針對礦井視頻監(jiān)控圖像受噪聲干擾影響大,采用常規(guī)的圖像采樣和壓縮方法存在圖像模糊和傳輸時間過長等問題,提出了一種礦井視頻監(jiān)控圖像分塊壓縮感知方法。該方法通過建立礦井視頻監(jiān)控圖像分塊壓縮感知模型,在井下圖像采集節(jié)點利用稀疏隨機矩陣進行壓縮采樣,然后在地面監(jiān)控中心利用正交匹配追蹤（OMP）算法重構圖像。研究結果表明,采用本文算法的重構圖像誤差小、重構時間短,所需信號采樣點數少;與擾頻Hadamard矩陣相比,采用稀疏隨機矩陣和高斯隨機矩陣作為觀測矩陣對圖像信號重構的峰值信噪比（PSNR）提高4 d B⁵ d B;本文算法與基于小波基的算法相比,信號重構的PSNR提高1 d B⁴ d B,重構時間縮短至少80%以上。 

【文章來源】：傳感技術學報. 2017,30(01)北大核心CSCD

【文章頁數】：7 頁

【部分圖文】：

井下視頻監(jiān)控原始圖像

第1期張帆，閆秀秀:基于DFT基的礦井視頻監(jiān)控圖像分塊壓縮感知方法3結果與分析筆者通過建立礦井圖像的重構誤差數學模型，利用MATLAB對提出的算法進行仿真分析，仿真原始圖像采用煤礦井下視頻監(jiān)控圖像，如圖3所示，圖像像素為512×512。圖3(a)為理想無噪聲圖像，圖3(b)為在圖3的基礎上加入均值為0，方差為10的高斯噪聲(含噪圖像的PSNＲ為33．3021dB)。圖3井下視頻監(jiān)控原始圖像考慮到井下環(huán)境噪聲干擾因素對圖像信號重構的影響，需要通過評價模型考察原始圖像經稀疏表示、壓縮采樣和重構之后所得的重構誤差。峰值信噪比(PSNＲ)表示峰值信號與噪聲的比值，它是表征圖像重構效果的重要指標［21］，PSNＲ評價模型定義如下:PSNＲ=10log10L2MSE(9)MSE=1MN∑Mi=1∑Nj=1‖A(i，j)－A'(i，j)‖22(10)式中，MSE為均方誤差，是原始圖像A(i，j)與重構圖像A'(i，j)之間的灰度差，即表示噪聲信號，M和N是圖像矩陣維度數(圖像像素);L是圖像最大灰度值即表示一個像素點占用的2進制位數，通常8bit的圖像L為255;PSNＲ為峰值信噪比，單位為dB，PSNＲ值越大，表示重構誤差越小，兩幅圖像相似度越高。本文采用式(11)的壓縮比衡量圖像信號的壓縮程度。壓縮比越小，所需采樣的點數越多，壓縮程度越大。其中M為原始塊信號的長度，N為觀測矩陣觀測壓縮后的長度。r=N/M(11)在采用不同礦井圖像分塊尺度和觀測矩陣條件下，利用tic、toc函數對，我們進一步考察本文提出的基于DFT基礦井圖像分塊壓縮感知算法的重構時間。同時，與基于一維小波基的礦井圖像分塊壓縮感知算法相比較，以驗證本文所提出算法對礦井圖像壓縮采樣和信號重構效果。3．1不同觀測矩陣對圖像重構的對比由于基于壓縮感知理論的圖像數據采集?

第1期張帆，閆秀秀:基于DFT基的礦井視頻監(jiān)控圖像分塊壓縮感知方法3結果與分析筆者通過建立礦井圖像的重構誤差數學模型，利用MATLAB對提出的算法進行仿真分析，仿真原始圖像采用煤礦井下視頻監(jiān)控圖像，如圖3所示，圖像像素為512×512。圖3(a)為理想無噪聲圖像，圖3(b)為在圖3的基礎上加入均值為0，方差為10的高斯噪聲(含噪圖像的PSNＲ為33．3021dB)。圖3井下視頻監(jiān)控原始圖像考慮到井下環(huán)境噪聲干擾因素對圖像信號重構的影響，需要通過評價模型考察原始圖像經稀疏表示、壓縮采樣和重構之后所得的重構誤差。峰值信噪比(PSNＲ)表示峰值信號與噪聲的比值，它是表征圖像重構效果的重要指標［21］，PSNＲ評價模型定義如下:PSNＲ=10log10L2MSE(9)MSE=1MN∑Mi=1∑Nj=1‖A(i，j)－A'(i，j)‖22(10)式中，MSE為均方誤差，是原始圖像A(i，j)與重構圖像A'(i，j)之間的灰度差，即表示噪聲信號，M和N是圖像矩陣維度數(圖像像素);L是圖像最大灰度值即表示一個像素點占用的2進制位數，通常8bit的圖像L為255;PSNＲ為峰值信噪比，單位為dB，PSNＲ值越大，表示重構誤差越小，兩幅圖像相似度越高。本文采用式(11)的壓縮比衡量圖像信號的壓縮程度。壓縮比越小，所需采樣的點數越多，壓縮程度越大。其中M為原始塊信號的長度，N為觀測矩陣觀測壓縮后的長度。r=N/M(11)在采用不同礦井圖像分塊尺度和觀測矩陣條件下，利用tic、toc函數對，我們進一步考察本文提出的基于DFT基礦井圖像分塊壓縮感知算法的重構時間。同時，與基于一維小波基的礦井圖像分塊壓縮感知算法相比較，以驗證本文所提出算法對礦井圖像壓縮采樣和信號重構效果。3．1不同觀測矩陣對圖像重構的對比由于基于壓縮感知理論的圖像數據采集?

【參考文獻】：
期刊論文
[1]基于壓縮感知理論的WSNs時序信號分段壓縮算法[J]. 劉洲洲,徐繼良,韓瑩,王曉柱.  傳感技術學報. 2016(01)
[2]一種煤礦井下圖像壓縮方法[J]. 楊磊,黃友銳,唐超禮,曲立國,陳珍萍,韓濤.  工礦自動化. 2015(08)
[3]基于塊稀疏貝葉斯學習的體域網心電壓縮采樣[J]. 彭向東,張華,劉繼忠.  傳感技術學報. 2015(03)
[4]壓縮感知在無線傳感器網絡數據采集中的應用[J]. 王泉,張納溫,張金成,呂方旭,王鈺,陳可偉.  傳感技術學報. 2014(11)
[5]煤礦智能視頻監(jiān)控中霧塵圖像的清晰化研究[J]. 張謝華,張申,方帥,曹洋.  煤炭學報. 2014(01)
[6]一種基于塊稀疏貝葉斯學習的壓縮圖像融合算法[J]. 劉哲,顧淑音,南炳炳,李強.  光子學報. 2013(11)
[7]信號壓縮重構的正交匹配追蹤類算法綜述[J]. 楊真真,楊震,孫林慧.  信號處理. 2013(04)
[8]一種新的分塊壓縮傳感圖像重建算法[J]. 佘青山,徐平,羅志增,劉棟良.  東南大學學報(自然科學版). 2011(S1)
[9]基于壓縮感知的煤礦井下語音通信系統[J]. 馬麗娜,曹新德.  安徽理工大學學報(自然科學版). 2011(03)
[10]基于壓縮感知的低功耗高效率CMOS圖像傳感器設計[J]. 趙士彬,姚素英,徐江濤.  傳感技術學報. 2011(08)



本文編號：3134745