基于自适应分块和联合优化光滑l_(0)范数的二维压缩感知算法

传统的压缩感知模型和重构方法,虽能有效减少数据量,但压缩和重构性能不佳,故该文提出一种基于自适应分块和联合优化光滑l_(0)范数(SL0)的2维压缩感知算法。压缩过程利用灰度熵和四叉树算法进行自适应分块和采样率分配,同时对压缩模型改进,使用混沌循环矩阵作为测量矩阵,提升了压缩性能。重构过程基于SL0算法,采用陡峭性更高的拟合函数,结合拟牛顿法和动态迭代的方案提高重构质量和效率。该算法峰值信噪比和结构相似性指数相比现有算法平均提升了5.44 dB和21.08%,平均计算时间仅需1.59 s,表明该算法能稳定、快速地实现图像的压缩感知和精确重构,为压缩感知和图像重构提供了新方法。

基于二维压缩感知的定向遥感和变化检测

基于高斯测量矩阵的一维压缩感知测量数据不仅能很好地保持稀疏信号的能量信息,也能够很好地继承稀疏信号的方向信息.但是在一维压缩感知模型中方向信息无法应用于稀疏信号的重构和检验.针对遥感影像中变化区域稀疏的特点提出了二维压缩感知模型.并利用能量和方向信息构建了基于二维压缩感知的稀疏信号重构算法(2DOMP).理论分析和实验结果证明,2DOMP算法的信号重构能力更强.同时根据压缩感知恢复稀疏信号只需要很少测量数据的特性提出了定向遥感和定向变化检测的概念.

基于压缩感知的二维联合超分辨ISAR成像算法

在ISAR成像中,距离和方位分辨率分别受发射信号带宽和成像积累角的限制。基于压缩感知(CS)理论,该文提出了一种2维联合超分辨ISAR成像算法。首先建立ISAR观测信号模型并构造2维超分辨字典,然后利用ISAR图像的稀疏先验信息将2维联合超分辨成像建模为最小1l范数的优化问题,最后提出一种快速算法求解该优化问题。该方法进行距离维和方位维的联合处理,有效利用了回波数据的2维耦合信息;通过共轭梯度(CG)运算,快速傅里叶变换(FFT),Hadamard乘积等操作,有效提高了算法的实现效率。仿真和实测实验验证了该算法的有效性。

一种面向二维观测模型的压缩感知重构算法

针对目前二维信号压缩感知重构时,常采用的一维化手段效率低、重构性能有待提高等缺陷,基于二维观测模型,提出一种新的压缩感知重构方法,并证明了其有效性。算法通过两个独立感知矩阵对二维信号的行列同时进行压缩感知,并考察信号的整体重构,缓解了传统算法引入的重构人为效应以及问题规模扩张带来的重构压力。理论分析和实验表明,新算法成功重构概率、重构信噪比等性能优于现有典型二维信号重构方法,且其运算复杂度较之一维化方法有所降低。

基于压缩感知的高频地波雷达二维DOA估计

针对高频地波雷达(high frequency surface wave radar,HFSWR)目标角度估计问题,提出了一种基于压缩感知(compressive sensing,CS)的距离多普勒(range-Doppler,RD)域单快拍二维波达方向(direction of arrival,DOA)估计方法。分析了在RD域进行DOA估计的理论可行性及单快拍处理的优势;基于子空间追踪思想提出了一种针对L型阵列的二维DOA估计降维后的角度配对和修正方法,在低信噪比和目标回波幅度接近的情况下仍能保证完成正确的匹配并消除无效的角度组合,从而实现精确的二维DOA估计和目标空域分辨。仿真结果和高频地波雷达实测数据的处理结果分别验证了其性能优势和有效性。

基于二维压缩感知和分层特征的图像检索算法

为了保留图像分析时的像素点位置关系及降维处理,把一维压缩感知理论推广到二维,建立了二维可稀疏信号的压缩测量模型,研究了一种二维信号的自适应梯度下降重构AGDR(Adaptive Gradient Descent Recursion)算法,由此提出了一种图像分层特征提取与检索方法.首先对图像在RGB颜色空间上进行网格离散划分,通过分层算子对图像进行分层映射,定义一种基于颜色网格空间的扩展灰度共生矩阵,采用二维测量模型获取图像的分层测量特征、纹理特征与分层颜色统计特征,图像分层测量特征综合反映出图像的颜色及像素点位置的关系,扩展灰度共生矩阵反映纹理特征.其次用AGDR算法计算检索图像之间的原始信号差量及其稀疏值.最后结合两类分层特征差量、稀疏值和颜色统计特征,融合计算图像间整体相似度度量指标.仿真实验表明,应用分层二维压缩感知测量与AGDR算法的图像检索方法在检索时间、查全率和查准率等指标上具有优越性能,为图像检索提供了新思路.

一种ISAR二维压缩感知成像的运动补偿方法

通过发射一组具有随机脉冲重复间隔(PRI)的线性调频信号,并对经过去斜率(Deramp)处理的回波信号随机下采样,可以得到目标的二维随机观测回波数据.本文通过分析该类回波信号的模型和信号的稀疏性,针对IS-AR(Inverse Synthetic Aperture Radar)二维压缩感知成像技术提出了一种运动补偿算法.实测数据处理结果表明,本文提出的算法可以有效地针对ISAR二维随机观测回波数据实现运动补偿.

基于联合稀疏压缩感知的频-空二维谱空穴检测

针对单维谱空穴检测过程中存在较大漏检率、易损失频谱接入机会等问题,提出了1种基于结构化压缩感知理论的频-空二维谱空穴检测算法。首先给出了接收无线电信号的频-空二维数据模型,然后利用联合稀疏结构化压缩感知理论给出频-空二维谱空穴检测模型,求解二维稀疏矩阵,并利用此矩阵中的元素检测主用户信道的占用状态,从而进一步获得各认知用户与活跃主用户之间的距离。最后,给出了频-空二维谱空穴判决准则。仿真结果表明:与标准压缩感知方法相比,所提方法不仅能够有效减少认知用户配备的滤波器数目,进一步证实了,当网络中认知用户的数目增加时,适当减少单个认知用户配备的滤波器个数,仍然能够达到预计的检测精度。

压缩感知的等效二维稀疏变换

目前的压缩感知研究尚不能真正实现基于二维稀疏变换的影像采集和重构。通过对二维压缩感知和稀疏变换的理论分析和数学推导,将基于一维稀疏变换的二维压缩感知模型等价转换成适用于二维稀疏变换的二维压缩感知模型。从而在测量过程不变的前提下,基于一维线阵推扫数据采集方式实现了基于二维稀疏变换的压缩感知影像采集和重构。实验验证了等效二维稀疏变换的正确性。

基于分块对角矩阵的二维压缩感知数据采集和重构方法

针对遥感中线阵推扫数据采集模式和现有方法重构能力的不足,提出基于分块对角矩阵和TV(Total Variation)算法的二维压缩感知模型和方法。该方法能够使压缩感知的约束函数和目标函数同时包含完整的图像二维信息,是真正完全意义上的二维压缩感知。在不改变传统数据采集模式的基础上,通过分块对角矩阵的后处理,实现二维压缩感知。实验结果表明,该方法使图像的重构效果获得极大改善,SNR提高约8dB。但是该方法不适用于OMP(Orthogonal Matching Pursuit)和BP(Basis Pursuit)算法。该方法促进了定向遥感的发展,如与其他模型和方法结合,能进一步提高重构效果。

基于压缩感知的合成孔径雷达二维成像算法

通过对合成孔径雷达回波信号的分析,利用压缩感知理论基于信号稀疏性或可压缩性的基本原理,提出了方位稀疏表示的一种新方法,在此基础上给出了基于压缩感知的SAR回波信号处理方法和二维成像算法,实现了压缩感知对信号的全新采集和编解码,以较少的数据量实现成像,有效地抑制旁瓣,在一定程度上提高了成像中目标的分辨率,为有效降低高分辨合成孔径雷达的数据率提供了一种有效途径。通过对仿真数据和实测数据的处理验证了所提方法的可行性和有效性。

基于信号方向信息的二维压缩感知重构研究

理论证明了可压缩信号各列及其对应稀疏变换域系数矩阵各列具有相同的能量和方向信息;测量数据各列的能量和方向信息本质上反映了可压缩信号各列的能量和方向信息;图像稀疏变换域系数矩阵相邻列具有极高的相似性。基于二维压缩感知模型在传统的OMP算法中引入信号方向信息,构建了2DDOMP算法,取得了更好的图像重构效果,避免了当前压缩感知重构算法单纯依靠测量数据的盲目性和不确定性。基于信号方向信息的重构算法设计思想可用于改造优化各类重构算法,是对当前压缩感知研究的重要补充。

基于压缩感知的二维DOA估计

针对L阵列,提出基于压缩感知的二维波达方向估计新方法。定义方位角和俯仰角余弦乘积为空间合成角,利用等余弦网格划分空间合成角构造超完备的冗余字典,将子阵接收的单快拍数据矢量转化为冗余字典下的稀疏表示问题;采用单位列向量组合矩阵随机抽取的新方法构造高斯随机测量矩阵;通过改进正交匹配追踪算法求解二维波达角。指出所提出的算法比传统二维MUSIC算法在高信噪比、多快拍条件下估计性能更好,并且有一定的阵元节约效能。计算机仿真实验证明了以上结论。

基于二维压缩感知的有意义图像加密算法研究

针对基于压缩感知的有意义图像加密算法存在加密图像视觉安全性不高及重构图像质量不佳的问题,提出了一种基于二维压缩感知的有意义图像加密算法。首先,设计了一种与明文相关联的混沌伪随机序列生成方法,利用全局随机置乱和灰度变换操作进行预加密,改进了重构图像质量。生成的预加密图像作为二维压缩感知的输入,在压缩加密和量化操作后,生成秘密图像。其次,考虑了待嵌入数据和待修改数据之间的关系,利用自适应嵌入方法修改载体系数值,提高了有意义加密图像的视觉安全性。最后,采用二维投影梯度重构方法联合执行解压缩和解密操作,获取重构图像。实验结果表明,与现有算法相比,所提算法不仅提高了加密图像视觉安全性和重构图像质量,而且能抵抗噪声和裁剪攻击。

二维压缩感知多投影矩阵特征融合的SAR目标识别方法

针对合成孔径雷达(synthetic aperture radar,SAR)目标识别问题,提出联合多层次二维压缩感知投影特征的方法。采用二维压缩感知投影作为基础特征提取算法,具有不依赖训练样本、效率高等显著优势。构建多个二维压缩感知投影矩阵提取原始SAR图像的多层次特征。不同投影矩阵获得的特征具有差异性,从不同方面描述SAR图像的灰度分布特性;同时,这些特征源自相同的输入图像,因此也具有一定的内在关联性。采用联合稀疏表示对提取的多个特征矢量进行表征分析,在内在关联性约束下考察不同特征的独立鉴别能力,从而提升每一类特征的稀疏表示精度。最终,根据求解的稀疏表示系数,分别在各个训练类别上对测试样本的多类特征进行重构,获得重构误差。根据最小误差的准则,判定测试样本所属目标类别。通过综合运用多层次二维压缩感知特征提取和联合稀疏表示分类,提高SAR目标识别的整体性能。利用MSTAR数据集中的多类目标SAR图像对方法进行测试验证,结果反映其在标准操作条件(standard operating condition,SOC)和扩展操作条件(extended operating condition,EOC)均可保持可靠的识别性能。

基于二维压缩感知的双选信道估计

高速移动下的无线宽带通信要经历时间和频率的双选择性衰落,为了使发送的数据经过衰落的信道后在接收端被正确地接收,必须要对信道状态信息进行估计。文中根据双选信道在时延-多普勒域的二维稀疏性,同时利用时域和多普勒域内的相关性,在OFDM系统中提出了基于二维压缩感知(2 Dimension Compressive Sensing,2D-CS)的双选信道估计。同时为了克服信道的双选特性对信道估计造成的不稳定性,设计了二维正则正交匹配追踪(2 Dimension Regularized Orthogonal Matching Pursuit,2D-ROMP)算法进行信道估计。理论分析和仿真结果表明,在同等条件下,采用二维的信道估计方法比一维的信道估计方法性能提高很多,同时与现有的基于传统的时频二维的算法相比,基于2D-ROMP的信道估计复杂度更低,且系统性能更高,减少估计时延。

基于二维压缩感知的超声k空间重建

压缩感知理论已经应用于多个领域,如MRI,超声等。提出了一个新的超声重建方法,基于二维压缩感知和k空间。在时域采样特定信号,并在k空间中对其进行重建。当处理二维信号(图像)时,传统的方法是将其转换为一维向量,这种方法非常耗时,并且对于大的图像重建来说不切实际,通过二维压缩感知处理这个难题。

基于自适应分块的高光谱图像压缩感知重构方法

在对高光谱图像采样重构的研究中,整体采样和固定分块采样没有考虑到高光谱图像复杂的纹理特征分布,使用了相同的测量矩阵导致图像的重构质量较差。针对此问题,该文提出基于2维图像熵自适应分块压缩感知重构方法(ABCS-IE),该方法以图像2维熵作为高光谱图像纹理细节的度量,根据图像的纹理细节分布自适应改变图像子块的大小,然后为不同的图像块分配特定的采样值,根据分配的采样值设计专有的测量矩阵对图像块进行压缩测量,将采样测量值代入重构算法中进行重构。实验结果表明,与整体采样重构和固定分块采样重构相比,将该方法应用到压缩感知重构算法中对高光谱图像进行采样重构后,重构的图像在视觉效果上有明显的提高,取得的峰值信噪比(PSNR)和结构相似度(SSIM)最大,采样率为0.4时,PSNR提高了2~4 dB,SSIM最大提高了0.27,均方根误差(RMSE)和信息熵差值(ΔH)也有所降低,说明重构的图像更加接近原始图像。而且运算时间也减少了1~1.5 s。可见,该方法能充分利用高光谱图像的纹理特征,有效提高图像的重构质量,同时减少重构的运算时间。

合成孔径雷达运动目标谱图二维压缩与重构方法

在完成合成孔径雷达(SAR)双通道回波数据对消处理的基础上,提出一种基于压缩感知的运动目标谱图二维压缩与重构方法。通过构造二维观测矩阵对SAR谱图在距离和慢时间方向上分别进行压缩,接收端设计二维正交匹配追踪法来重构原始谱图信息,进一步得到目标高分辨二维像。该方法可大幅降低SAR运动目标谱图数据量,并在稀疏度估计值不小于应有稀疏度值且两者比较接近的条件下,准确重构出原始谱图信息,同时得到高质量的运动目标二维像。仿真验证了方法的有效性。

基于2DPCA和压缩感知的人脸识别方法

提出一种基于二维主成份分析(2DPCA)和压缩感知的人脸识别方法。阐述2DPCA提取特征向量的工作原理,利用压缩感知方法求解待识别图像在足够样本下的稀疏表示。由所有训练图的特征向量构成测量矩阵,将每一幅待识别图像的特征向量作为测量值,由压缩感知中求解的L1范数极小值得到待识别图像的编码信号,根据该编码信号识别人脸图像。实验结果表明,与其他组合方法相比,基于2DPCA和压缩感知的人脸识别方法得到的识别率较高。