面向農(nóng)業(yè)多媒體WSN的彩色圖像重構(gòu)方法研究.pdf

1、近年來，隨著農(nóng)業(yè)智能化的腳步加快。在農(nóng)業(yè)生產(chǎn)中，搭建無線傳感器網(wǎng)絡(luò)采集單一的環(huán)境參數(shù)，來監(jiān)控農(nóng)業(yè)生產(chǎn)環(huán)境，已經(jīng)越來越滿足不了農(nóng)業(yè)的生產(chǎn)生活的需要了。同時，隨著網(wǎng)絡(luò)技術(shù)和圖像處理技術(shù)的快速發(fā)展，使得面向農(nóng)業(yè)的多媒體無線傳感網(wǎng)絡(luò)應(yīng)運(yùn)而生。
　　然而在網(wǎng)絡(luò)中，傳輸?shù)臄?shù)據(jù)量過大，不僅導(dǎo)致網(wǎng)絡(luò)中的采集節(jié)點(diǎn)能耗消耗過快，同時會導(dǎo)致網(wǎng)絡(luò)造成擁塞的問題。因此，為了延長網(wǎng)絡(luò)采集節(jié)點(diǎn)的工作時間，同時降低網(wǎng)絡(luò)的數(shù)據(jù)傳輸量，使用一種合適的壓縮和恢復(fù)算法已

2、經(jīng)越來越有著實際的重要意義。本文使用壓縮感知將采集的彩色圖像進(jìn)行壓縮，并通過重構(gòu)算法對壓縮后的圖像進(jìn)行恢復(fù)，從而從理論上減少了數(shù)據(jù)的傳輸量。壓縮感知(CS)，它是新型的信號壓縮與恢復(fù)理論，分為三個步驟:信號的稀疏表示、測量矩陣和重構(gòu)算法。通過這三個步驟來對信號進(jìn)行壓縮和重構(gòu)。
　　本文分析和介紹了CS理論的稀疏表示、測量矩陣和重構(gòu)算法的數(shù)學(xué)原理和常用方法，同時介紹了RGB和YUV顏色模型和彩色圖像質(zhì)量判斷方法。根據(jù)這些基本理論，提

3、出了基于CS理論的RGB和YUV兩種顏色模型的彩色圖像的壓縮和重構(gòu)算法，將該算法利用于農(nóng)業(yè)彩色圖像，并將這些圖像分別放在不同稀疏化基、不同測量矩陣、不同重構(gòu)算法和不同壓縮率的對比試驗中，進(jìn)行實驗分析。根據(jù)實驗分析，可得如下結(jié)論:
　　基于CS理論的RGB和YUV顏色模型的彩色圖像的具有可行性。同時具有高恢復(fù)精度。
　　傅立葉稀疏基具有很好的恢復(fù)效果，小波稀疏基重構(gòu)的圖像保留了紋理細(xì)節(jié)。
　　不同的稀疏基和測量矩陣對重構(gòu)