基于压缩感知的土壤呼吸监测传感网动态采样调度策略

土壤呼吸监测传感网通常部署在野外,无法直接访问电力,并且土壤呼吸测量过程比较复杂、能耗较高,因此在满足重建准确度要求的前提下,希望以尽量少的采样次数来进行测量.利用土壤呼吸真实物理过程中时间序列的相关性,可以采用压缩感知理论来实现采样调度.本文提出了一种基于压缩感知的分段动态采样调度策略:利用前期测量数据进行分析得到的先验知识,对测量时间区间的数据序列进行分段线性拟合,依据分段数据子序列的线性程度度量指标,动态确定各段的采样率.土壤呼吸测量仪在进行监测时,按照分段动态变化的采样率构造压缩感知采样和重建所需的测量矩阵.实验结果表明,相比平均采样率相同的固定采样策略,本文提出的分段动态采样策略能够得到更好的重建质量,即如果以确定的重建误差阈值作为需求,则本文的动态采样策略具有更小的采样率.虽然计算动态采样率会带来一定的计算开销,但减少的采样次数可以节省更多的能量.本文提出的基于压缩感知的分段动态采样策略,虽然在土壤呼吸监测传感网的应用场景中进行了实验和分析,但其思想对于其他类似应用的采样调度和节能问题也具有借鉴价值和潜在的可应用性.     

图像视频信号的压缩采样与稀疏重建

要视觉传感器通常不知道它们“看到”的现象之下的物理过程，以远远超出图像视频信号有效维度的Shannon／Nyquist采样率获取图像视频数据，从而导致了对图像视频信号的存储、传输等数字处理的巨大压力．压缩感知（compressivesensing，CS）理论表明：在某个线性变换域下稀疏的信号，可以利用少量的观测数据精确地重建，或在噪声情况下鲁棒地重建．压缩感知是实现图像视频信号有效维度采样的理论基础，为图像视频信号的采样、处理和识别等领域带来了前所未有的突破．本文对图像视频信号领域压缩感知面临的基本问题：压缩采样、稀疏重建模型及其优化求解算法的研究进展进行了综述．在采样方面，分析了图像视频信号随机观测矩阵和有结构观测矩阵的性能；在稀疏重建模型方面，从图像视频信号的稀疏先验性出发、介绍了分析型的重建模型和合成型重建模型的构建方法；在优化求解方面，针对重建模型，介绍了约束优化问题和无约束优化问题两类求解算法．以此为基础，分析了在图像视频领域压缩感知的理论与应用的进一步发展所面临的问题和挑战，展望了未来的发展方向．     

稀疏化的压缩传感超声图像重构特性研究

传统医学超声成像射频信息存储数据量大,传输耗时且成本高.基于稀疏化的压缩传感技术,研究超声图像的稀疏特性,利用离散余弦变换(DCT)对原始超声图像进行稀疏变换,在稀疏域内进行压缩采样获得降采样数据,然后通过求解L1范数重构原始图像.理论和实验表明,该方法可以很好地应用到超声图像的重构中,且随着稀疏度的减小和测量值的增加,重构图像的峰值信噪比(PSNR值)增加,重构图像的视觉效果较好.     

基于压缩感知理论的杂草种子分类识别

在农业领域,实现自动、准确、稳健的种子分类识别算法是具有重要经济意义的.由于杂草种子的类别很多,大小、形状、纹理等特征变化多样,即使一个类别的种子,不同的特征也会在数量上有所差异.另外,由于种子常常会因潮湿、病菌等因素,产生霉块或病斑即是连续遮挡或噪声的问题,而之前的算法不适合解决此问题.文中通过求解一个复合的欠定线性方程组优化问题来解决杂草种子的连续遮挡问题.文中利用压缩感知理论在机器学习领域的运用,用主成分分析、下抽样、随机取样等方法对种子图像降维,然后就把杂草种子分类问题归结为一个求解待测样本对于整体训练样本的稀疏表示问题.问题的求解通过e~1范式最小化完成.实验结果表明,利用稀疏表示算法进行分类,可以达到很好的识别效果,对于87类的杂草种子,最好的识别率是90.80%.     

基于边缘检测的 RIP混合插值算法

图像放大是 RIP软件中十分重要的环节,其所用插值算法的优劣直接关系着输出图像的质量与速度.利用 Canny算法提取的边缘信息将低分辨率图像分为平坦区域与边缘区域,对非边缘区域采用双线性插值算法,对边缘区域使用沿4相邻降采样点确定的方向进行插值的特殊算法.经实验证明,与经典插值算法相比,放大图像边缘效果更好,且处理速度更快,可实际用于对图像质量与处理效率要求高的 RIP软件     

基于压缩感知的宽孔径SAR成像

宽孔径SAR数据包含目标不同姿态角散射信息,实现宽孔径SAR成像对目标轮廓重构与解译识别具有重要价值.本文首先提出点模糊函数(point ambiguous function,PAF)研究影响压缩感知SAR成像的因素,然后用模型失配函数(model mismatch fucntion,MMF)分析宽孔径测量条件下点散射模型失配对成像性能的影响.最后根据上述结论,选择发射信号参数改善测量矩阵性能,利用广义似然比检验方法克服模型失配对成像性能的影响.实验结果验证了本文结论的正确性和成像算法的有效性.     

基于混合像元分解的遥感图像融合实用算法

传统的图像融合算法,如IHS变换、合成变量比、主成分替换等方法所得到的融合图像通常存在不同程度的光谱扭曲现象.一种基于混合像元分解的图像融合算法(FSMA)可以很好地保持图像的光谱信息,但该算法仅在以终端端元为先验知识的模拟数据中得到了成功的应用.分析表明,由于全色波段与多光谱波段光谱响应函数不同以及多光谱波段通常不能覆盖整个全色范围,原有的FSMA算法并不能直接应用到真实遥感数据中.文中提出了一种改进的基于混合像元分解的图像融合算法(IFSMA).该算法通过重构原有算法中优化问题的目标函数,降低了对利用多光谱数据模拟全色波段亮度值的难度,使得基于混合像元分解的图像融合算法可以推广应用到真实遥感数据中.实验结果表明,IFSMA算法在光谱信息和空间信息的保持方面均优于IHS变换、合成变量比、主成分替换以及原有的FSMA等算法.     

基于轮廓小波的图像信号去噪算法研究

在非下采样Contourlet变换域中,针对憎水性图像相关特性,分析了图像有用信息与干扰噪声,提出了基于非下采样Contourlet变换复合绝缘子憎水性图像去噪算法,对变换后低频分量中含有光照不均匀成分采用B样条曲面进行近似,得到补偿后低频分量；对多分辨率多方向性带通分量中乘性噪声应用非线性扩散有选择滤波,最后对修正后系数重构.实验结果表明:与同态滤波相比,此算法不仅对憎水性图像光照不均匀部分最佳补偿,而且图像的细节、边缘信息得到有效的保留甚至加强,为后续憎水性图像分析与理解提供了良好的基础.     

一种快速TMF的无监督SAR图像多类分割算法

三重Markov随机场(TMF)模型非常适合处理非平稳、非高斯图像的分割问题.为了降低模型和算法的复杂性,以满足对实测SAR图像处理的实时、稳健和高效的需求,文中提出了一种快速TMF的无监督SAR图像多类分割算法.该算法首先针对SAR图像的乘性斑点噪声,研究了SAR图像四叉树分解的数字特征、阈值选取及分解规则,使得在图像平滑区进行粗分解,而在图像边缘区进行细分解,将图像快速映射成一种新的基于边缘信息的pixon描述,然后再将TMF算法进行扩展,导出了基于边缘信息pixon描述的TMF新的势能函数,最后完成Bayes最大后验模型(MPM)分割.测试数据和实测SAR图像的仿真实验验证了快速TMF算法的有效性.     

一种高定位精度的安全JPEG图像认证水印算法

分析讨论了现有的JPEG图像认证水印算法存在的定位精度低和安全性差等问题，并实现了对现有认证水印算法的两种伪造攻击．在此基础上，提出了一种高定位精度的安全JPEG图像认证水印算法，推导给出了该算法在一般区域篡改和拼贴攻击下的篡改检测概率和虚警概率，该算法对每个图像块固定选取4个中频系数嵌入水印并利用剩余的DCT系数生成4比特水印信息，然后基于不同密钥分别选取每比特水印信息嵌入的图像块，使得每个图像块的4位水印随机嵌入在不同图像块对应的中频系数中，认证时根据图像块提取出的4比特水印信息并结合其九邻域判定该图像块内容是否被篡改．理论分析和实验结果表明：该算法不仅具有精确的篡改定位精度，而且具有很高的安全性和抵抗拼贴攻击的能力。     

Harris Laplace特征区域 Contourlet域遥感图像水印算法

针对现有遥感图像水印算法抵抗旋转、剪切、水平镜像及联合几何攻击能力差的问题,提出一种局部化遥感图像数字水印新方法.算法首先对水印图像进行 Arnold置乱预处理,并将其行扫描形成一维向量作为待嵌入的水印信息;在宿主遥感图像中提取 Harris Laplace特征点,依据特征点确定水印嵌入特征区域;规范所选特征区域,对其进行归一化后实施 Contourlet变换,利用奇偶量化方法将数字水印嵌入选定的变换系数内.实验证明算法对滤波、噪声、JEPG压缩等常规信号处理具备较好鲁棒性,并且能够更好地抵抗旋转、缩放、平移及其联合等几何攻击     

压缩感知非凸优化超宽带信道估计方法研究

超宽带信号由于传输路径较复杂且功率谱密度较低，准确的信道估计十分重要．但是由于其带宽较宽，难以直接采样．压缩感知理论提供了一种可行的低速采样方法．目前的压缩感知超宽带信道估计方法一般采用l1范数约束的凸优化形式或无稀疏性的l2范数约束形式，对目标向量的稀疏性约束不强，而拥有最强稀疏性的l0范数又缺少有效的重构算法．针对上述问题，本文设计一种基于非凸优化算法的压缩感知超宽带信道估计方法．首先将目标函数设置成l，范数约束的非凸优化形式，然后利用凸函数较易求得极值的性质，将原非凸函数组合成为凸函数形式的目标函数，并通过每步迭代凸函数对非凸函数的逼近来求解目标函数，进而估计出原信道．由于lp范数更接近于l0范数，所以对目标向量稀疏性的约束更强．实验结果表明，所提方法相对于现有的压缩感知超宽带信道估计方法能够有效降低重构误差．     

单张正面人脸图像的三维人脸重建方法研究

针对基于单张正面人脸图像进行三维人脸重建时所需脸部侧面深度信息缺失的问题，提出基于BP神经网络快速三维重建方法。通过建立BP神经网络估计出正侧面人脸数据的关系，从而由输入的正面数据得到侧面数据，并对BP算法做出改进，加速了算法的收敛，提高了拟合的精度。然后利用获取的人脸侧面数据调整CANDIDE-3人脸模型，生成近似图...     

Split Bregman迭代算法生物发光断层成像

生物发光断层成像重建中,发光光源在生物体内稀疏分布,基于压缩感知思想,将?1范数正则化的稀疏重建应用于生物发光断层成像,并采用Split Bregman迭代算法求解?1范数目标函数,以获得快速、稳定的重建.三维数字鼠模型数值实验结果表明,该算法应用于生物发光断层成像重建,在没有使用任何光源可行区域先验和多光谱测量信息的条件下,仍能获得准确的定位和定量重建结果,算法对噪声具有较好的鲁棒性.     

改进的多方向融合图像插值算法

为了解决数字图像插值过程中出现的边缘模糊和锯齿现象,提出一种改进的多方向融合图像插值算法.该算法将图像分为平坦区域和边缘区域,平坦区域采用双线性插值算法进行插值,边缘区域采用多方向融合算法进行插值.实验结果表明,该算法运算复杂度小,其结果在主观视觉效果和客观指标方面都有很大的改善,且适用于任意倍数的插值放大.     

基于压缩感知的多角度合成孔径雷达成像

多角度合成孔径雷达（syntheticapertureradar，SAR）成像是实现多SAR信息融合的重要方式．对提高成像分辨率．重构目标轮廓进而提高雷达目标检测或分类性能具有基础性价值．由于各传感器发射信号和测量位置的多样性，实现多角度SAR成像具有挑战性．如何在噪声干扰情况下快速实现多角度SAR成像是一个新问题．本文建立了基于压缩感知的多角度SAR测量模型．通过对测量矩阵的分析，证明多角度SAR测量角度范围、发射信号载频和空间采样位置是影响成像性能的关键因素，研究了目标空间离散间隔对成像质量和分辨率的影响．以上述分析为基础，本文对多角度SAR发射信号载频和测量位置进行设计，构建满足约束等距性的测量矩阵．针对测量矩阵阶次较高的问题，文章提出用分段正交匹配追踪（stagewiseorthogonalmatchingpursuit，STOMP）进行模型求解，在测量矩阵欠定严重的情况下，该算法可以迅速求得模型最优稀疏解．在实验环节．通过分析多角度SAR参数对成像性能的影响，进一步验证了本文结论．实验验证了模型和相应求解算法的有效性和鲁棒性．     

融合块结构的等周算法及其在CT图像分割中的应用

等周分割是一种基于图谱理论的分割算法,能有效提高图像分割质量且有较高的效率及稳定性.本文提出了一种融合块结构的等周分割算法.该算法采用块结构来减少图中节点数.并根据CT图像特征,将该算法应用到CT图像分割中.实验结果表明,融合块结构的等周分割算法在CT图像分割中取得较好的分割效果,并大大提高了分割效率.