为改善分布式压缩视频感知(distributed compressive video sensing,DCVS)系统的视频帧图像重构质量,以实时视频传输为应用场景,提出了一种基于双重稀疏模型的图像解码算法。解码端由相邻的已重构关键帧产生边信息(sideinformatio...为改善分布式压缩视频感知(distributed compressive video sensing,DCVS)系统的视频帧图像重构质量,以实时视频传输为应用场景,提出了一种基于双重稀疏模型的图像解码算法。解码端由相邻的已重构关键帧产生边信息(sideinformation,SI);根据双重稀疏模型思想,分离样本图像小波域下不同尺度的子带,分别使用K均值奇异值分解(K-means singular value decomposition,K—SVD)算法得到具有多尺度特性的冗余字典,结合梯度投影稀疏重建(gradient pursuit for sparsereconstruction,GPSR)算法,完成对非关键帧的重构。仿真结果表明,在相同压缩率下,相比传统K—SVD字典训练方法,本文所提出的方法对应的视频帧图像重构峰值信噪比(peak signal to noise ratio,PSNR)可获得0.5~1.5dB以上的增益。展开更多
针对机械装备在状态监测与故障诊断过程中,依据传统香农-内奎斯特采样定理进行数据采集时,面临的大量机械振动信号存储、传输和处理等困难问题,提出基于双稀疏字典模型机械振动信号压缩感知方法。分析机械振动信号在基于双稀疏字典模型...针对机械装备在状态监测与故障诊断过程中,依据传统香农-内奎斯特采样定理进行数据采集时,面临的大量机械振动信号存储、传输和处理等困难问题,提出基于双稀疏字典模型机械振动信号压缩感知方法。分析机械振动信号在基于双稀疏字典模型训练得到的过完备字典上的近似稀疏性;然后利用高斯随机矩阵作为测量矩阵对机械振动信号进行压缩测量;最后通过双稀疏字典模型训练得到的过完备字典,结合正交匹配追踪算法完成对原始机械振动信号的重构。仿真测试结果表明,在相同压缩率下,相比经典K-奇异值分解(K-Singular value decomposition,K-SVD)字典训练方法,所提的方法有更高的重构精度,同时重构时间缩短将近50%。该方法既可以得到较高的信号压缩比又有着精确的信号重构性能。展开更多
文摘为改善分布式压缩视频感知(distributed compressive video sensing,DCVS)系统的视频帧图像重构质量,以实时视频传输为应用场景,提出了一种基于双重稀疏模型的图像解码算法。解码端由相邻的已重构关键帧产生边信息(sideinformation,SI);根据双重稀疏模型思想,分离样本图像小波域下不同尺度的子带,分别使用K均值奇异值分解(K-means singular value decomposition,K—SVD)算法得到具有多尺度特性的冗余字典,结合梯度投影稀疏重建(gradient pursuit for sparsereconstruction,GPSR)算法,完成对非关键帧的重构。仿真结果表明,在相同压缩率下,相比传统K—SVD字典训练方法,本文所提出的方法对应的视频帧图像重构峰值信噪比(peak signal to noise ratio,PSNR)可获得0.5~1.5dB以上的增益。
文摘针对机械装备在状态监测与故障诊断过程中,依据传统香农-内奎斯特采样定理进行数据采集时,面临的大量机械振动信号存储、传输和处理等困难问题,提出基于双稀疏字典模型机械振动信号压缩感知方法。分析机械振动信号在基于双稀疏字典模型训练得到的过完备字典上的近似稀疏性;然后利用高斯随机矩阵作为测量矩阵对机械振动信号进行压缩测量;最后通过双稀疏字典模型训练得到的过完备字典,结合正交匹配追踪算法完成对原始机械振动信号的重构。仿真测试结果表明,在相同压缩率下,相比经典K-奇异值分解(K-Singular value decomposition,K-SVD)字典训练方法,所提的方法有更高的重构精度,同时重构时间缩短将近50%。该方法既可以得到较高的信号压缩比又有着精确的信号重构性能。