近年來(lái),煤礦安全生產(chǎn)中引入了物聯(lián)網(wǎng)技術(shù)。通過(guò)圖像傳感技術(shù)獲取的煤礦井下實(shí)時(shí)圖像數(shù)據(jù)與日俱增,煤礦井下現(xiàn)有的信息傳輸和數(shù)據(jù)存儲(chǔ)設(shè)備正在遭受著前所未有的挑戰(zhàn)。傳統(tǒng)的奈奎斯特采樣定理受2倍帶寬寬度限制,在壓縮感知理論下,信號(hào)的采樣率不再取決于信號(hào)的帶寬,而是取決于信號(hào)的稀疏性。本文對(duì)壓縮感知理論中的信號(hào)重構(gòu)算法以及信號(hào)稀疏表示兩方面進(jìn)行了深入研究,基本工作包括:（1）對(duì)貪婪迭代算法中的匹配追蹤類(lèi)算法進(jìn)行了深入研究,分析其理論,在此基礎(chǔ)上提出了一種基于OMP算法的改進(jìn)算法——稀疏度自適應(yīng)分段正交匹配追蹤（Sparsity Adaptive Stagewise Orthogonal Matching Pursuit,SAStOMP）算法。該算法將自適應(yīng)思想、變步長(zhǎng)迭代思想與分段正交思想相結(jié)合,在未知信號(hào)稀疏度的情況下,自適應(yīng)地選擇支撐集原子的個(gè)數(shù),可以在一定程度上實(shí)現(xiàn)信號(hào)的精確重構(gòu)。（2）在研究信號(hào)稀疏表示的基礎(chǔ)上,將小波變換算法與壓縮感知理論結(jié)合起來(lái),提出一種改進(jìn)型的基于小波變換的壓縮感知圖像處理方法。選擇sym8小波為稀疏基對(duì)煤礦井下圖像進(jìn)行多層分解,之后采用改進(jìn)的稀疏度自適應(yīng)分段正交匹配追... 

【文章來(lái)源】：河北地質(zhì)大學(xué)河北省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

稀疏表示示意圖

投影可得y(∈)，如式（2.6）所示。y=Φx（2.6）其中，觀測(cè)值是已知的，那么在已知觀測(cè)值的理論基礎(chǔ)上我們對(duì)求解原始線性信號(hào)函數(shù)x的一個(gè)實(shí)質(zhì)意義是為了求解一個(gè)線性方程組，但是由于式子（2.6）中所有未知數(shù)列的個(gè)數(shù)遠(yuǎn)遠(yuǎn)要小于線性方程的已知個(gè)數(shù)，我們無(wú)法由此得到唯一性的解，只能由此得出無(wú)窮多個(gè)近似的解。將原始信號(hào)的稀疏表示形式代入到（2.6）中，得式子（2.7）。y=Φx=ΦΨθ=Aθ（2.7）其中A稱(chēng)為感知矩陣。要使感知矩陣和觀測(cè)矩陣的大小保持一致，需要保證稀疏字典Ψ是完備字典。對(duì)原始信號(hào)的觀測(cè)處理過(guò)程如圖2.4[22]所示。圖2.4原始信號(hào)壓縮采樣過(guò)程

河北地質(zhì)大學(xué)碩士學(xué)位論文19思想以及SAMP算法自適應(yīng)思想的重建算法，保證了全局優(yōu)化的同時(shí)提高了算法的運(yùn)算速度。3.2.2一維隨機(jī)信號(hào)重構(gòu)實(shí)驗(yàn)及分析為了充分檢驗(yàn)本章節(jié)改進(jìn)算法的正確性和有效性，分別采用高斯隨機(jī)矩陣、伯努利矩陣和部分傅里葉矩陣為觀測(cè)矩陣算法進(jìn)行對(duì)比實(shí)驗(yàn)，并將基于貪婪迭代追蹤的OMP算法、ROMP算法、StOMP算法與提出的SAStOMP算法分別進(jìn)行實(shí)驗(yàn)比較。本節(jié)涉及的實(shí)驗(yàn)在華碩Y481C筆記本（4GBDDR3內(nèi)存，i7-3573）上，通過(guò)MATLABR2014a仿真完成。當(dāng)一個(gè)信號(hào)的觀測(cè)矩陣為高斯隨機(jī)變換矩陣、伯努利矩陣和部分傅里葉變換矩陣時(shí)，信號(hào)觀測(cè)準(zhǔn)確率和信號(hào)重建時(shí)的準(zhǔn)確概率分別接近等于如圖3.2、圖3.3、圖3.4所示。圖3.2觀測(cè)矩陣為高斯矩陣，信號(hào)重建概率

【參考文獻(xiàn)】：
期刊論文
[1]稀疏度自適應(yīng)分段正交匹配追蹤算法改進(jìn)[J]. 李雪晴,丁佳靜,武雪姣.  軟件工程. 2019(07)
[2]稀疏度自適應(yīng)回溯追蹤算法改進(jìn)[J]. 丁佳靜,武雪姣,李雪晴.  軟件導(dǎo)刊. 2019(08)
[3]基于壓縮感知的OMP圖像重構(gòu)優(yōu)化算法[J]. 郭慧瑩.  電子技術(shù)與軟件工程. 2019(09)
[4]閾值稀疏自適應(yīng)匹配追蹤圖像重構(gòu)算法[J]. 李琪,張欣,張平康,張航.  小型微型計(jì)算機(jī)系統(tǒng). 2018(11)
[5]改進(jìn)的基于稀疏表示的全色銳化算法[J]. 吳宗駿,吳煒,楊曉敏,劉凱,Gwanggil Jeon,袁皓.  計(jì)算機(jī)應(yīng)用. 2019(02)
[6]基于壓縮感知的圖像稀疏表示和重構(gòu)[J]. 許婷婷,洪麗華,劉真祥,張靜敏,周衛(wèi)紅.  云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[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]改進(jìn)型CS圖像算法在感知礦山物聯(lián)網(wǎng)的應(yīng)用[J]. 趙小虎,劉閃閃,沈雪茹.  機(jī)械設(shè)計(jì)與制造工程. 2017(11)
[9]基于壓縮感知的圖像重構(gòu)關(guān)鍵技術(shù)研究[J]. 劉效勇,盧佩,曹海賓,田敏.  石河子大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[10]面向壓縮感知的稀疏度自適應(yīng)圖像重構(gòu)算法研究[J]. 吳俊熊,劉紫燕,馮麗,張達(dá)敏.  小型微型計(jì)算機(jī)系統(tǒng). 2017(08)

碩士論文
[1]壓縮感知在礦山物聯(lián)網(wǎng)中的應(yīng)用研究[D]. 黃心怡.安徽理工大學(xué) 2019
[2]基于壓縮感知的電力設(shè)備圖像處理算法研究[D]. 汪一坡.安徽理工大學(xué) 2019
[3]基于離散小波變換的圖像壓縮感知編碼技術(shù)研究[D]. 何永洋.南京郵電大學(xué) 2018
[4]基于壓縮感知匹配追蹤類(lèi)重構(gòu)算法的若干研究[D]. 石曼曼.南京郵電大學(xué) 2018
[5]基于小波變換的自適應(yīng)壓縮采樣成像研究[D]. 張棟.西南交通大學(xué) 2018
[6]基于壓縮感知的近場(chǎng)聲全息算法研究及DSP實(shí)現(xiàn)[D]. 趙永峰.西南科技大學(xué) 2018
[7]基于壓縮感知的圖像重構(gòu)算法研究[D]. 張?chǎng)侮?江蘇大學(xué) 2018
[8]壓縮感知重構(gòu)問(wèn)題的凸優(yōu)化算法研究[D]. 包顏顏.西安電子科技大學(xué) 2017
[9]基于壓縮感知的二維圖像重構(gòu)算法研究[D]. 張迪.西南交通大學(xué) 2017
[10]基于壓縮感知的信號(hào)重構(gòu)算法研究[D]. 李超.上海師范大學(xué) 2017



本文編號(hào)：3584663