遥感图像的快速压缩算法研究

发布时间：2017-06-12 05:07

  本文关键词：遥感图像的快速压缩算法研究，由笔耕文化传播整理发布。

【摘要】：在大数据时代,处理数据的规模轻易的就能超过兆字节,FFT的处理速度已经跟不上“快”的步伐。最近国内外稀疏信号处理最受欢迎的两个趋势：压缩感知和稀疏傅里叶变换。压缩感知和稀疏快速傅里叶变换分别被评为2007年和2012年美国《技术评论》上10项改变世界的新技术之一。本文在压缩感知CS和稀疏快速傅里叶变换SFFT的理论基础上,以遥感卫星图像作为研究对象,深入探讨了CS的三种经典重构算法OMP, SAMP, StOMP,并提出改进的算法,最后创新性的将改进的SFFT算法用于遥感图像的压缩,使得重构图像在效率和质量上都达到很高的水平。本文的主要工作如下：首先对CS关键技术中重构算法：OMP, SAMP以及StOMP进行性能比较。综合考虑重构时间和重构图像质量,本文创新性地提出了基于梯度追踪GP的StOMP算法,也即StOGP算法。它在原子选择上使用StOMP算法,该算法运行效率高,且能够在稀疏度K未知的情况下,采用一种步长的思想来实现信号自适应的逼近。在余量更新时使用GP算法,该算法重构信号效果好,复杂度不高。通过对遥感图像的实验结果可以看出,StOGP算法在保证很高的实时效率的同时提高了图像重建效果,较传统算法性能更佳；接着讨论了实现SFFT算法的具体流程,详细探讨了三种改进的SFFT算法的不同,并通过实验仿真衡量三种算法的性能,然后将综合性能最好的改进SFFT3算法用于遥感图像的压缩,通过与压缩感知重构算法中时间效率最高的StOMP算法和重构质量最好SAMP算法进行仿真对比,结果表明,基于改进的SFFT3算法重构时间远远低于CS的StOM P,重构质量也高于CS的SAMP。可见SFFT算法在未来信号处理领域具有很好的应用前景。
【关键词】：遥感图像压缩 压缩感知 稀疏快速傅里叶变换 梯度追踪
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-20
• 1.1 课题研究背景和意义11-12
• 1.2 国内外研究现状12-16
• 1.2.1 压缩感知理论的研究现状13-14
• 1.2.2 稀疏快速傅里叶变换的研究现状14-16
• 1.3 图像压缩重构质量的评价16-18
• 1.3.1 主观评价方法16-17
• 1.3.2 客观评价方法17-18
• 1.4 论文的研究内容和结构安排18-20
• 2 压缩感知和稀疏快速傅里叶变换关键技术20-35
• 2.1 引言20
• 2.2 压缩感知理论研究20-25
• 2.2.1 信号的稀疏表示20-23
• 2.2.2 测量矩阵23-24
• 2.2.3 信号重构24-25
• 2.3 稀疏快速傅里叶变换理论25-34
• 2.3.1 SFFT的算法原理26-28
• 2.3.2 随机频率分箱28-29
• 2.3.3 窗函数29-30
• 2.3.4 子采样和FFT30
• 2.3.5 单一频率恢复30-32
• 2.3.6 滤波分离频率32-34
• 2.4 本章小结34-35
• 3 基于压缩感知的遥感图像的压缩算法35-46
• 3.1 引言35
• 3.2 压缩感知重构算法分析35-41
• 3.2.1 正交匹配追踪OMP算法36-37
• 3.2.2 稀疏自适应匹配追踪SAMP算法37-38
• 3.2.3 步移正交匹配追踪算法StOMP算法38
• 3.2.4 性能分析比较38-41
• 3.3 基于梯度追踪的STOMP算法41-45
• 3.3.1 基于优化的StOMP遥感图像的压缩42-43
• 3.3.2 仿真实验结果43-45
• 3.4 本章小结45-46
• 4 基于稀疏快速傅里叶变换的遥感图像的压缩46-63
• 4.1 引言46
• 4.2 三种不同SFFT算法的比较46-53
• 4.2.1 SFFT1算法47-49
• 4.2.2 SFFT2算法49-50
• 4.2.3 SFFT3算法50-52
• 4.2.4 三种算法的比较52-53
• 4.3 基于改进的SFFT3的遥感图像的快速算法53-61
• 4.3.1 进制搜索技术53-56
• 4.3.2 滤波器的设计56
• 4.3.3 算法验证56-60
• 4.3.4 稀疏性研究60-61
• 4.4 本章小结61-63
• 5 结论63-65
• 5.1 工作总结63-64
• 5.2 工作展望64-65
• 参考文献65-69
• 作者简历及攻读硕士/博士学位期间取得的研究成果69-71
• 学位论文数据集71

【相似文献】

中国期刊全文数据库 前10条

1 张丽芳;;3种聚类算法性能比较分析[J];长江大学学报(自然科学版)理工卷;2009年02期

2 张宏哲;;FFT算法的一种改进[J];长安大学学报(自然科学版);1988年01期

3 江少锋,杨素华;一种简单高效的图象缩小算法[J];南昌航空工业学院学报(自然科学版);2003年04期

4 蔡涛,王润生;分开合并算法的若干讨论和改进[J];国防科技大学学报;2000年04期

5 樊祥;方义强;程正东;朱斌;施展;;基于AHP的跟踪算法性能评价研究[J];弹箭与制导学报;2013年02期

6 秦绪红;赵杰;程俊廷;;手持式三维激光扫描仪定位算法的研究[J];科学技术与工程;2013年23期

7 武志昊;林友芳;田盛丰;唐锐;;高度重叠社区的社区合并优化算法[J];北京交通大学学报;2011年03期

8 唐伟;;基于软件实现的误差算法自动分析处理[J];硅谷;2012年16期

9 范晓平;;最小生成树(MST)的“分级选树”算法[J];西南交通大学学报;1983年01期

10 陈广江;用MUSIC算法处理非均匀间隔采样数据[J];系统工程与电子技术;1998年09期

中国重要会议论文全文数据库 前10条

1 尹冀锋;;一种新的图象自适应增强算法[A];四川省通信学会一九九二年学术年会论文集[C];1992年

2 宁春平;田家玮;郭延辉;王影;张英涛;郑桂霞;刘研;;计算机辅助增强、分割算法在鉴别乳腺良、恶性肿块中的应用价值[A];中华医学会第十次全国超声医学学术会议论文汇编[C];2009年

3 谢丽聪;;SVB查询改写算法的改进[A];第二十一届中国数据库学术会议论文集（研究报告篇）[C];2004年

4 郑存红;;复杂背景下相关跟踪算法研究及DSP实现[A];中国光学学会2010年光学大会论文集[C];2010年

5 杨文杰;吴军;;RFID抗冲突算法研究[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集（上）[C];2008年

6 高山;毕笃彦;魏娜;;一种基于UPF的小目标TBD算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

7 周磊;张卫华;王晓奇;张军;;基于流水算法的智能路障机器人设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

8 潘巍;李战怀;陈群;索博;李卫榜;;面向MapReduce的非对称分片复制连接算法优化技术研究[A];第29届中国数据库学术会议论文集（B辑）（NDBC2012）[C];2012年

9 李伟伟;蔡康颖;郑新;王文成;;3D模型中重复结构的多尺度快速检测算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

10 杨任尔;陈恳;励金祥;;基于棱边方向检测的运动自适应去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中国重要报纸全文数据库 前1条

1 国泰君安资产管理部;“算法交易”是道指暴跌罪魁祸首?[N];上海证券报;2010年

中国博士学位论文全文数据库 前10条

1 冯辉;网络化的并行与分布式优化算法研究及应用[D];复旦大学;2013年

2 许玉杰;云计算环境下海量数据的并行聚类算法研究[D];大连海事大学;2014年

3 李琰;基于猫群算法的高光谱遥感森林类型识别研究[D];东北林业大学;2015年

4 陈加顺;海洋环境下聚类算法的研究[D];南京航空航天大学;2014年

5 王洋;基于群体智能的通信网络告警关联规则挖掘算法研究[D];太原理工大学;2015年

6 雷雨;面向考试时间表问题的启发式进化算法研究[D];西安电子科技大学;2015年

7 熊霖;大数据下的数据选择与学习算法研究[D];西安电子科技大学;2015年

8 周雷;基于图结构的目标检测与分割算法研究[D];上海交通大学;2014年

9 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年

10 蒋亦樟;多视角和迁移学习识别方法和智能建模研究[D];江南大学;2015年

中国硕士学位论文全文数据库 前10条

1 姚鑫宇;EMD去噪与MUSIC算法在DOA估计中的联合应用[D];昆明理工大学;2015年

2 陆进;面向含噪数据聚类相关算法的研究[D];复旦大学;2014年

3 李家昌;基于能量约束的超声图像自动分割算法[D];华南理工大学;2015年

4 陈坚;基于密度和约束的数据流聚类算法研究[D];兰州大学;2015年

5 高健;基于Zynq7000平台的去雾算法研究及实现[D];南京理工大学;2015年

6 顾磊;基于Hadoop的聚类算法的数据优化及其应用研究[D];南京信息工程大学;2015年

7 杨燕霞;基于Hadoop平台的并行关联规则挖掘算法研究[D];四川师范大学;2015年

8 王羽;基于MapReduce的社区发现算法的设计与实现[D];南京理工大学;2015年

9 许振佳;流式数据的并行聚类算法研究[D];曲阜师范大学;2015年

10 董琴;人工蜂群算法的改进与应用[D];大连海事大学;2015年

  本文关键词：遥感图像的快速压缩算法研究，由笔耕文化传播整理发布。

，

本文编号：443296