无线传感器网络中基于压缩感知的静止图像压缩方案研究

受功耗、成本和无线传输环境的限制,无线传感器网络中采集图像的节点并不适合采用传统静止图像压缩标准JPEG、JPEG2000.为了适应无线传感器网络的“轻编码、重解码”的特点,提出了一种基于压缩感知(Compressive Sensing,CS)的静止图像压缩方案.该方案在编码端进行分块测量,分块测量次数根据图像的边缘信息自适应地分配;在解码端则利用分块观测数据进行整帧重建.仿真实验表明,与已有的基于CS的图像压缩方案相比,该方案可有效地降低CS测量成本,并可在重建时消除图像的边缘模糊与块效应现象.     

分块OSTM测量矩阵构造及自适应压缩感知算法

针对目前随机测量矩阵物理实现困难、成本较高等不足,在研究确定性测量矩阵构造的基础上,基于分块循环结构,提出了分块正交对称Toeplitz矩阵(OSTM)的构造方法.分块OSTM具有伪随机循环结构,易于硬件实现,其独立变元个数大大减少,可降低存储和运算时间.针对目前图像分块压缩感知中单一采样的缺陷,将图像块进行分类,根据图像局部结构自适应分配采样率,结合分块OSTM设计,提出了基于分块OSTM的自适应压缩采样算法.仿真实验结果表明,基于分块OSTM的压缩测量获得的重构图像PSNR显著提高,图像主观质量得到了有效改善.     

压缩感知图像的块子带自适应稀疏表示规则化重构

针对自然图像信号的非平稳特性和不同图像块的变换域系数的分布差异较大, 基于分块图像子带自适应 稀疏表示规则化,提出了一种新的压缩感知图像重构方法．先利用非局部相似块组估计每个分块图像变换域各子 带系数的均值和标准差,再将图像块各子带系数进行去均值并关于标准差归一化, 最后将去均值归一化处理的子 带系数的l₁范数表示用于规则化压缩感知重构．由于块子带自适应稀疏表示更加合理地表达了稀疏系数的重要 性,使得重构图像能够更好地保留纹理、边缘等细节信息．大量的实验结果表明: 相比组稀疏表示的压缩感知重构 算法,该方法重构图像的峰值信噪比平均提高了0.69 dB．     

基于多层分块自适应压缩感知的图像编解码方法

压缩感知中,测量矩阵对图像进行单一采样率的压缩采样。传统的测量矩阵虽然能够获得比较好的重构效果,但因采样数目较多,故而资源耗费也较多。为了解决上述问题,提出了多层分块自适应编码算法(multi-layered block adaptive coding algorithm,MLBA)以及多层分块自适应压缩感知编解码方法(multi-layered block adaptive compressed sensing codec method,MLBACS)。MLBACS编解码方法基于MLBA编码算法,能够根据图像局部结构进行不同层数和大小的分块,并自适应分配采样率。仿真结果表明,在同等重构性能的前提下,相对于单一采样率下的压缩感知,MLBACS编解码方法能够不同程度地降低重构图像所需的采样数目。     

基于K-SVD 字典学习的岩心图像压缩感知重构

针对传统方法进行岩心图像压缩感知重构时,在低码率下容易产生细节丢失的问题,提出一种基于 K-SVD( K-Singular Value Decomposition) 超完备字典学习的压缩感知重构算法。首先根据分块压缩感知理论,将 岩心图像分块,采用高斯随机矩阵对相应层级的图像块进行观测,得到对应的观测值块,然后用MMSE ( Minimum Mean Squareerror Estimation) 方法获得初始解的估计并利用提示小波进行滤波,通过全局阈值的思想 得到自适应阈值,最后利用K-SVD 字典结合Landweber 迭代实现压缩与重构。实验结果表明,与传统方法相 比,在相同的采样率下获得的重构图像能较好地保留岩心图像的纹理信息,重构岩心图像的PSNR( Peak Signal to Noise Ratio) 值提高约0． 1 ～ 0． 8 dB。     

基于自适应中值滤波的分块压缩感知人脸识别

本文将自适应中值滤波和分块思想融入到压缩感知的人脸识别算法中,提出基于自适应中值滤波的分块压缩感知人脸识别算法。实验分别采用原识别方法和改进的识别方法对噪声密度为0.1、0.2、0.3、0.4、0.5的椒盐噪声人脸图像进行识别,结果证明本文提出的人脸识别方法在噪声密度较大时体现出其优越性,识别率比基于压缩感知的人脸识别算法高出2%¹0%。     

视觉显著性导向的图像压缩感知测量与重建

提出利用视觉显著性指导图像压缩感知的自适应测量与重建的算法.考虑到感知端不可负载过多的计算量,采用亮度对比度计算输入全采样图像的显著度,并根据块显著度实现自适应测量;重建端利用动态变化的块测量率重新估算块显著度,并以此加权重建模型的目标函数,集中优化高显著块.实验结果表明:与传统算法相比,所提算法重建图像的整体客观质量更优,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,同时保证了较低的测量与重建计算复杂度.     

基于DCT-CS和ATC的联合信源信道编码

提出了一种基于离散余弦变换的压缩感知(DCT-CS)编码与非对称Turbo码(ATC)的联合信源信道编码方法.该法将分块图像依据信号的自然属性和视觉特性先进行DCT变换,再按Zigzag扫描,并用压缩感知进行压缩,最后与非对称Turbo码结合实现了自适应图像压缩传输的联合信源信道编码-实验仿真结果表明:根据不同的无线信道环境自动采取不同的图像分块大小和压缩感知测量数以及非对称Turbo码类型,能够达到图像的传输速率和重建质量的优化平衡.     

基于FOCUSS的图像分块压缩感知

为了解决图像重建计算复杂度大的问题,有人提出了分块压缩感知( Block Compressed Sensing),但基于正交匹配追踪(OMP)的图像分块重建会产生明显的块效应.针对这一问题,本文提出了基于欠定系统局灶解法(FocalUnderdetermined System Solution,简称FOCUSS)的图像分块重建,算法首先对图像进行分块,然后用傅里叶变换把图像稀疏化,再用FOCUSS重建分块图像.仿真实验结果表明,基于FOCUSS的图像分块重建不仅降低了图像块效应,而且提高了重建图像质量.     

一种新的基于分块的视频压缩感知算法

提出了一种新的基于分块的视频压缩感知算法,可以将视频采集和压缩编码有机结合起来同时进行. 为利用视频时间轴上的冗余,对参考帧和非参考帧使用不同的采样策略:对于参考帧,先进行分块然后进行常规的压缩感知采样;对于非参考帧,将分块后和参考帧对应块作比较然后调整采样策略. 非参考帧的采样可以为参考帧提供更多的信息,使得在采样数目很少的情况下得到更高的视频质量. 同时算法可以根据视频帧内部的纹理复杂程度自适应地调整采样速率,优化资源配置. 实验结果表明,相对于一般的压缩采样算法,本算法使用比以往算法少20%以上的采样值,得到的结果既符合人眼观察又有最高的信噪比.      

实时自适应噪声对消系统的TMS32010实现

提出了采用TMS32010高速数字信息处理芯片和APLMS算法实现实时自适应噪声对消系统的硬件结构和软件流程，通过实验验证了这种实时系统的有效性。     

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合，得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS)，该算法可以有效地降低输入信号的自相关程度，克服固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声，可以很好地应用于自适应系统中。     

一种优化型自适应滤波器结构

各种自适应算法的性能除了与其自身的特性有关外,还与外部信号环境密切相关。本文针对LMS算法易受外部噪声的影响,产生权失调,从而影响到算法的性能,提出了一种优化型自适应滤波器的结构(OPAF),该结构提高了算法的抗噪声性能。并以此结构实现了噪声抵消(ANC)与回波抵消(EC),实验结果表明,其抗噪声性能指标优于传统结构的自适应滤波器。     

用单片微机实现自适应滤波：自适应噪声抵消系统（ANCS）

本文主要介绍了用单片微机实时实现自适应滤波的研究,着重讨论了对50Hz干扰的消去——自适应噪声抵消.文中包括用APPLEII模拟自适应滤波实现的可能性研究,用MCS-51实现ANCS软硬件的介绍.本文对自适应滤波的研究和实用以及教学实验均有一定的参考价值.     

一个新超混沌系统的自适应控制与同步

研究只有一个平衡点的新超混沌系统的自适应控制与自适用同步问题.首先在假设参数完全未知的情况下,设计了一个非线性控制器,提出了相应的系统参数的自适应律,将系统控制到不稳定的平衡点.其次讨论了该超混沌系统与其自身的单向耦合同步,并提出了一种非线性耦合同步方案,找到了相应的系统参数的自适应律,使得驱动系统与响应系统达到全局完全同步.用Lyapunov函数法从理论上证明了结论的正确性,还用Matlab作了数值模拟,模拟结果表明设计是可行的.     

一种无需对象模型的自适应控制方法

研究了一种无需对象模型的自适应控制方法,使用该方法能对机理复杂,对象模型难以确定的系统实现有效的控制。     

基于神经网络的自适应滤波研究

自适应信号处理在信号处理中占据主要地位,自适应滤波又是自适应信号处理中的主要应用.目前对自适应滤波的研究主要集中在算法上,但很难在收敛速度、稳定性和跟踪性能上同时取得最佳性能.综合考虑自适应滤波的各种性能,研究基于神经网络的自适应滤波方法,并通过实例应用来证明了该方法的有效性.该研究对拓展自适应滤波方法和神经网络的应用都具有重要的参考价值.     

散乱数据云的自适应网格划分

提出了一种基于图像边缘检测的自适应网格划分算法，用此方法可以根据测量曲面的几何特征控制型值点的疏密分布，并在保证模型精度的同时，减少了模型数据量，该算法分图形-图像灰度映射，细化点检测，网格自适应细化三个部分，图形-图像灰度映射将三维数据云映射为灰度图像，通过图像处理检测细化点，定位细化点的位置，由此实现网格自适应细化，在柴油机引擎的测量数据云上的应用表明，该方法可以显著地降低模型数据量，提高建模效率。     

一种具有大纯滞后系统的自适应Smith控制方法

运用李雅普诺夫稳定性原理,设计了自适应预估器,提出了一种大滞后系统的自适应Smith预估控制方法。它有效的克服了Smith预估控制方法对被控对象数学模型要求精确的主要弱点,能够应用于一些参数易变且变动较大的工业对象,特别是对大纯滞后且滞后时间变动大的工业对象能获得很好的效果。数字仿真结果令人满意。     

用单片微机实现自适应滤波——自适应噪声抵消系统(ANCS)

本文主要介绍了用单片微机实时实现自适应滤波的研究,着重讨论了对50Hz 干扰的消去——自适应噪声抵消。文中包括用 APPLEⅡ模拟自适应滤波实现的可能性研究,用MCS—51实现 ANCS 软硬件的介绍。本文对自适应滤波的研究和实用以及教学实验均有一定的参考价值。