基于PCA的无线传感器网络压缩感知算法

针对常规压缩感知算法稀疏效果不佳的问题,提出了基于PCA的无线传感器网络(Wireless Sensor Network)压缩感知算法;该算法利用主成分分析法(Principle Component Analysis)的去噪和去冗余特性为节点数据提供一个自适应的稀疏矩阵,尽可能的减少观测量,并提出一个自相关系数保证PCA技术应用的有效性;最后,通过仿真将该算法与常规算法的重构误差进行比较,结果表明当信号相似度系数r大于0.7时,前者信号重构所需的观测量少很多,重构精度更高,对于WSN数据采集能够起到很好的节能效果。     

一种基于压缩感知的快速图像处理算法研究

图像分形编码处理数据较多、压缩编码时间过长。论文提出了一种快速图像处理算法,对低频子图进行分形编码,以缩短图像压缩编码的时间,然后采用低频差值,对图像实施压缩感知编码来获取解码之后包含的图像内容信息。实验结果表明本文算法可以提高图像分形编码速度,改进重构图像的解码质量。     

基于非局部相似模型的压缩感知图像恢复算法

针对压缩感知(Compressed sensing, CS)图像恢复问题, 提出了一种基于非局部相似模型的压缩感知恢复算法, 该算法将传统意义上二维图像块的稀疏性扩展到相似图像块组在三维空间上的稀疏性, 在提高图像表示稀疏度的同时进一步提高了压缩感知图像恢复效率, 恢复图像在纹理和结构保持方面都得到了很大的提升. 在该算法模型求解过程中, 使用增广拉格朗日方法将受限优化问题转换为非受限优化问题, 为减少计算复杂度, 还使用了基于泰勒展开的线性化技术来加速算法求解. 实验结果表明, 该算法的图像恢复性能优于目前主流的压缩感知图像恢复算法.     

基于压缩感知的图像盲水印算法

针对现代数字水印的设计要求,结合压缩感知理论,提出一种图像盲水印算法。该算法利用自然载体图像在小波域中稀疏的特性,将加密后的水印嵌入载体图像离散小波变换系数中。提取水印时, 无需原始载体图像或其他先验知识,根据向量空间、矩阵方程的一些性质,以及压缩感知的重构算法,只需一个密钥(随机数种子)即可从嵌有水印的载体图像中精确提取水印并重构原始载体图像。实验证明,该水印算法具有良好的特性,能够满足实际应用的要求。     

基于Bayesian压缩感知的融合算法

根据压缩感知理论中的采样模式,提出了一种基于改进采样模式的压缩域图像融合算法.该算法首先通过双星型采样模式获得待融合图像的稀疏域压缩测量值,然后利用一种简单的绝对值最大融合规则直接在压缩感知域进行融合,最后通过贝叶斯的方法重构融合图像.在图像重建的过程中采用了贝叶斯方法.由于考虑了误差以及噪声的影响,使得融合图像的质量进一步提高.仿真结果表明,该算法具有良好的融合效果.     

图像分块压缩感知中的自适应粒重建算法

在图像分块压缩感知（Block compressed sensning, BCS）框架下,基于平滑投影Landweber迭代的重建算法能以低计算复杂度确保良好率失真性能,尤其是采用主成分分析（Principle component analysis, PCA）作自适应硬阈值收缩。然而,在PCA学习过程中忽略了图像局部结构特性平稳,会影响Landweber迭代重建性能的提升。针对该问题,本文采用粒计算（Granular computing, GrC）理论,根据图像子块结构特性将图像分解为若干粒,再实施PCA学习各粒的稀疏表示基底,并 对粒内子块硬阈值收缩去噪。由于粒内图像子块具有平稳的结构特性,可有效改善硬阈值收缩性能。实验结果表明,与传统算法相比,本文算法重建图像的整体客观质量较优, 且可更好地保护边缘与纹理等重要细节,主观视觉质量良好,与此同时,保证了较低的重建计算复杂度。     

基于压缩感知CoSaMP算法的精确重构

为有效解决压缩采样匹配追踪(Compressive Sampling Matching Pursuit, CoSaMP)算法对稀疏度K值的依赖问题,提高重构精度,提出了一种根据峰值信噪比增减变化趋势来确定最佳迭代次数的CoSaMP改进算法。先将PSNR算式进行数学推导演变,将算式中未知的原始信号巧妙转换为已知信号,并证明了此转换式与PSNR算式有相同增减性,在迭代过程中基于此转换式可根据各列稀疏度的不同,自适应的确定不同列的最佳迭代次数,从而保证更高的重构精度。理论分析和实验仿真表明,改进的CoSaMP算法比原有算法有更理想的重构效果,与其它重构算法相比有更高的重构成功率,并且更具高效性和实用性。     

煤矿井下压缩感知图像处理算法

针对煤矿井下无线传感网络因信息传输量大而导致传感节点能量消耗快、设备寿命缩减的问题,提出一种基于小波变换的压缩感知图像处理算法。该算法采用sym8小波基对图像进行稀疏化分块处理,经测量矩阵自适应采样测量,最后通过OMP算法和小波逆变换重构图像。实验结果表明,与传统的压缩感知算法相比,该算法能够以更低的采样率获得高质量的重构图像。     

面向雾计算的压缩感知图像秘密传输和篡改恢复方案

在雾计算三层数据传输框架下,用户的图像数据隐私泄露依然是最严重的问题之一,特别是大多数加密方法都不适用于物理终端资源受限的情况.因此,针对这类场景,需要设计合适的数据隐私保护方法.压缩感知具有轻量级和保密性,可以解决该问题.文章提出一种基于压缩感知的图像数据三层传输方案,不仅可以实现数据的安全传输,还可以结合里德-所罗...     

基于压缩感知的鲁棒性水印算法

为了改进传统的变换域水印嵌入算法,以提高水印嵌入效率并减小对载体图像的影响,同时保证水印信息的完整性和鲁棒性。为此,本设计采用了压缩感知的处理方法。通过使用随机高斯矩阵作为测量矩阵对待嵌入水印信息进行压缩采样,有效减少所需的嵌入信息量,提高水印嵌入效率。此外,本设计还能保证水印嵌入的安全性。经过仿真实验验证,与传统DWT算法相比,本设计具有鲁棒性强、不可见性好、实时性更优等特点。综上所述,本设计能够有效地嵌入水印信息,提高水印嵌入效率,并在保证水印信息完整性和鲁棒性的同时,减小对载体图像的影响。该设计具有实际应用价值,可广泛应用于图像水印领域。     

基于区域特性的压缩感知多聚焦融合算法

传统的基于压缩感知的图像融合算法是对整个系数进行稀疏处理,而小波分解后的低频系数不稀疏,导致压缩重构质量降低,并且传统的融合规则不易简单、全面地提取高频系数的特征值。针对这一问题,分别对小波分解得到的高、低频系数采取不同的融合规则进行处理,提出了一种改进的区域特性高频压缩感知的融合算法。其中,低频系数采用区域方差加权绝对值最大融合;高频系数首先通过具有较好RIP性质的随机观测矩阵进行压缩采样,得到的观测值基于能量匹配度的不同进行相加或加权融合,以融合不同方向的高频子带特征信息,再用正交匹配追踪重构算法对高频部分进行信号重构。最后,低频、高频信息在小波逆变换下重构出融合图像。实验结果表明,与以往的基于压缩感知的融合方法相比,此算法的融合图像更清晰,新算法无论是在主观评价还是客观评价指标上都有利于图像信号重构,并具有较好的使用性。     

基于混沌Gyrator变换与压缩感知的光学图像加密算法

为了增强光学加密技术的安全性与降低密文的数据容量,本文提出了基于混沌Gyrator变换与压缩感知的光学图像加密算法。首先,引入Logistic映射,利用明文特性 来生成其初值,利用其输出的混沌序列来生成压缩感知的测量矩阵;随后,基于压缩感知理论,对明文进行预处理,获取中间密文;利用logistic映射的随机序列来计算Gyrator变换的旋转角度,联合随机相位掩码,利用Gyrator变换方法对中间密文完成光学调制,得到最终密文。实验结果显示：与当前光学加密技术相比,所提算法具有更高的安全性与抗明文攻击能力。     

基于压缩感知的图像重构算法

在图像压缩感知中,梯度投影恢复算法存在收敛速度慢、迭代次数多、对数据稀疏度过分敏感的问题。为此,提出一种基于压缩感知的图像重构算法。将拟牛顿法引入稀疏梯度投影算法中,利用拟牛顿法的估计校正机制以及其全局超线性收敛性,通过对目标函数的校正,获得更精确的搜索方向,从而减少迭代次数,构成有效收敛的图像恢复算法。实验结果表明,与传统梯度投影恢复算法相比,该算法在保证较好图像恢复效果的同时具有较好的抗噪性能,并且在减少迭代次数的基础上能有效降低重构误差,得到稳定收敛的重构结果。     

基于压缩感知的MIMO-TDCS频谱感知方法

针对MIMO-TDCS系统频谱感知中因数据量大而较难实现的难题,提出一种利用压缩感知的MIMO-TDCS频谱感知方法.在电磁环境一致的情况下,收发两端分别用远低于乃奎斯特的采样速率对电磁环境信号进行采样,然后用正交匹配追踪算法对信号进行重构,并通过二元门限进行状态判决.实验结果证明,运用压缩感知技术能大大减少电磁环境宽带信号的快速采样和处理难度,在选取合理测量值的情况下能够准确恢复信号,进而能有效地检测和剔除干扰,达到抗干扰的目的.     

压缩感知及其图像处理应用研究进展与展望

压缩感知理论（Compressed sensing,CS）通过少量的线性测量值感知信号的原始结构,并通过求解最优化问题精确地重构原信号.该理论减少了数字图像及视频 获取时的存储及传输代价,也为后续的图像处理及识别的研究提供了新的契机,促进了理论和工程应用的结合. 阐述了CS的基本原理,综述了其关键技术稀疏变换、观测矩阵 设计、重构算法的一系列最新理论成果和发展,深入分析和比较了CS理论应用到图像处理领域的研究和发展状况,总结了其中存在的问题,并对未来的应用前景进行了展望.     

基于最大后验概率估计的压缩感知算法

针对压缩感知重构算法计算代价较大的问题,提出了一种用来构建压缩感知稀疏数据重构算法的MAP方法。此方法相对于一般的观测矩阵来说,计算代价较低。₁-范数使用一个标准的线性规划算法的最小计算代价是O(N³),该方法通过使用最大后验方法使计算代价减少到O(N²),并通过引入分割比来使算法更好地收敛。实验证明此方法能够获得较为成功的重构区域。     

基于压缩感知理论的视频编解码方法

压缩感知理论是一种全新的信息处理方式,是近来国际上热门的研究方向,在信号处理等其他领域中具有很好的应用前景。结合压缩感知理论和传统的视频编解码技术,设计提出了一种基于压缩感知理论的视频编解码方案。用测试视频进行了仿真实验,结果表明该算法能够取得较好的效果。     

基于压缩感知理论的图像压缩技术研究

压缩感知理论是近年来信号处理领域诞生的一种新的信号处理理论。相较于传统的奈奎斯特采样定率,压缩感知理论采样数据量少,节省了后续处理时间和存储空间,这使其在信号处理领域有着广阔的应用前景。首先讨论了应用压缩感知理论的三个关键问题:信号稀疏表示、随机测量矩阵设计、信号重构算法,初步研究了压缩感知理论在图像压缩技术中的应用,给出了在不同压缩率下的重构图像和PSNR。计算机模拟结果表明了理论的可行性。