壓縮感知的測(cè)量矩陣與圖像融合應(yīng)用研究.pdf

1、壓縮感知理論能夠充分利用信號(hào)稀疏的特性，通過投影矩陣將高維的信號(hào)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(chǔ)空間和緊張的寬帶資源，后期通過壓縮感知重構(gòu)算法從少量的采樣數(shù)據(jù)中恢復(fù)出原信號(hào)，這個(gè)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(shí)間和存取空間。所以壓縮感知一經(jīng)提出，就得到許多學(xué)者的高度關(guān)注，成為近年來非常熱門的研究領(lǐng)域，在雷達(dá)信號(hào)、遙感圖像、醫(yī)學(xué)圖像、無線網(wǎng)絡(luò)等領(lǐng)域得到應(yīng)用和發(fā)展

2、，有著非常廣泛的應(yīng)用前景。設(shè)計(jì)一個(gè)結(jié)構(gòu)簡(jiǎn)單、性能優(yōu)越、便于研究控制的測(cè)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(yīng)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(hào)的投影測(cè)量值，依賴于觀測(cè)矩陣的選擇，壓縮圖像融合是對(duì)測(cè)量值的融合，如何選擇融合參數(shù)是一個(gè)需要解決的問題。而測(cè)量值包含的信息越多，效果越好，因此構(gòu)造合適的測(cè)量矩陣是融合成功的保證。本文的研究成果如下:
　　(1)構(gòu)造確定性結(jié)構(gòu)的傅里葉觀測(cè)矩陣
　　部分傅

3、里葉測(cè)量矩陣能夠應(yīng)用快速傅里葉方法，可以大大提高計(jì)算速度，降低運(yùn)算量，且恢復(fù)效果好，但是隨機(jī)部分傅里葉測(cè)量矩陣與其他隨機(jī)測(cè)量矩陣都有相似的問題，其復(fù)雜性使得存儲(chǔ)和硬件實(shí)現(xiàn)不方便。A.Devore提出的確定性測(cè)量矩陣，其確定性使得測(cè)量矩陣可控制強(qiáng)，存儲(chǔ)和實(shí)現(xiàn)較方便，但其恢復(fù)效果一般。我們的思路是結(jié)合確定性測(cè)量矩陣和部分傅里葉測(cè)量矩陣的優(yōu)點(diǎn)，構(gòu)造一種確定性結(jié)構(gòu)的傅里葉測(cè)量矩陣。這種測(cè)量矩陣的選擇不再是隨機(jī)性的，而是可控制的，其復(fù)雜度較低，易

4、于控制實(shí)現(xiàn)。利用反饋移位寄存器(LinearFeedbackShiftRegister,LFSR)，我們構(gòu)造一個(gè)偽隨機(jī)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(gòu)造我們想要的確定性測(cè)量矩陣。利用Gersgorin圓盤定理和Weyl級(jí)數(shù)定理，理論上可以證明我們構(gòu)造的確定性測(cè)量矩陣是滿足RIP條件和MIP條件。通過一維信號(hào)和二維圖像仿真實(shí)驗(yàn)，與常用的高斯測(cè)量矩陣、部分哈達(dá)瑪測(cè)量矩陣等比較，在相同觀測(cè)量M和相同稀疏度K下，恢復(fù)成功率

5、更高;在均方根誤差(RMSE)、峰值信噪比(PSNR)和結(jié)構(gòu)相似度(SSIM)信號(hào)處理衡量指標(biāo)中取得優(yōu)勢(shì)，說明信號(hào)恢復(fù)質(zhì)量較好。
　　(2)研究壓縮感知觀測(cè)量特征并應(yīng)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(chǔ)的效率，減少計(jì)算復(fù)雜度，是一種簡(jiǎn)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(hào)的投影測(cè)量值，依賴于測(cè)量矩陣的選擇。通過對(duì)觀測(cè)量特性的研究，數(shù)據(jù)分析