10.3969/j.issn.0372-2112.2018.10.006
基于高斯混合模型的衍射成像算法
编码衍射成像系统中记录的测量值丢失了相位,而相位含有关于图像的大部分结构信息.如何利用无相位测量值重构原始图像是相位恢复(Phase Retrieval,PR)算法面临的一个重要问题.由期望最大(EM)算法训练高斯混合模型(GMM)的最优参数,任一图像块可以选用GMM中某一模型分量最佳表示.基于该认识,本文利用GMM的统计特性融合数据保真项构造PR优化问题,并用加速邻近梯度法求解该问题.实验结果表明,该算法在噪声强度较大、编码衍射图案较少的情况下仍能获得较高质量的图像重构.
相位恢复、编码衍射图案、高斯混合模型、加速邻近梯度
46
TN911.73
国家自然科学基金61471313;河北省自然科学基金F2014203076
2019-01-04(万方平台首次上网日期,不代表论文的发表时间)
共4页
2347-2350