基于压缩感知的煤矿井下图像重构算法研究
发布时间：2022-01-12 11:05
近年来,煤矿安全生产中引入了物联网技术。通过图像传感技术获取的煤矿井下实时图像数据与日俱增,煤矿井下现有的信息传输和数据存储设备正在遭受着前所未有的挑战。传统的奈奎斯特采样定理受2倍带宽宽度限制,在压缩感知理论下,信号的采样率不再取决于信号的带宽,而是取决于信号的稀疏性。本文对压缩感知理论中的信号重构算法以及信号稀疏表示两方面进行了深入研究,基本工作包括:（1）对贪婪迭代算法中的匹配追踪类算法进行了深入研究,分析其理论,在此基础上提出了一种基于OMP算法的改进算法——稀疏度自适应分段正交匹配追踪（Sparsity Adaptive Stagewise Orthogonal Matching Pursuit,SAStOMP）算法。该算法将自适应思想、变步长迭代思想与分段正交思想相结合,在未知信号稀疏度的情况下,自适应地选择支撑集原子的个数,可以在一定程度上实现信号的精确重构。（2）在研究信号稀疏表示的基础上,将小波变换算法与压缩感知理论结合起来,提出一种改进型的基于小波变换的压缩感知图像处理方法。选择sym8小波为稀疏基对煤矿井下图像进行多层分解,之后采用改进的稀疏度自适应分段正交匹配追...
【文章来源】：河北地质大学河北省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
稀疏表示示意图
投影可得y(∈)，如式（2.6）所示。y=Φx（2.6）其中，观测值是已知的，那么在已知观测值的理论基础上我们对求解原始线性信号函数x的一个实质意义是为了求解一个线性方程组，但是由于式子（2.6）中所有未知数列的个数远远要小于线性方程的已知个数，我们无法由此得到唯一性的解，只能由此得出无穷多个近似的解。将原始信号的稀疏表示形式代入到（2.6）中，得式子（2.7）。y=Φx=ΦΨθ=Aθ（2.7）其中A称为感知矩阵。要使感知矩阵和观测矩阵的大小保持一致，需要保证稀疏字典Ψ是完备字典。对原始信号的观测处理过程如图2.4[22]所示。图2.4原始信号压缩采样过程
河北地质大学硕士学位论文19思想以及SAMP算法自适应思想的重建算法，保证了全局优化的同时提高了算法的运算速度。3.2.2一维随机信号重构实验及分析为了充分检验本章节改进算法的正确性和有效性，分别采用高斯随机矩阵、伯努利矩阵和部分傅里叶矩阵为观测矩阵算法进行对比实验，并将基于贪婪迭代追踪的OMP算法、ROMP算法、StOMP算法与提出的SAStOMP算法分别进行实验比较。本节涉及的实验在华硕Y481C笔记本（4GBDDR3内存，i7-3573）上，通过MATLABR2014a仿真完成。当一个信号的观测矩阵为高斯随机变换矩阵、伯努利矩阵和部分傅里叶变换矩阵时，信号观测准确率和信号重建时的准确概率分别接近等于如图3.2、图3.3、图3.4所示。图3.2观测矩阵为高斯矩阵，信号重建概率
【参考文献】：
期刊论文
[1]稀疏度自适应分段正交匹配追踪算法改进[J]. 李雪晴,丁佳静,武雪姣. 软件工程. 2019(07)
[2]稀疏度自适应回溯追踪算法改进[J]. 丁佳静,武雪姣,李雪晴. 软件导刊. 2019(08)
[3]基于压缩感知的OMP图像重构优化算法[J]. 郭慧莹. 电子技术与软件工程. 2019(09)
[4]阈值稀疏自适应匹配追踪图像重构算法[J]. 李琪,张欣,张平康,张航. 小型微型计算机系统. 2018(11)
[5]改进的基于稀疏表示的全色锐化算法[J]. 吴宗骏,吴炜,杨晓敏,刘凯,Gwanggil Jeon,袁皓. 计算机应用. 2019(02)
[6]基于压缩感知的图像稀疏表示和重构[J]. 许婷婷,洪丽华,刘真祥,张静敏,周卫红. 云南民族大学学报(自然科学版). 2018(02)
[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]改进型CS图像算法在感知矿山物联网的应用[J]. 赵小虎,刘闪闪,沈雪茹. 机械设计与制造工程. 2017(11)
[9]基于压缩感知的图像重构关键技术研究[J]. 刘效勇,卢佩,曹海宾,田敏. 石河子大学学报(自然科学版). 2017(05)
[10]面向压缩感知的稀疏度自适应图像重构算法研究[J]. 吴俊熊,刘紫燕,冯丽,张达敏. 小型微型计算机系统. 2017(08)
硕士论文
[1]压缩感知在矿山物联网中的应用研究[D]. 黄心怡.安徽理工大学 2019
[2]基于压缩感知的电力设备图像处理算法研究[D]. 汪一坡.安徽理工大学 2019
[3]基于离散小波变换的图像压缩感知编码技术研究[D]. 何永洋.南京邮电大学 2018
[4]基于压缩感知匹配追踪类重构算法的若干研究[D]. 石曼曼.南京邮电大学 2018
[5]基于小波变换的自适应压缩采样成像研究[D]. 张栋.西南交通大学 2018
[6]基于压缩感知的近场声全息算法研究及DSP实现[D]. 赵永峰.西南科技大学 2018
[7]基于压缩感知的图像重构算法研究[D]. 张鑫晟.江苏大学 2018
[8]压缩感知重构问题的凸优化算法研究[D]. 包颜颜.西安电子科技大学 2017
[9]基于压缩感知的二维图像重构算法研究[D]. 张迪.西南交通大学 2017
[10]基于压缩感知的信号重构算法研究[D]. 李超.上海师范大学 2017
本文编号：3584663
【文章来源】：河北地质大学河北省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
稀疏表示示意图
投影可得y(∈)，如式（2.6）所示。y=Φx（2.6）其中，观测值是已知的，那么在已知观测值的理论基础上我们对求解原始线性信号函数x的一个实质意义是为了求解一个线性方程组，但是由于式子（2.6）中所有未知数列的个数远远要小于线性方程的已知个数，我们无法由此得到唯一性的解，只能由此得出无穷多个近似的解。将原始信号的稀疏表示形式代入到（2.6）中，得式子（2.7）。y=Φx=ΦΨθ=Aθ（2.7）其中A称为感知矩阵。要使感知矩阵和观测矩阵的大小保持一致，需要保证稀疏字典Ψ是完备字典。对原始信号的观测处理过程如图2.4[22]所示。图2.4原始信号压缩采样过程
河北地质大学硕士学位论文19思想以及SAMP算法自适应思想的重建算法，保证了全局优化的同时提高了算法的运算速度。3.2.2一维随机信号重构实验及分析为了充分检验本章节改进算法的正确性和有效性，分别采用高斯随机矩阵、伯努利矩阵和部分傅里叶矩阵为观测矩阵算法进行对比实验，并将基于贪婪迭代追踪的OMP算法、ROMP算法、StOMP算法与提出的SAStOMP算法分别进行实验比较。本节涉及的实验在华硕Y481C笔记本（4GBDDR3内存，i7-3573）上，通过MATLABR2014a仿真完成。当一个信号的观测矩阵为高斯随机变换矩阵、伯努利矩阵和部分傅里叶变换矩阵时，信号观测准确率和信号重建时的准确概率分别接近等于如图3.2、图3.3、图3.4所示。图3.2观测矩阵为高斯矩阵，信号重建概率
【参考文献】：
期刊论文
[1]稀疏度自适应分段正交匹配追踪算法改进[J]. 李雪晴,丁佳静,武雪姣. 软件工程. 2019(07)
[2]稀疏度自适应回溯追踪算法改进[J]. 丁佳静,武雪姣,李雪晴. 软件导刊. 2019(08)
[3]基于压缩感知的OMP图像重构优化算法[J]. 郭慧莹. 电子技术与软件工程. 2019(09)
[4]阈值稀疏自适应匹配追踪图像重构算法[J]. 李琪,张欣,张平康,张航. 小型微型计算机系统. 2018(11)
[5]改进的基于稀疏表示的全色锐化算法[J]. 吴宗骏,吴炜,杨晓敏,刘凯,Gwanggil Jeon,袁皓. 计算机应用. 2019(02)
[6]基于压缩感知的图像稀疏表示和重构[J]. 许婷婷,洪丽华,刘真祥,张静敏,周卫红. 云南民族大学学报(自然科学版). 2018(02)
[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]改进型CS图像算法在感知矿山物联网的应用[J]. 赵小虎,刘闪闪,沈雪茹. 机械设计与制造工程. 2017(11)
[9]基于压缩感知的图像重构关键技术研究[J]. 刘效勇,卢佩,曹海宾,田敏. 石河子大学学报(自然科学版). 2017(05)
[10]面向压缩感知的稀疏度自适应图像重构算法研究[J]. 吴俊熊,刘紫燕,冯丽,张达敏. 小型微型计算机系统. 2017(08)
硕士论文
[1]压缩感知在矿山物联网中的应用研究[D]. 黄心怡.安徽理工大学 2019
[2]基于压缩感知的电力设备图像处理算法研究[D]. 汪一坡.安徽理工大学 2019
[3]基于离散小波变换的图像压缩感知编码技术研究[D]. 何永洋.南京邮电大学 2018
[4]基于压缩感知匹配追踪类重构算法的若干研究[D]. 石曼曼.南京邮电大学 2018
[5]基于小波变换的自适应压缩采样成像研究[D]. 张栋.西南交通大学 2018
[6]基于压缩感知的近场声全息算法研究及DSP实现[D]. 赵永峰.西南科技大学 2018
[7]基于压缩感知的图像重构算法研究[D]. 张鑫晟.江苏大学 2018
[8]压缩感知重构问题的凸优化算法研究[D]. 包颜颜.西安电子科技大学 2017
[9]基于压缩感知的二维图像重构算法研究[D]. 张迪.西南交通大学 2017
[10]基于压缩感知的信号重构算法研究[D]. 李超.上海师范大学 2017
本文编号：3584663
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3584663.html
最近更新
教材专著
