基于多形態(tài)稀疏基的WMSN圖像融合算法研究.pdf

1、作為一種物聯(lián)網(wǎng)感知客觀世界的技術(shù)手段，無線多媒體傳感器網(wǎng)絡(luò)（Wireless Multimedia Sensor Networks，WMSN）被廣泛應(yīng)用于區(qū)域內(nèi)大范圍的網(wǎng)絡(luò)監(jiān)控、工業(yè)控制等領(lǐng)域。然而，WMSN監(jiān)測場景復(fù)雜，利用單一類型的視頻傳感器采集圖像可能會丟失重要的信息。此外，WMSN網(wǎng)絡(luò)能量受限，所采集的數(shù)據(jù)量巨大，需要消耗大量的網(wǎng)絡(luò)能量，極大地縮短了WMSN網(wǎng)絡(luò)的生命周期。因此，迫切需要研究低采樣率的圖像融合方法以保障WMSN監(jiān)

2、測系統(tǒng)的可靠性和有效性。
　　因此，本文借鑒壓縮感知和圖像融合理論，深入研究了WMSN監(jiān)測圖像的內(nèi)在特征，并設(shè)計了一種基于分類的WMSN壓縮感知圖像融合算法。本算法首先對WMSN監(jiān)測圖像進行稀疏表示，并利用高斯隨機矩陣對稀疏系數(shù)進行了投影，將所得到的觀測值用于計算源圖像的數(shù)據(jù)相似度，再根據(jù)數(shù)據(jù)相似度對源圖像進行分類，最后借助所設(shè)計的融合規(guī)則對觀測值進行融合，并根據(jù)所獲得的融合系數(shù)進行重構(gòu)，據(jù)此得到最終的融合圖像。實驗結(jié)果表明：該算

3、法可以對輸入的源圖像進行準確地分類，且圖像的分類融合質(zhì)量較高。
　　然而，WMSN監(jiān)測圖像含有豐富的邊緣、紋理等細節(jié)信息，利用單一的稀疏基對圖像進行稀疏表示往往會不利于圖像細節(jié)信息的保留。借鑒形態(tài)學(xué)成分分析思想，本文提出了一種基于形態(tài)學(xué)成分分析的WMSN圖像融合方法。首先，利用顯著性檢測方式提取紅外圖像的顯著性區(qū)域，并利用Curvelet基對顯著性區(qū)域進行稀疏表示；然后，利用離散小波基以及DCT變換將可見光圖像稀疏分解成光滑成分和