基于压缩感知理论的高能闪光照相密度反演方法

高能闪光照相中需要研究少数投影数据条件下的非轴对称客体的的密度反演问题。现有利用压缩感知思想的全变差TV类算法虽然考虑了图像的局部相似性,但没有考虑图像的非局部相似性。针对上述问题,文中提出了一种基于组稀疏正则化的全变分重建技术TV-GSR。该技术将组稀疏模型集成于TV框架之下,同时考虑了客体图像的局部相似性和非局部自相似性,充分利用了图像的先验稀疏信息,并利用客体的上、下、左、右4点对称性来降低图像重建的规模,重构精度有所增加,重建速度也更快。仿真实验表明,文中提出的TV-GSR算法提升了图像在无噪声和有噪声情况下的重建精度,对于高能闪光图像和纹理细节丰富的CT图像都有较好的效果,具有普适性。

基于二进制序列族的压缩感知测量矩阵构造

构造确定性测量矩阵对压缩感知理论的推广与应用具有重要的意义。该文源于代数编码理论,提出一种基于二进制序列族的确定性测量矩阵构造算法。相关性是描述矩阵性质的重要准则,减小相关性可使重建性能提高。该文推导出所构造测量矩阵的相关性小于同条件下的高斯随机矩阵和伯努利随机矩阵。理论分析和仿真实验表明,该方式构造的测量矩阵的重建性能优于同条件下的高斯随机矩阵和伯努利随机矩阵;所构造矩阵可由线性反馈移位寄存器结构实现,易于硬件实现,有利于压缩感知理论的实用化。

一种编码感知路由低时延数据传输算法

当前的编码感知路由算法在数据包编码时采用基于机会的网络编码策略,不会推迟数据包的转发来等待未来的编码机会,这样会降低网络编码对时延的贡献.为克服以上问题,提出了一种基于缓存管理的编码感知路由低时延数据传输算法.在编码节点,该算法采用基于队列长度的数据包决策策略来替代现有编码感知路由算法中的基于机会的网络编码策略.该算法在数据传输阶段之前引入了网络时延训练阶段,使编码节点获得了基于队列长度策略的最优阈值.仿真结果表明,在网络拥塞的情况下,此算法比传统的基于机会的网络编码策略具有更低的数据包传递时延和数据包丢失率,并且具有更高的吞吐量.

基于多维伪随机序列的压缩感知测量矩阵构造

构造确定性测量矩阵对压缩感知理论的推广与应用具有重要的意义。源于代数编码理论,文中提出了一种基于多维伪随机序列的确定性测量矩阵构造算法。该算法选择迹表示函数产生二进制伪随机序列集合,并对其进行数值转换得到相应的双极性伪随机序列集合,此集合中的元素作为列向量进行排列即可组成文中的测量矩阵。理论分析和仿真实验表明,该方式构造的测量矩阵的重建性能优于同条件下的高斯随机测量矩阵。所构造矩阵可由线性反馈移位寄存器结构实现,易于硬件实现,具有实用价值。

基于SVT变换的改进PCA多光谱图像融合

针对传统主成分分析(PCA)多光谱图像融合算法引起的光谱失真问题,文中利用支撑值变换(SVT),提出了一种改进的PCA融合算法。首先利用PCA变换从上采样多光谱图像中提取出PC1分量并对其进行调制。然后利用SVT变换对调制的PC1分量和全色图像(PAN)进行分解,得到二者分解的高低频分量,进而再设计不同的高低频融合规则进行融合得到融合的PC1分量。最后通过逆PCA变换获得融合的多光谱图像。利用IKONOS和Quick Bird卫星数据得到的实验结果表明,融合构造的PC1分量更适合于多光谱融合,并且该算法提高了传统PCA融合算法的性能。