|
|||||
|
|
| Tetrolet域卫星云图分块压缩感知(英文) | |
| 引用本文： | 何艳,金炜,刘箴,符冉迪,尹曹谦. Tetrolet域卫星云图分块压缩感知(英文)[J]. 光电工程, 2014, 41(5): 19 |
| 作者姓名： | 何艳 金炜 刘箴 符冉迪 尹曹谦 |
| 作者单位： | 何艳:宁波大学信息科学与工程学院, 浙江宁波 315211 金炜:宁波大学信息科学与工程学院, 浙江宁波 315211 刘箴:宁波大学信息科学与工程学院, 浙江宁波 315211 符冉迪:宁波大学信息科学与工程学院, 浙江宁波 315211 尹曹谦:宁波大学信息科学与工程学院, 浙江宁波 315211 |
| 基金项目： | 国家自然科学基金(61271399,61373068)；浙江省自然科学基金项目(Y1111061)；宁波市自然科学基金(2011A610192,2013A610055)；宁波市科技创新团队研究计划(2011B81002)；宁波大学科研基金(XYL1200)；宁波大学研究生教育改革研究重点项目(JGZDI201202) |
| 摘 要： | 针对卫星云图数据量大,但传输通道和存储空间相对狭小的问题,本文提出了一种基于Tetrolet变换的卫星云图分块压缩感知方法。该方法将Tetrolet变换引入压缩感知的稀疏表示环节,以刻画卫星云图细节丰富,纹理复杂的特性,而且将分块压缩感知与平滑投影Landweber迭代方法结合用于云图重构,以提高计算效率。同时,为了进一步提高重构云图的质量,本文对云图的稀疏表示提出了另一种改进方案,首先对原始云图进行拉普拉斯金字塔分解,将得到的低频分量和高频分量分别进行分块及采样,并对低频及高频分量分别进行离散小波变换(DWT)及Tetrolet变换以实现稀疏表示,此不仅可以发挥不同稀疏变换各自的优点,而且充分利用了Tetrolet变换在表示云图方向纹理和边缘等重要信息方面的优势。实验结果表明,在相同采样率下,本文方法的重构结果明显优于直接用Tetrolet,DWT,Contourlet和DCT变换对卫星云图进行稀疏表示的重构结果。 |
| 关 键 词： | Tetrolet变换 分块压缩感知 稀疏表示 卫星云图 |
| 收稿时间： | 2013-10-12 |
Block Compressed Sensing of Satellite Cloud Images Based on Tetrolet Transform |
|
| Abstract: | |
| Keywords: | Tetrolet transform block compressed sensing sparse representation satellite cloud images |
| 本文献已被 CNKI 等数据库收录！ | |