發(fā)布時間：2018-01-08 13:22

  本文關鍵詞：壓縮感知的測量矩陣與圖像融合應用研究　出處：《中國科學技術大學》2016年碩士論文　論文類型：學位論文

  更多相關文章： 壓縮感知 測量矩陣 確定性 反饋移位寄存器 觀測量 粒子群優(yōu)化

【摘要】：壓縮感知理論能夠充分利用信號稀疏的特性,通過投影矩陣將高維的信號投影到低維數(shù)據(jù)空間中。該理論相比奈奎斯特采樣能夠減少采樣數(shù)據(jù)量,節(jié)省寶貴的存儲空間和緊張的寬帶資源,后期通過壓縮感知重構算法從少量的采樣數(shù)據(jù)中恢復出原信號,這個采樣過程將傳統(tǒng)的數(shù)據(jù)采樣與壓縮合二為一,能夠降低采樣數(shù)據(jù)的獲取時間和存取空間。所以壓縮感知一經(jīng)提出,就得到許多學者的高度關注,成為近年來非常熱門的研究領域,在雷達信號、遙感圖像、醫(yī)學圖像、無線網(wǎng)絡等領域得到應用和發(fā)展,有著非常廣泛的應用前景。設計一個結構簡單、性能優(yōu)越、便于研究控制的測量矩陣,是壓縮感知理論研究中重要的部分,也是壓縮感知在應用中的前提保證。壓縮感知成像系統(tǒng)獲得的僅是原始信號的投影測量值,依賴于觀測矩陣的選擇,壓縮圖像融合是對測量值的融合,如何選擇融合參數(shù)是一個需要解決的問題。而測量值包含的信息越多,效果越好,因此構造合適的測量矩陣是融合成功的保證。本文的研究成果如下：(1)構造確定性結構的傅里葉觀測矩陣部分傅里葉測量矩陣能夠應用快速傅里葉方法,可以大大提高計算速度,降低運算量,且恢復效果好,但是隨機部分傅里葉測量矩陣與其他隨機測量矩陣都有相似的問題,其復雜性使得存儲和硬件實現(xiàn)不方便。A.Devore提出的確定性測量矩陣,其確定性使得測量矩陣可控制強,存儲和實現(xiàn)較方便,但其恢復效果一般。我們的思路是結合確定性測量矩陣和部分傅里葉測量矩陣的優(yōu)點,構造一種確定性結構的傅里葉測量矩陣。這種測量矩陣的選擇不再是隨機性的,而是可控制的,其復雜度較低,易于控制實現(xiàn)。利用反饋移位寄存器(Linear Feedback Shift Register,LFSR),我們構造一個偽隨機整數(shù)產(chǎn)生算法,生成我們需要的索引集,通過傅里葉矩陣來構造我們想要的確定性測量矩陣。利用Gersgorin圓盤定理和Weyl級數(shù)定理,理論上可以證明我們構造的確定性測量矩陣是滿足RIP條件和MIP條件。通過一維信號和二維圖像仿真實驗,與常用的高斯測量矩陣、部分哈達瑪測量矩陣等比較,在相同觀測量M和相同稀疏度K下,恢復成功率更高；在均方根誤差(RMSE)、峰值信噪比(PSNR)和結構相似度(SSIM)信號處理衡量指標中取得優(yōu)勢,說明信號恢復質量較好。(2)研究壓縮感知觀測量特征并應用到壓縮圖像融合基于壓縮感知的圖像融合,利用盡量少的數(shù)據(jù)提取盡量多的信息,可以極大地提高數(shù)據(jù)傳輸與存儲的效率,減少計算復雜度,是一種簡便而高效的融合手段。壓縮感知成像系統(tǒng)獲得的僅是原始信號的投影測量值,依賴于測量矩陣的選擇。通過對觀測量特性的研究,數(shù)據(jù)分析壓縮感知觀測量與原圖像特征信息之間的關聯(lián)性,將其作為融合參數(shù)的選取的依據(jù)。進而提出一種利用觀測量特征,采用粒子群優(yōu)化算法選取融合參數(shù)的壓縮感知圖像融合方法。實驗仿真,對比單目標優(yōu)化目標函數(shù)和多目標優(yōu)化函數(shù)選取融合參數(shù)方法,通過客觀的評價指標進行融合質量評價,提出的方法融合效果在一些評價指標中具有優(yōu)勢。
[Abstract]:To make full use of the sparse characteristics of compressed sensing theory, the signal is projected through the projection matrix will be high-dimensional to low dimensional data space. This theory than Nyquist sampling can reduce the amount of sampling data, saving valuable storage space and the shortage of broadband resources, later through compressed sensing reconstruction algorithm to recover the original signal from small sample data in the sampling process of traditional data sampling and compression can reduce the sampling data be made one, access time and access space. So the compressed sensing was put forward, get the attention of many scholars, become a very hot research field in recent years, in the radar signal, remote sensing image, medical image, application and development the wireless network and other fields, has a very broad application prospects. The design of a simple structure, superior performance, easy control of measurement matrix is pressure An important part of shrinkage perception theory, is the premise in the application of compressed sensing. Compressed sensing imaging system for measurement of projection of the original signal is only dependent on the value of the observation matrix, compressed image fusion is the fusion of the measured value, how to choose the combination of parameters is a problem to be solved. The measured value of the information contained in the more, better, so the measurement matrix is suitable for integration to ensure the success of the research achievements of this paper are as follows: (1) Fu Liye Fu Liye measurement matrix observation matrix to construct deterministic structure can be used for fast Fu Liye method, can greatly improve the calculation speed, reduce the amount of computation and good recovery effect however, part of the Fu Liye random measurement matrix and other random measurement matrix has a similar problem, the complexity of hardware implementation is not convenient to store and put forward by.A.Devore The deterministic measurement matrix, the uncertainty of the measurement matrix can control, storage and the implementation is convenient, but the recovery effect in general. The idea is that by combining the advantages of deterministic measurement matrix and partial Fourier measurement matrix, Fourier measurement matrix to construct a deterministic structure. The measurement matrix is no longer a choice of random, but can control, which has low complexity and is easy to control. The use of feedback shift register (Linear Feedback Shift Register, LFSR), we construct a pseudo random integer generation algorithm, we need to construct the index set of measurement matrix to determine what we want by Fourier matrix. By using the Gersgorin disc theorem and Weyl series theorem can be proved theoretically determined we construct the measurement matrix is satisfying RIP condition and MIP condition. Through one-dimensional signal and two-dimensional image simulation, Gauss and the measurement matrix is used, comparison of Hadamard measurement matrix, in view of the same measurement of M and K under the same sparsity recovery, higher success rate; the root mean square error (RMSE), the peak signal-to-noise ratio (PSNR) and structural similarity (SSIM) to take advantage of the signal processing measure, indicating the signal the restoration quality is good. (2) research on compressed sensing measurements and is applied to the compression of image fusion image fusion based on compressed sensing, try to use less data to extract as much information as possible, can greatly improve the efficiency of data transmission and storage, reduce the computational complexity, is a simple and efficient means of fusion compression. Sensing imaging system to obtain the projection of the original signal is only the measurement value depends on the measurement matrix. Through the research on the concept of measurement characteristics, data analysis on relationship between compressed sensing measurement and image feature information, As the fusion parameters selection basis. Then put forward a concept of using measurement features, using particle swarm optimization algorithm to select the compressed sensing image fusion method. The parameters of experimental simulation, single objective optimization function and multi-objective function optimization parameters selection of fusion method contrast, fusion quality evaluation by objective evaluation index, put forward the method has some advantages in the fusion effect evaluation index.

【學位授予單位】：中國科學技術大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN911.7

【相似文獻】

相關期刊論文 前10條

1 田思;張俊舉;袁軼慧;常本康;;圖像融合的開窗處理技術研究[J];兵工學報;2009年04期

2 吳仰玉;紀峰;常霞;李翠;;圖像融合研究新進展[J];科技創(chuàng)新導報;2013年01期

3 韓瑜;蔡云澤;曾清;;圖像融合的客觀質量評估[J];指揮控制與仿真;2013年04期

4 王憶鋒，，張海聯(lián)，李燦文，李茜;夜視圖像融合研究的進展[J];紅外與激光工程;1998年02期

5 朱煉;孫楓;夏芳莉;韓瑜;;圖像融合研究綜述[J];傳感器與微系統(tǒng);2014年02期

6 劉志鏡,楊海英,張小平;基于空域中的圖像融合算法研究[J];計算機工程與設計;2002年09期

7 夏明革,何友,唐小明,夏仕昌;圖像融合的發(fā)展現(xiàn)狀與展望[J];艦船電子工程;2002年06期

8 溫學兵;紀景娜;;一種基于圖像融合的混合去噪方法[J];綏化學院學報;2005年06期

9 苗啟廣;王寶樹;;圖像融合的非負線性混合模型與算法研究[J];計算機科學;2005年09期

10 趙永強,潘泉,陳玉春,張洪才;基于偏振成像技術和圖像融合理論雜亂背景壓縮[J];電子學報;2005年03期

相關會議論文 前10條

1 劉德坤;龔俊斌;馬佳義;田金文;;一種車載的紅外與微光圖像融合系統(tǒng)設計[A];第九屆全國光電技術學術交流會論文集（上冊）[C];2010年

2 王芳;吳謹;;基于小波的圖像融合算法研究[A];2011年全國通信安全學術會議論文集[C];2011年

3 胡學龍;沈潔;;一種基于中值金字塔的圖像融合算法[A];2008年全國開放式分布與并行計算機學術會議論文集(上冊)[C];2008年

4 趙向陽;杜利民;;基于數(shù)據(jù)提純的圖像融合[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

5 楊志;毛士藝;陳煒;;基于多分辨率局部峰度熵的魯棒圖像融合算法[A];中國航空學會信號與信息處理專業(yè)全國第八屆學術會議論文集[C];2004年

6 王曾敏;楊兆選;丁學文;何英華;陳楊;于淵;;圖像融合與壓縮算法在動態(tài)交通信息服務系統(tǒng)中的應用[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

7 潘泉;趙永強;張洪才;;基于像素層圖像融合的偏振圖像計算方法研究[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

8 陳懷新;吳必富;;機載成像偵察的圖像融合技術[A];中國雷達行業(yè)協(xié)會航空電子分會暨四川省電子學會航空航天專委會學術交流會論文集[C];2005年

9 成尚利;呂中偉;何俊民;;基于小波變換的PET/CT圖像融合[A];第四屆全國中青年核醫(yī)學學術會議論文匯編[C];2008年

10 湯志偉;王建國;趙志欽;黃順吉;;基于小波變換的圖像融合算法[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

相關重要報紙文章 前1條

1 陳鳴;軍工巨頭中光學集團欲“影”響世界[N];中國電力報;2010年

相關博士學位論文 前10條

1 王春萌;多曝光圖像融合關鍵技術的研究[D];山東大學;2015年

2 費春;基于智能優(yōu)化和視覺顯著性的圖像融合研究[D];電子科技大學;2015年

3 段昶;基于Shearlet的圖像融合研究[D];電子科技大學;2014年

4 史立芳;大視場人工復眼成像結構研究與實驗[D];電子科技大學;2014年

5 高國榮;基于Shearlet變換的圖像融合與去噪方法研究[D];西安電子科技大學;2015年

6 王娟;基于城鎮(zhèn)影像的Contourlet域圖像融合算法研究[D];成都理工大學;2015年

7 李奕;圖像融合的若干關鍵技術研究[D];江南大學;2015年

8 宋樂;異源圖像融合及其評價方法的研究[D];天津大學;2008年

9 胡旺;圖像融合中的關鍵技術研究[D];四川大學;2006年

10 楊翠;圖像融合與配準方法研究[D];西安電子科技大學;2008年

相關碩士學位論文 前10條

1 杜麗;基于RF5框架的多小波圖像融合系統(tǒng)的設計與開發(fā)[D];內蒙古大學;2015年

2 王坤臣;基于二代Curvelet變換的圖像融合算法研究[D];南京理工大學;2015年

3 李寧;多DSP并行系統(tǒng)圖像融合算法設計及優(yōu)化[D];南京理工大學;2015年

4 陳云川;紅外與微光融合的實時信號處理技術研究[D];南京理工大學;2015年

5 張澤;基于NSCT變換的壓縮感知圖像融合優(yōu)化算法研究[D];大連海事大學;2015年

6 陶媛媛;紅外與微光融合夜視系統(tǒng)性能評價[D];南京理工大學;2015年

7 李蕾;抗混疊輪廓波變換的性能研究及圖像融合去噪應用[D];山東大學;2015年

8 米艷芹;基于區(qū)域和多尺度的圖像融合算法研究[D];電子科技大學;2015年

9 唐詩;基于多尺度變換的無源毫米波圖像融合算法研究[D];電子科技大學;2014年

10 李龍龍;基于分數(shù)階傅里葉變換的圖像融合算法研究[D];哈爾濱工業(yè)大學;2014年

本文編號：1397283