基于压缩感知的遥感图像重构方法研究

针对遥感成像高分辨率、高光谱和多时相趋势所带来的高数据率的问题,应用ShannonNyquist采样技术难以胜任未来遥感应用中对海量信息的处理需求。为解决遥感图像采样数据量大、采样时间长以及数据传输存储量大等资源浪费的问题,提出了一种基于压缩感知的遥感图像重构方法。基于遥感图像的先验知识得到改进联合稀疏表示模型,并采用一种广义迭代收缩方法对该模型进行有效求解,实现了低采样率、低复杂度的遥感图像重构算法,获得了较高质量的图像重构效果。实验结果表明,所提出的重构算法具有一定的正确性和有效性,并且在PSNR方面比目前的主流算法要好。     

压缩感知点云数据压缩

在研究FARO 激光扫描点云数据特点的基础上,将压缩感知理论和算法应用于3D 点云数据的压缩. 通过对点云数据降维处理,直接对坐标数据进行采样压缩,应用正交匹配追踪算法进行恢复,并对恢复数据采用统计滤波的方法滤除边缘噪点. 仿真结果表明：该方法能有效地实现点云数据的压缩,且有较好的鲁棒性.     

基于NSCT与压缩感知的红外影像融合

针对红外和可见光图像在融合过程中存在质量低下、信息缺失、边缘细节不突出等问题,提出一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)与稀疏表示的压缩感知图像融合重构算法.首先利用NSCT进行源图像分解,得到相应的高频子带和低频子带图像;然后针对高频子带部分,利...     

运用压缩感知理论的图像稀疏表示与重建

讨论了压缩感知理论用于图像稀疏重建的基本流程. 采用正交匹配追踪重建算法和正交归一化的随机高斯测量矩阵,对离散余弦变换和离散小波变换两种稀疏表示算法进行分析比较,通过调节实验图像的分块大小和采样率大小、采样率和稀疏表示算法对重构效果和效率的影响. 在图像的稀疏表示方面,离散余弦变换整体上比离散小波变换性能更好. 为了在重构效果与效率之间取得平衡,需要合理选择分块大小和采样率.     

高光谱图像分块压缩感知采样及谱间预测重构

压缩感知理论提供了一种新的数据采集思路. 基于该理论提出了一种高光谱数据采集和图像重构方法,以波段分组的方式将高光谱各波段分为参考波段和普通波段,对各波段图像单独采用分块压缩感知测量以获取高光谱数据. 在图像重构过程中,参考波段采用平滑投影Landweber算法重构. 对于普通波段,结合谱间预测和平滑投影Landweber提出了一种新算法: 先采用谱间双向预测得到预测图像,然后对预测图像进行分块压缩感知测量获得测量值,并计算它与该波段原测量值之间的差值,再由测量差值重构预测差值来迭代恢复原波段图像. 该方法在数据重构过程中充分考虑了高光谱图像的谱间相关性和空间相关性,能提高图像重构精度. 实验结果表明,利用所提出的方法重构高光谱图像,其性能优于多向量压缩感知方法和分块压缩感知测量后直接对各波段图像单独重构的方法.     

基于压缩感知的异步电动机故障诊断数据压缩与重构

为提高异步电动机故障诊断过程中所采集状态信息的传输效率及诊断结果的可靠性,提出了一种采用奇异值分解的压缩感知优化方法.该方法首先对测量矩阵进行奇异值分解,然后将优化后的测量矩阵和测量向量用于压缩感知贪婪类迭代算法中,再通过精确的夹角余弦法筛选出与残差最为匹配的候选集原子,并将此原子用于稀疏信号的重构,最后得到估计的故障诊断数据信号.仿真结果表明:在相同的信号稀疏度或测量数目下,提出的优化算法相比传统的压缩感知算法能极大提高远程故障诊断数据信号的重构精度,这对实际工程中后期故障的有效去除具有重要意义.     

压缩感知稀疏识别用于多视角图像目标分类

针对多视角条件下的图像目标分类问题,提出一种基于压缩感知特征的稀疏识别方法. 该方法以原始图像的感知数据为特征描述,将测试样本与训练样本集的压缩感知特征纳入稀疏识别的框架,并通过求解一个l1范数优化问题来获取分类结果. 实验表明,该方法不仅有效利用了压缩感知特征的信息冗余性来保证稀疏识别的性能,而且无需进行预处理就能较好地实现多视角图像的目标分类.     

基于稀疏约束的CT图像重建算法研究

探讨了不完全投影数据的CT图像重建问题.基于压缩感知理论,引入稀疏约束,构造了ART-算法和SART-迭代方法,对SART-方法应用前两步迭代信息进行加速.最后针对模拟数据与实际临床数据将所提算法与传统方法进行比较.     

基于压缩感知的MIMO系统稀疏信道估计

在多输入多输出通信系统中,接收端信道均衡与相干检测需要利用信道状态信息. 传统信道估计方法如最小二乘法和最小均方误差法均基于多径信道密集型假设,导致频谱利用率低下. 为此,该文研究在单载波MIMO系统中的稀疏信道估计,利用多径信道的稀疏特性提出一种基于压缩感知理论的信道估计方法. 这种方法能利用较少的导频信号达到与传统方法相比拟的估计性能,从而提高频谱利用率. 仿真验证和理论分析表明,基于压缩采样匹配追踪的压缩感知信道估计方法为MIMO系统稀疏信道估计的最优选择.     

基于多源遥感数据的环境监测范围界定模型研究

传统环境监测范围界定方法存在适应性不高、环境监测能力偏低问题.为此,构建了基于多源遥感数据的环境监测范围动态界定模型.利用子空间压缩技术完成数据动态压缩感知处理.提取环境监测多源遥感数据的边缘像素特征集,结合特征重构和深度学习算法实现数据融合和动态寻优,构建差分融合模型.通过稀疏滤波器实现对遥感数据的特征点标定,采用边缘轮廓特征提取方法,实现对环境监测范围动态界定.仿真实验结果表明,所提方法的输出动态稳定性较好,多源遥感数据的融合度较高,且提高了对环境的动态监测和识别能力.     

一种RGB分块压缩感知的图像水印算法

根据压缩感知理论的计算保密特性,提出一种基于内容特征与压缩测量值的图像水印新算法.首先,对图像进行分块处理,获取分块RGB三个颜色层上的DCT变换系数.然后,对DCT中低频系数采用压缩感知测量提取图像内容特征,生成基于内容的数字水印.最后,利用精细化稀疏自适应匹配追踪信号重构算法,分多次把数字水印嵌入到分块颜色层的高频DCT系数的压缩测量值中,增强了水印鲁棒性.通过对提取的水印进行比对及差错控制,实现图像篡改检测.仿真实验表明,算法对图像篡改具有精确的检测能力.     

分布式压缩感知视频编码技术

介绍了典型的分布式压缩感知视频编码实现方案,并与基于信道编码的分布式视频编码进行比较. 阐述了分布式压缩感知视频编码理论基础,分析和总结了现有的分布式视频压缩感知结构. 对编码工具进行对比,指出了分布式压缩感知视频编码的特点. 剖析和展望了分布式压缩感知视频编码所需解决的视频序列稀疏表示、重建算法、码率控制等关键技术.     

浅析气象雷达常见故障

多普勒天气雷达CINRAD/CB(以下简称气象雷达)是一个探测、处理、分配并显示雷达天气数据的独立应用系统。通过一定的图形算法对距离、方位和反射率等数据做进一步处理,生成可显示的气象数据。常规的雷达装备主要由天线、发射器、接收器、显示器、电子计算机和图像传输等组成。本文主要介绍了气象雷达系统的原理和组成,重点探讨气象雷达的应用与常见故障。     

一种自动代客泊车系统研究

本文提出了一种自动代客泊车系统方案。该系统利用毫米波雷达实现障碍物距离、速度及方位探测;采用摄像头实现可行驶区域行人、车辆及车位的探测;应用激光雷达实现道路边沿及其他障碍物类型探测;通过超声波雷达感知车辆近距离目标距离;通过GPS/IMU获取车辆的定位、姿态信息。通过实车验证,该设计方案能满足实际自动代客泊车应用需求。     

压缩感知联合稀疏孔径自聚焦的多站无源雷达成像

针对外辐射源信号特点,考虑相位误差对成像性能的不良影响,提出了基于压缩感知联合稀疏孔径自聚焦的无源雷达成像方法. 利用不同载频外辐射源信号在不同转角下的点扩散函数构造稀疏传感矩阵的每个列向量,并利用lp 范数法将带约束条件的强散射点增强问题转换为无约束的最优问题求解,同时建立关于相位误差的最优化问题,通过准牛顿法求解相位误差增量,从而实现目标成像与相位误差的联合估计. 仿真结果表明,与子孔径综合无源雷达成像相比,该方法无需大的目标累积转角,同时在存在相位误差时仍可获得较好的成像效果.     

稀疏阵列MIMO雷达高精度收发角度联合估计

提出一种基于孔径扩展的稀疏阵列MIMO雷达高精度收发角度估计算法. 采用收、发阵列均为稀疏线性分布式子阵的双基地MIMO雷达系统,通过非均匀阵列设计,利用Khatri-Rao乘积运算实现收发阵列中阵元间短基线和子阵间长基线的同时虚拟扩展. 对接收数据进行降冗余和数据平滑处理,利用双尺度酉ESPRIT算法解周期性模糊,得到无模糊的高精度收发角度估计. 与传统算法相比,所提出的算法在不增加天线数目和硬件复杂度的情况下可有效扩展MIMO雷达的阵列孔径,在实现多目标收发角度联合估计的同时获得更高的参数估计性能. 仿真结果验证了阵列虚拟扩展和算法方位估计的有效性.     

三维光声图像重建的交替方向加权算法

为了在探测器数目有限的欠采样条件下提高三维光声重建图像的精度和空间分辨率,提出了一种基于结构先验信息加权的稀疏重建算法.利用待成像组织的结构先验信息对传统交替方向算法的迭代过程加以约束并对算法流程进行改进,将重建结果与最小平方QR分解法以及传统交替方向法进行对比.仿真实验结果表明,所提算法在欠采样条件下能够有效地抑制伪影,重建出空间分辨率和精度更高的三维光声图像.     

先验信息整合的OFDM快衰落信道感知估计

在OFDM系统中,如何对快时变信道进行准确估计,同时提高频谱利用率是一个极具挑战的问题.传统信道估计方法如最小二乘法和最小均方误差法均基于多径信道密集型假设,导致频谱利用率低下.本文在压缩感知的框架下,利用多径信道的稀疏特性同时整合前次OFDM块中所估计的多径位置信息,提出了一个新的OFDM快衰落信道估计方法.因为利用了信道稀疏性与多径位置信息,本文提出的方法克服了奈奎斯特采样率的约束,大幅度减少了精确估计信道对导频数的需求.仿真实验结果表明,与经典的压缩感知和最小二乘方法相比,该文方法不仅获得了更好的估计精度,而且大幅度地提高了信道的频谱利用率.     

一种新的天线空域极化特性远场测量法

提出一种天线空域极化特性的外场测量方法. 该方法引入金属球和二面角两种定标体作为雷达目标进行观测, 建立雷达天线波束扫掠目标的回波信号模型. 推导了天线空域极化特性的测量方程,通过对回波电压样本的处理和求解 获得天线的极化特性,并给出了完整的解析表达式和可用于工程实际的测量步骤. 实测数据和仿真实验表明,该方法能 有效降低设备量和测量成本,提高雷达远场预报的逼真度.     

基于小波域维纳滤波器的信号稀疏表示

经典小波分解对信号稀疏化效果不佳,为此设计了基于小波域经验维纳滤波器的稀疏表示算法. 该算法可自适应地衰减每个小波系数,增大系数的稀疏度及可压缩性,从而提高压缩感知算法对信号的恢复质量. 仿真结果表明,与传统的基于小波变换的信号稀疏表示及恢复算法相比,该算法较大地提升了对信号及图像的恢复质量.