CN119313766B 一种基于fsd-gira的鬼成像目标重建方法 （吉林农业大学）

号本发明公开一种基于FSD_GIRA的鬼成像目明技术方案使用模糊聚类算法对光路探测器光匹配追踪、共轭梯度方法和多阈值小波降噪方2S2、使用模糊聚类算法对光路探测器光场强度和桶探测器值B,；D,s:使用共轭梯度法求解最小二乘问题，得到稀疏系数当k≤10时，通过公式通过多阈值小波去噪技术处理所述多阈值小波去噪设7=YTe;6=Y7';3NrS4、将得到的转换为mxn矩阵pxn,M＝mxn；应用所述多阈值小波去噪技术在一维空间上对单列的模糊聚类算法对光路探测器光场强度测量矩阵的特征值进行分类，将较小的特征值置为删除UTB中与中为零位置相对应的元素，获得降维后的测量矩阵A/和桶探测器值B/。45安全性发挥了积极作用。阵A'和桶探测器值B'；[0009]在迭代过程中，计算传感矩阵Φ每列与残差rn的内积，选择内积绝对值最大的S列构成矩阵D.S:使用共轭梯度法(PCG)求解最小二乘问题，得到稀疏系数当6[0010]设Ψ表示为离散余弦系数变换矩阵，对信号执行最大重叠离散小波rpnxa转换为m×n矩阵pxn,M＝m×n；[0028]对Fxn进行逆时针转置90°,按照列优先顺序展平矩阵Fxn,形成列向量转置得到声,获得降噪后的目标图像；[0032]根据噪声强度使用BM3D滤波器进行重建目标图像降噪，获得清晰恢复的目标图7A'；探测器值B'。[0052](1)本申请提出的F_SVD_MB算法是通过结合模糊C均值聚类(FCM)和奇异值分解次数下的数据冗余和设备存储的压力。通过对参考光强信息和桶探测器值进行降维，F_[0053](2)本申请提出的WE_FOMP_CG算法相比现有技术具有显著优势。它结合了广义正交匹配追踪(GOMP)的稀疏选择能力和共轭梯度(PCG)方法的高效计算，提升了恢复精度和8[0054](3)本申请提出的WBDH算法通过结合小波域的多阈值去噪和BM3D算法，提供了更[0060]本发明提出一种基于FSD_GIRA的鬼成像目标重建方法，旨在设计一种基于FSD_[0061]下面将在具体实施例中对本发明提出的基于FSD_GIRA的鬼成像目标重建方法进量矩阵A'和桶探测器值B'；9构成矩阵OS:使用共轭梯度法(PCG)求解最小二乘问题通过多阈值小波去噪技术处理所述多阈值小波去噪技术包[0069]设Ψ表示为离散余弦系数变换矩阵，对信号执行最大重叠离散小波r算法结合了广义正交匹配追踪(GOMP)的稀疏选择能力和共轭梯度(PCG)方法的高效计算，噪声干扰的能力等。WE_FOMP_CG的核心优势在于其使用了共轭梯度方法来解决线性方程次迭代恢复出的信号通过小波变换并进行去噪处理，从而进一步提升了恢复结果的质量。转置得到声m,获得降噪后的目标图像；[0092]根据噪声强度使用BM3D滤波器进行重建目标图像降噪，获得清晰恢复的目标图A'；探测器值B'。热光源与目标之间的距离为z1，赝热光源与参考探测器之间的距离为z2，二者均设定为方面，本发明的方法表现出色，重建时间最短，仅需13.371924秒。这远优于GOMP的了本发明的方法不仅在重建质量上超越了传统的OMP和GOMP方法，同时在计算效率上也表任何熟悉本技术领域的