隨著信息科技技術(shù)的發(fā)展,以及電力設(shè)備生產(chǎn)傳輸過(guò)程中物聯(lián)網(wǎng)技術(shù)的引入,各種傳感器采集的圖像監(jiān)控?cái)?shù)據(jù)成幾何倍數(shù)的增長(zhǎng)。龐大的數(shù)據(jù)量嚴(yán)重沖擊著電力監(jiān)控監(jiān)測(cè)系統(tǒng)的數(shù)據(jù)傳輸和存儲(chǔ)。壓縮感知理論改變了人們?cè)谑占盘?hào)和模數(shù)轉(zhuǎn)換問(wèn)題中傳統(tǒng)思路。本文介紹了壓縮感知的基本理論和概念,詳細(xì)分析了現(xiàn)有常用測(cè)量矩陣構(gòu)造方法并實(shí)驗(yàn)仿真分析各自?xún)?yōu)劣性,構(gòu)造新的測(cè)量矩陣應(yīng)用于小波變換和分塊壓縮感知中,提出了兩種不同于傳統(tǒng)的圖像處理算法。主要做了以下工作:（1）針對(duì)電網(wǎng)安全監(jiān)控過(guò)程中圖像數(shù)據(jù)傳輸量大,節(jié)點(diǎn)能耗高、設(shè)備壽命年限短、傳輸和存儲(chǔ)設(shè)備的受限等問(wèn)題,提出了一種基于壓縮感知圖像處理算法。在本文開(kāi)始時(shí)介紹了壓縮感知的基本理論和概念,分析了測(cè)量矩陣的構(gòu)造要求以及常用的重構(gòu)算法,并提出基于奇異值分解的測(cè)量矩陣優(yōu)化,經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證,優(yōu)化后的測(cè)量矩陣較未優(yōu)化前峰值信噪比有1-2dB的提高。（2）對(duì)比經(jīng)典的壓縮感知圖像處理算法,將小波變換和壓縮感知理論結(jié)合,提出了一種基于小波變換的壓縮感知圖像處理算法,構(gòu)造基于混沌系統(tǒng)蟲(chóng)口序列的測(cè)量矩陣應(yīng)用于小波變換中,并進(jìn)行實(shí)驗(yàn)驗(yàn)證。（3）針對(duì)壓縮感知整體采樣計(jì)算的復(fù)雜度,選擇分塊壓縮感知的思... 

【文章來(lái)源】：安徽理工大學(xué)安徽省

【文章頁(yè)數(shù)】：101 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 研究的意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 論文的主要內(nèi)容和結(jié)構(gòu)
2 壓縮感知相關(guān)介紹和測(cè)量矩陣的優(yōu)化
    2.1 壓縮感知理論
        2.1.1 稀疏表示
        2.1.2 測(cè)量矩陣的構(gòu)造
        2.1.3 重構(gòu)算法
    2.2 信號(hào)重構(gòu)衡量指標(biāo)
        2.2.1 峰值信噪比
        2.2.2 平均結(jié)構(gòu)相似指標(biāo)
    2.3 常見(jiàn)測(cè)量矩陣研究
        2.3.1 常見(jiàn)測(cè)量矩陣的介紹
        2.3.2 常見(jiàn)測(cè)量矩陣的實(shí)驗(yàn)仿真
    2.4 基于SVD測(cè)量矩陣優(yōu)化
        2.4.1 奇異值分解的定義
        2.4.2 基于SVD測(cè)量矩陣的優(yōu)化
        2.4.3 實(shí)驗(yàn)驗(yàn)證
    2.5 本章小結(jié)
3 基于小波變換的壓縮感知圖像處理算法
    3.1 基于小波變換的壓縮感知理論
        3.1.1 小波變換
        3.1.2 小波的概念
        3.1.3 圖像小波系數(shù)的特點(diǎn)
    3.2 一種基于小波變換的壓縮感知圖像處理算法
        3.2.1 基于混沌系統(tǒng)測(cè)量矩陣的構(gòu)造
        3.2.2 算法具體設(shè)計(jì)步驟
        3.2.3 算法實(shí)驗(yàn)驗(yàn)證
    3.3 本章小結(jié)
4 一種基于分塊壓縮感知圖像處理算法
    4.1 分塊壓縮感知(BCS)
        4.1.1 分塊壓縮感知的概念
        4.1.2 分塊壓縮感知采樣過(guò)程
        4.1.3 分塊壓縮感知重構(gòu)的特點(diǎn)
    4.2 一種基于分塊壓縮感知的圖像處理算法
        4.2.1 算法的具體實(shí)現(xiàn)內(nèi)容
        4.2.2 算法實(shí)驗(yàn)驗(yàn)證
    4.3 本章小結(jié)
5 無(wú)線(xiàn)傳感器硬軟件電路的設(shè)計(jì)
    5.1 實(shí)驗(yàn)平臺(tái)搭建
        5.1.1 網(wǎng)絡(luò)節(jié)點(diǎn)的硬件結(jié)構(gòu)
        5.1.2 硬件介紹
    5.2 節(jié)點(diǎn)軟件設(shè)計(jì)
        5.2.1 ZigBee軟件開(kāi)發(fā)環(huán)境
        5.2.2 協(xié)調(diào)器節(jié)點(diǎn)軟件設(shè)計(jì)
        5.2.3 感知節(jié)點(diǎn)軟件設(shè)計(jì)
    5.3 Z-Sensor Monitor顯示
    5.4 本章小結(jié)
6 基于壓縮感知的電力設(shè)備視頻圖像處理算法研究
    6.1 壓縮感知理論的應(yīng)用
        6.1.1 壓縮感知超寬帶信號(hào)處理
        6.1.2 壓縮成像
        6.1.3 壓縮機(jī)器學(xué)習(xí)與網(wǎng)絡(luò)數(shù)據(jù)的應(yīng)用
    6.2 電力設(shè)備運(yùn)行監(jiān)控
        6.2.1 電力設(shè)備監(jiān)控的大背景和應(yīng)用
        6.2.2 圖像噪聲與濾波
    6.3 圖像采集與處理
        6.3.1 圖像數(shù)據(jù)的采集
        6.3.2 圖像數(shù)據(jù)的處理
    6.4 基于壓縮感知的電力設(shè)備視頻圖像處理算法研究
        6.4.1 小波壓縮感知電力設(shè)備視頻圖像算法研究
        6.4.2 分塊壓縮感知電力設(shè)備視頻圖像算法研究
    6.5 本章小結(jié)
7 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介及讀研期間主要科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于方差穩(wěn)定化和PPB加權(quán)最大似然估計(jì)的中子圖像復(fù)原方法研究[J]. 劉娜,喬雙,孫佳寧.  東北師大學(xué)報(bào)(自然科學(xué)版). 2018(02)
[2]基于稀疏表示與字典學(xué)習(xí)的彩色圖像去噪算法[J]. 楊培,高雷阜,王江,訾玲玲.  計(jì)算機(jī)工程與科學(xué). 2018(05)
[3]基于字典學(xué)習(xí)的圖像稀疏去噪算法[J]. 沈晨,張旻.  探測(cè)與控制學(xué)報(bào). 2018(02)
[4]壓縮感知和無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的電力監(jiān)控系統(tǒng)[J]. 王林生,王臻卓.  電子器件. 2018(02)
[5]基于改進(jìn)的模糊C均值聚類(lèi)算法的顆粒種子圖像分割方法[J]. 王宇,陳婧,王高.  中北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[6]面向電力設(shè)備的一體化智能監(jiān)控系統(tǒng)[J]. 朱瑞昌,林勇.  儀表技術(shù)與傳感器. 2018(03)
[7]基于CS架構(gòu)的煤礦井下圖像處理算法研究[J]. 趙小虎,劉閃閃,沈雪茹,有鵬.  煤炭科學(xué)技術(shù). 2018(02)
[8]基于稀疏表示及正則約束的圖像去噪方法綜述[J]. 彭真明,陳穎頻,蒲恬,王雨青,何艷敏.  數(shù)據(jù)采集與處理. 2018(01)
[9]基于改進(jìn)HHT的非高斯噪聲中瞬態(tài)通信信號(hào)檢測(cè)[J]. 郭曉陶,王星,周東青,張瑩.  北京航空航天大學(xué)學(xué)報(bào). 2017(08)
[10]基于分段可調(diào)節(jié)OMP算法的圖像壓縮感知算法[J]. 石曼曼,李雷.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(11)

博士論文
[1]語(yǔ)音壓縮感知關(guān)鍵技術(shù)研究[D]. 孫林慧.南京郵電大學(xué) 2012
[2]基于混沌理論的遙測(cè)信息安全技術(shù)研究[D]. 羅啟彬.中國(guó)工程物理研究院 2009

碩士論文
[1]淮南地區(qū)變電站智能輔助監(jiān)控系統(tǒng)研究與應(yīng)用[D]. 徐韋.華北電力大學(xué)(北京) 2017
[2]基于小波變換的圖像壓縮感知方法研究[D]. 謝小紅.湖南大學(xué) 2012
[3]用于壓縮感知的確定性測(cè)量矩陣研究[D]. 李浩.北京交通大學(xué) 2011



本文編號(hào)：3644039