椭球聚类方法，构造新型的NNSC计算模型和收缩函数，提取图像特征并利用NNSC收缩算法消噪，增强图像的视觉处理效果；进一步结合主分量分析（PCA）法、独立分量分析（ICA）法、二元树复小波分析法、凸集投影法(POCS)、非线性外推和NNSC等算法，利用特征级信息融合手段，提出一种新的毫米波图像超分辨率恢复算法。本项目的开展一方面为毫米波焦平面成像图像的处理提供一种基于视觉信息处理的新的探索途径，另一方面也能够促进信息技术在新领域的研究和发展。

本项目基本按照既定的研究计划进行，较好地完成了预定的研究内容并有所拓展。该项目主要在毫米波（MMW）焦平面成像系统成像机制研究的基础上，进一步利用软件方法对MMW成像数据进行后续处理从而得到更高分辨率的MMW图像。主要在基于人眼初级视觉系统主视皮层V1区神经元的非负稀疏编码（NNSC）模型的研究基础上，结合已成熟的图像处理方法，提出了基于稀疏特征的毫米波图像处理方法。研究工作主要包括以下四个方面：. （1）毫米波成像系统中关键硬件——毫米波成像接收机混频器及成像天线的研制。. （2）建模并优化学习了一类具有视觉反馈机制的NNSC的神经网络模型。该类模型能够有效模拟人眼初级视觉系统主视皮层V1区简单细胞神经元的感受野特性，可以有效抽取视觉图像的轮廓特征和细节特征；同时该类模型在网络收敛速度、网络训练精度、特征系数的稀疏性等方面均有较好的性能。. （3）结合NNSC特征基和低分辨率图像消噪方法，提出了基于稀疏特征收缩技术的MMW图像消噪方法和MMW图像级联消噪方法。这些方法可有效提高MMW图像的目视识别效果。. （4）结合NNSC算法、图像稀疏表示及超分辨率图像恢复等算法，提出了基于稀疏表示的MMW图像恢复方法和基于组合变换特征的MMW图像恢复方法。该类方法能够有效地恢复出MMW图像的轮廓，提高MMW图像的分辨率。. 毫米波成像系统硬件成像机制复杂，未知噪声污染极为严重。通过我们的研究，为毫米波硬件成像系统获得的图像的后续处理提供了一些有效的软件分析方法，这些方法能够大大减少毫米波图像中含有的大量的未知噪声，有效提高毫米波图像的分辨率，因而能较容易地分辨出毫米波图像的原始成像目标。另外，在研究实践中，我们还拓展了研究范围，提出了毫米波全息成像系统仿真模型及其成像算法，为进一步研制高性能的毫米波成像系统及成像技术提供了新的途径。