隨著近年來微電子集成電路的迅猛發(fā)展,大規(guī)模CCD或CMOS集成傳感器陣列的加工技術日漸成熟,成本越來越低。因此,依托于CCD或CMOS集成傳感器陣列的傳統(tǒng)圖像及視頻采集的技術,在可見光波段,已經(jīng)實現(xiàn)低成本地采集龐大的原始數(shù)據(jù)進行成像。但是由于信號固有的稀疏性,龐大的原始數(shù)據(jù)在造成采集資源浪費的同時也造成了存儲資源和傳輸資源的浪費。此外,基于大規(guī)模CCD或CMOS集成傳感器陣列的成像系統(tǒng)在近紅外波段的成本十分昂貴。壓縮感知采樣方案借助信號稀疏性,該方案結合恢復算法促成單像素相機的誕生。單像素相機通過空間光調(diào)制器上的觀測矩陣對場景的反射光或透射光進行編碼得到一系列的壓縮觀測值,結合恢復算法實現(xiàn)壓縮成像。基于壓縮感知采樣方案,本文設計基于離軸牛頓反射式望遠鏡的近紅外單像素相機,通過Zemax建模及參數(shù)優(yōu)化,得到獲取較強的目標場景微弱近紅外輻射的參數(shù)。觀測矩陣對目標場景進行壓縮編碼,其可決定成像的質(zhì)量和分辨率。本文通過設計不同種類的觀測矩陣對不同場景進行不同分辨率的成像仿真獲得優(yōu)選矩陣。此外對三種不同的恢復算法進行探究,結合觀測矩陣進行聯(lián)合仿真,使得不同觀測矩陣和不同恢復算法的組合分別高效地應... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

不同采樣率下的采樣信號恢復波形

?~10倍）在面對龐大觀測信號時需要采集很多觀測值，然而不可能為了避免混疊問題而無限提升采樣頻率，對硬件設備提出了極高要求。壓縮感知采樣充分利用信號稀疏性，繞開了寬帶、高頻率的采樣要求，直接探測原始信號和觀測矩陣的內(nèi)積（即觀測值），最終利用重構算法對原始信號進行重建。2.2.2壓縮感知信號采樣原理信號稀疏性在圖像壓縮處理領域早已得到廣泛應用，JPEG算法正是利用信號稀疏性，將圖像變換到離散余弦域，得到近似稀疏的矩陣，拋棄小于設定閾值的成分，只保留較大值，最終實現(xiàn)壓縮。JPEG算法壓縮與恢復的效果如圖2-2所示。a)原圖b)10%DCT系數(shù)恢復結果圖2-2基于DCT變換的JPEG壓縮算法通過計算可以知道，原圖在離散余弦域（DiscreteCosineTransform，DCT）系數(shù)主要集中在一個很小的區(qū)域里，因此在設定DCT系數(shù)閾值為9.5的情況下，僅利用10%DCT系數(shù)得到的重建圖與原圖基本相同，結構相似性（structuralsimilarityindex，SSIM）達到了0.9687。傳統(tǒng)圖像壓縮首先對圖像進行全采樣，緊接著才是做變換，在變換域里丟棄小系數(shù)完成壓縮。既然圖像的大部分信息是冗余的，我們就可以在采樣的過程同

哈爾濱工業(yè)大學工學碩士學位論文-10-時進行壓縮，因此壓縮感知便利用此采樣策略。對信號進行壓縮采樣的前提是對原始信號進行某變換域的稀疏化表示，一般用離散余弦變換域、離散小波變換域和傅里葉變換域的正交基底進行表示。假設x是維度為N的K稀疏信號即Nx（K稀疏意味著原始信號含有K個較大的稀疏系數(shù)，這K個稀疏系數(shù)足夠不失真地保留原始信號的主要信息，另外的NK個接近或為零的系數(shù)影響不大），且12,...NΨψψψ是某一變換域的一組正交基，將原始信號x用Ψ表示為公式（2-2）：1NiiisxψΨs(2-2)式中iψ——某一維度的基；s——N1的變換系數(shù)列向量。通過變換域正交基的表示，原始信號變成了N1維的等價稀疏系數(shù)列向量T12[,...]Nssss。通過這種變換域的等價變換，就可以利用壓縮感知原理設計相應的觀測矩陣進行壓縮采樣。如圖2-3所示為壓縮采樣原理圖。圖2-3壓縮采樣原理圖如圖2-3所示，Nxàs是N1維的原始信號，MN為維度為MN的觀測矩陣，My是M1維的壓縮采樣值，并且KMN。盡管利用信號稀疏特性可以實現(xiàn)壓縮采樣，但為了能夠完成原始信號的恢復，Candès在相關的數(shù)學證明給出觀測次數(shù)M需要符合一定的條件，如公式（2-3）所示：MO(Klog(N/K))(2-3)因此，依據(jù)壓縮感知原理和信號可壓縮性，考慮實際采樣過程系統(tǒng)噪聲、環(huán)境噪聲等因素，壓縮采樣的線性測量公式（2-4）所示：yxeΨsese(2-4)式中.——傳感矩陣=；e.——噪聲項。

【參考文獻】：
期刊論文
[1]Compressive sensing for small moving space object detection in astronomical images[J]. Rui Yao and Yanning Zhang Shaanxi Key Laboratory of Speech & Image Information Processing,School of Computer Science,Northwestern Polytechnical University,Xi’an 710129,P.R.China.  Journal of Systems Engineering and Electronics. 2012(03)



本文編號：3404283