针对基于压缩感知的重构方法耗时巨大的问题，从信号恢复的角度提出了一种基于深度学习方法的稀疏成像方案。首先，构建基于复数卷积的U-Net网络。其次，将欠采样信号输入网络得到满采样信号。最后，使用距离维脉压的二维匹配滤波算法重构出目标。实验建立在不同稀疏度和不同采样间隔下的欠采样仿真数据集中，并与传统和最近的信号处理方法进行对比。再使用实测数据进行验证，实验结果表明该算法在重构耗时以及图像平均梯度上具有更好的表现。
科研之友
微信
新浪微博
Facebook
分享链接
