基于按列分块和混合分块的压缩感知图像重构方法

压缩感知理论由于其可通过低采样率来恢复原始信号的特点,近年来逐步被用于光学成像领域。为了解决在对成像图像进行压缩感知重构时数据量过大、计算负担大的问题,分块压缩感知的方法被提出。在该方法的基础上做出改进,依次提出了按列分块和混合分块的压缩感知方法。其中按列分块的方式改变了分块模式,降低分块时的要求,混合分块则结合两种分块的特点,有效提升了压缩感知的效果。通过仿真实验验证,本方法有效提升了图像重构质量,尤其是混合分块方式,在图像的重构速度和重构质量上都有显著提升。     

基于自适应卡尔曼的时域增强算法研究

在图像序列进行压缩感知重构的过程中,基于运动补偿的分块压缩感知重建算法利用了帧间残差图像的稀疏特性,有效提高了重构视频的质量。但该算法仅在空域对图像进行了维纳滤波,帧间存在抖动现象,视频主观质量较差。文章将自适应卡尔曼滤波算法应用到分块压缩感知重建算法的重建过程中,可以有效地去除视频帧间的噪声,使得图像的主观质量得到了改善。     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。     

焦平面编码高分辨率红外成像方法

红外成像系统由于探测器加工工艺的限制,很难通过减小像元尺寸或增加阵元数量的方式实现高分辨率成像.压缩感知理论提供了一种新的提高成像分辨率的方法,在光学系统的焦平面处放置编码掩膜,使得红外探测器得到的图像是被观测场景的压缩采样,再通过稀疏优化算法重构出原始图像.决定图像分辨率的不是探测器的像素尺寸,而是编码掩膜的孔径大小...     

帧间自适应压缩感知算法在视频编码中的应用

阐述了压缩感知的理论框架,分析了视频信号帧间相关性特点,提出了一种帧间自适应压缩感知的视频编码算法。本方法中,利用视频差值信号的特点建立自适应感知模型,自适应的选择稀疏域和重构域对信号进行压缩感知恢复,在空域稀疏度较强的情况下选择空域作为稀疏域和重构域,在空域稀疏度较差的情况下选择小波域作为稀疏域和重构域。用测试视频进行了仿真分析,结果表明该算法能够取得较好的效果。     

基于非局部相似度约束的多通道复用压缩遥感成像方法

结合压缩感知成像原理和遥感成像系统的物理可实现性,提出了采用掩膜编码的多通道复用压缩成像方法.首先,采用多组随机二值伯努利分布的掩膜为不同光学通道视场进行压缩编码,在单位积分时间内采集重构图像所需的欠采样数据.然后,针对传统的全变分范数最小化的重构方法易受遥感图像局部突出特征干扰的问题,提出了以遥感图像空间域非局部相似度为正则化重构标准的先验约束.实验结果验证了此压缩成像方法的可行性.与传统算法相比,此重构算法能够在保留图像细节的同时实现有效重构.     

基于DWT的高频系数压缩感知图像融合

传统的基于DWT的压缩感知图像融合方法针对的是整个稀疏系数,由于小波系数的低频部分为非稀疏的,导致其压缩重构质量差。针对该问题,提出了一种基于DWT高频系数压缩测量的融合方法,该压缩模式可以提高重构信号的质量,进而提高融合图像的效果。首先,对图像作小波稀疏变换,得到低频和高频系数,并对高频系数压缩测量得到测量值;然后,在小波域和压缩域分别进行融合,并对融合后的测量值进行重构得到融合后的高频系数;最后,经小波逆变换得到融合后的图像。实验结果表明,本压缩感知模式较传统的压缩感知模式在减少压缩数据量的同时提高了图像的融合效果。     

基于压缩感知的SAR图像压缩与重构方法

结合合成孔径雷达(SAR)图像特点,提出了一种基于压缩感知的SAR图像压缩与重构方法,并给出了具体的方法及详细流程.该方法首先将原始SAR图像进行分块处理,同时,利用离散小波变换(DWT)对分块结果进行稀疏处理,利用近似QR分解后的随机高斯矩阵对稀疏处理结果进行低维线性观测,实现了SAR图像的稀疏化表征与压缩.文中讨论的改进的正交匹配追踪(OMP)算法,与传统的OMP算法相比,改进的OMP算法在保证重构精度的前提下,可有效提高收敛速度.最后,通过离散小波反变换等处理获得最终的SAR图像重构结果.仿真实验结果证明所提方法的有效性与可行性.     

基于快速SBL的双基地ISAR成像

针对稀疏孔径条件下双基地ISAR成像分辨率低、运算时间长等问题,提出了一种基于快速稀疏贝叶斯学习的高分辨成像算法。首先,建立基于压缩感知的双基地ISAR稀疏孔径回波模型,然后将整个二维回波数据进行分块处理,并假设目标图像各像元服从高斯先验,建立稀疏贝叶斯模型,再利用快速边缘似然函数最大化方法求解得到高质量目标图像,最后将所求的每块回波对应的目标图像合成整个二维图像。由于采取了分块处理,在每块图像重构时减少了数据存储量和计算量。另外,相比于传统的稀疏贝叶斯学习求解方法,本文所提快速算法在保证重构质量的同时进一步缩短了运算时间,仿真实验验证了算法的有效性和优越性。     

基于压缩感知的医学图像采样新方法研究

压缩感知基于信号的稀疏性或可压缩性,能够以低于奈奎斯特采样率的频率进行采样,从而直接获得压缩后的采样信号。本文将压缩感知的思想应用于医学图像,对已获得的图像进行压缩采样,以降低医学图像的存储空间。基于正交匹配追踪思想,提出分块双阈值正交匹配追踪方法,根据图像不同区域信息量的不同,采取分块处理并加入采样阈值,针对不同子图像块采取不同采样率,提高了采样效率;同时,在重构时加入判断阈值,可降低重构效果对采样阈值的依赖,减小了由于图像的特殊性或人为经验不足而使得采样阈值选取不当对图像重建质量的影响。实验表明,本文方法能够以较低的采样率实现较高的重构精度。     

基于压缩感知的遥感图像融合方法

压缩感知理论,以远低于奈奎斯特采样定理要求的速率对图像进行采样,可利用图像的部分信息重构原始图像,有效地减轻图像处理的计算复杂度,降低对硬件的要求。文中提出了一种基于压缩感知的遥感图像融合方法。在压缩域对多光谱和全光谱遥感图像进行了融合实验,并与传统的融合方法进行了比较,实验结果表明,文中方法在遥感图像融合上有着良好的性能。     

光纤传感技术

传感技术是现代信息社会的神经中枢,光纤传感则是一种新兴的现代传感技术,由于它具有灵敏度高、响应速度快以及抗干扰、抗各种恶劣条件等一系列优点而成为传感领域的姣姣者,因而在光学与光电子学科中占有重要地位。光纤传感划分为非功能型和功能型两大类:前者简单易行、无需特殊技术,因此巳被广泛研究,并有相当数量进入实用化;功能型传感则要求条件苛刻,多数仍处于研制阶段,但因其具有极高灵敏度,属于高性能传感类,故仍为光纤传感的主要发展方向。文中以表格形式概要列示了这两类光纤传感的基本状况,表明光纤传感有广泛应用前景。 光纤传感器今后的发展趋势是:加速光纤传感器的实用化进程;大力开展光纤传感技术的集成化研究;积极开展多功能光纤传感及其网络化研究,以及不断推出新型光纤传感器并开拓新的应用领域等。     

CMOS器件感受新机遇

在过去几年中,人们一直期望CMOS(互补金属氧化物半导体)感光器件能够获得快速发展,但面对CCD(电荷耦合器件)器件的压倒性优势,这种技术却遇到了巨大的挑战,在数字相机领域中就是如此。 iSuppli预测全球CMOS市场将从2001年的1800万美元增长到2005年的7200万美元。同时,CCD的增长将相当缓慢,只是从2000年的4900万     

Bayesian Compressive Sensing

The data of interest are assumed to be represented as N-dimensional real vectors, and these vectors are compressible in some linear basis B, implying that the signal can be reconstructed accurately using only a small number M Lt N of basis-function coefficients associated with B. Compressive sensing is a framework whereby one does not measure one of the aforementioned N-dimensional signals directly, but rather a set of related measurements, with the new measurements a linear combination of the original underlying N-dimensional signal. The number of required compressive-sensing measurements is typically much smaller than N, offering the potential to simplify the sensing system. Let f denote the unknown underlying N-dimensional signal, and g a vector of compressive-sensing measurements, then one may approximate f accurately by utilizing knowledge of the (under-determined) linear relationship between f and g, in addition to knowledge of the fact that f is compressible in B. In this paper we employ a Bayesian formalism for estimating the underlying signal f based on compressive-sensing measurements g. The proposed framework has the following properties: i) in addition to estimating the underlying signal f, "error bars" are also estimated, these giving a measure of confidence in the inverted signal; ii) using knowledge of the error bars, a principled means is provided for determining when a sufficient number of compressive-sensing measurements have been performed; iii) this setting lends itself naturally to a framework whereby the compressive sensing measurements are optimized adaptively and hence not determined randomly; and iv) the framework accounts for additive noise in the compressive-sensing measurements and provides an estimate of the noise variance. In this paper we present the underlying theory, an associated algorithm, example results, and provide comparisons to other compressive-sensing inversion algorithms in the literature.     

抗SSDF攻击的一致性协作频谱感知方案

在分布式认知无线电网络中,一般很难找到合适的融合中心能够收集所有协作用户的感知信息,而且协作过程极可能遭到篡改感知数据(Spectrum Sensing Data Falsification,SSDF)攻击.鉴于此,该文提出了一种改进的一致性协作频谱感知方案.利用Metropolis迭代规则,各次用户仅依靠邻接点之间的...     

分布式压缩感知实现宽带频谱感知的方法

频谱感知的第一步就是采集无线信号进行分析,越来越高的采样率成为宽带频谱感知研究中的难点。实际通信中主用户占用频谱具有稀疏特性,符合压缩感知理论的前提条件。因此,本文利用分布式压缩感知实现宽带频谱感知,提出基于差分信号分布式压缩感知（DS_DCS）的加权宽带频谱感知算法。该算法针对宽带频谱采样率高的问题,利用压缩感知技术降低采样率,同时引入差分处理方法降低计算复杂度;又针对单点检测带来的深衰落、隐节点以及抗噪声能力差等问题,采用分布式感知系统进行多节点协同检测并利用信噪比的估计对信号进行加权处理。仿真证明,该算法能有效降低各节点采样率,大幅提高系统检测概率,显著改善系统对噪声的鲁棒性。      

基于压缩感知信道能量观测的协作频谱感知算法

压缩感知为认知无线电宽带频谱感知提供了一种新思路。基于压缩感知原理,该文提出一种不需要重构宽带频谱本身,而是直接重构各信道能量的协作频谱感知方法。多个次用户使用宽带随机滤波器组获取信道能量的观测值。融合中心同步接收多个用户的能量观测,并利用同步稀疏自适应匹配追踪协作重构算法重构所有次用户的信道能量。仿真结果表明加性高斯白噪声环境下该协作感知方法所需的滤波器数目仅为传统方法的20%左右,瑞利衰落信道下也仅需传统方法的40%,有效降低了系统复杂度并改善感知性能。同时,该文提出的同步稀疏自适应匹配追踪算法对比经典的同步正交匹配追踪算法在重构精度及算法复杂度两方面都有所提升。     

协作认知网络中基于融合准则与感知时间联合优化的策略

在协作频谱感知网络中,感知时间和数据融合准则均影响着感知性能.假设控制信道为二进制对称信道的前提下,基于“k秩准则”建立了协作感知网络吞吐量优化问题的数学模型,目的是在保护主用户利益的前提下联合优化感知时间和k值使认知网络吞吐量最大化.理论分析了最优感知时间和k值的存在性,并进行了相关的计算机仿真.仿真结果表明:所提议...