基于压缩感知的电力设备图像处理算法研究

发布时间：2022-02-26 01:20

　　随着信息科技技术的发展,以及电力设备生产传输过程中物联网技术的引入,各种传感器采集的图像监控数据成几何倍数的增长。庞大的数据量严重冲击着电力监控监测系统的数据传输和存储。压缩感知理论改变了人们在收集信号和模数转换问题中传统思路。本文介绍了压缩感知的基本理论和概念,详细分析了现有常用测量矩阵构造方法并实验仿真分析各自优劣性,构造新的测量矩阵应用于小波变换和分块压缩感知中,提出了两种不同于传统的图像处理算法。主要做了以下工作:（1）针对电网安全监控过程中图像数据传输量大,节点能耗高、设备寿命年限短、传输和存储设备的受限等问题,提出了一种基于压缩感知图像处理算法。在本文开始时介绍了压缩感知的基本理论和概念,分析了测量矩阵的构造要求以及常用的重构算法,并提出基于奇异值分解的测量矩阵优化,经过实验验证,优化后的测量矩阵较未优化前峰值信噪比有1-2dB的提高。（2）对比经典的压缩感知图像处理算法,将小波变换和压缩感知理论结合,提出了一种基于小波变换的压缩感知图像处理算法,构造基于混沌系统虫口序列的测量矩阵应用于小波变换中,并进行实验验证。（3）针对压缩感知整体采样计算的复杂度,选择分块压缩感知的思... 

【文章来源】：安徽理工大学安徽省

【文章页数】：101 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景
    1.2 研究的意义
    1.3 国内外研究现状
    1.4 论文的主要内容和结构
2 压缩感知相关介绍和测量矩阵的优化
    2.1 压缩感知理论
        2.1.1 稀疏表示
        2.1.2 测量矩阵的构造
        2.1.3 重构算法
    2.2 信号重构衡量指标
        2.2.1 峰值信噪比
        2.2.2 平均结构相似指标
    2.3 常见测量矩阵研究
        2.3.1 常见测量矩阵的介绍
        2.3.2 常见测量矩阵的实验仿真
    2.4 基于SVD测量矩阵优化
        2.4.1 奇异值分解的定义
        2.4.2 基于SVD测量矩阵的优化
        2.4.3 实验验证
    2.5 本章小结
3 基于小波变换的压缩感知图像处理算法
    3.1 基于小波变换的压缩感知理论
        3.1.1 小波变换
        3.1.2 小波的概念
        3.1.3 图像小波系数的特点
    3.2 一种基于小波变换的压缩感知图像处理算法
        3.2.1 基于混沌系统测量矩阵的构造
        3.2.2 算法具体设计步骤
        3.2.3 算法实验验证
    3.3 本章小结
4 一种基于分块压缩感知图像处理算法
    4.1 分块压缩感知(BCS)
        4.1.1 分块压缩感知的概念
        4.1.2 分块压缩感知采样过程
        4.1.3 分块压缩感知重构的特点
    4.2 一种基于分块压缩感知的图像处理算法
        4.2.1 算法的具体实现内容
        4.2.2 算法实验验证
    4.3 本章小结
5 无线传感器硬软件电路的设计
    5.1 实验平台搭建
        5.1.1 网络节点的硬件结构
        5.1.2 硬件介绍
    5.2 节点软件设计
        5.2.1 ZigBee软件开发环境
        5.2.2 协调器节点软件设计
        5.2.3 感知节点软件设计
    5.3 Z-Sensor Monitor显示
    5.4 本章小结
6 基于压缩感知的电力设备视频图像处理算法研究
    6.1 压缩感知理论的应用
        6.1.1 压缩感知超宽带信号处理
        6.1.2 压缩成像
        6.1.3 压缩机器学习与网络数据的应用
    6.2 电力设备运行监控
        6.2.1 电力设备监控的大背景和应用
        6.2.2 图像噪声与滤波
    6.3 图像采集与处理
        6.3.1 图像数据的采集
        6.3.2 图像数据的处理
    6.4 基于压缩感知的电力设备视频图像处理算法研究
        6.4.1 小波压缩感知电力设备视频图像算法研究
        6.4.2 分块压缩感知电力设备视频图像算法研究
    6.5 本章小结
7 总结与展望
    7.1 总结
    7.2 展望
参考文献
致谢
作者简介及读研期间主要科研成果


【参考文献】：
期刊论文
[1]基于方差稳定化和PPB加权最大似然估计的中子图像复原方法研究[J]. 刘娜,乔双,孙佳宁.  东北师大学报(自然科学版). 2018(02)
[2]基于稀疏表示与字典学习的彩色图像去噪算法[J]. 杨培,高雷阜,王江,訾玲玲.  计算机工程与科学. 2018(05)
[3]基于字典学习的图像稀疏去噪算法[J]. 沈晨,张旻.  探测与控制学报. 2018(02)
[4]压缩感知和无线传感器网络的电力监控系统[J]. 王林生,王臻卓.  电子器件. 2018(02)
[5]基于改进的模糊C均值聚类算法的颗粒种子图像分割方法[J]. 王宇,陈婧,王高.  中北大学学报(自然科学版). 2018(02)
[6]面向电力设备的一体化智能监控系统[J]. 朱瑞昌,林勇.  仪表技术与传感器. 2018(03)
[7]基于CS架构的煤矿井下图像处理算法研究[J]. 赵小虎,刘闪闪,沈雪茹,有鹏.  煤炭科学技术. 2018(02)
[8]基于稀疏表示及正则约束的图像去噪方法综述[J]. 彭真明,陈颖频,蒲恬,王雨青,何艳敏.  数据采集与处理. 2018(01)
[9]基于改进HHT的非高斯噪声中瞬态通信信号检测[J]. 郭晓陶,王星,周东青,张莹.  北京航空航天大学学报. 2017(08)
[10]基于分段可调节OMP算法的图像压缩感知算法[J]. 石曼曼,李雷.  计算机技术与发展. 2016(11)

博士论文
[1]语音压缩感知关键技术研究[D]. 孙林慧.南京邮电大学 2012
[2]基于混沌理论的遥测信息安全技术研究[D]. 罗启彬.中国工程物理研究院 2009

硕士论文
[1]淮南地区变电站智能辅助监控系统研究与应用[D]. 徐韦.华北电力大学(北京) 2017
[2]基于小波变换的图像压缩感知方法研究[D]. 谢小红.湖南大学 2012
[3]用于压缩感知的确定性测量矩阵研究[D]. 李浩.北京交通大学 2011



本文编号：3644039