多维稀疏信号重构算法研究及应用

发布时间：2017-06-06 06:14

  本文关键词：多维稀疏信号重构算法研究及应用，由笔耕文化传播整理发布。

【摘要】：信息技术是实施精准农业的重要支撑技术。随着现代农业的不断发展,海量的多维数据获取变得非常普遍,如图像、视频、遥感数据等,这些庞大的数据增加了编码端和解码端的计算复杂度和内存占用率,同时对信道的传输也造成了很大的负担。如何充分利用多维信号的内在结构特点,降低多维信号处理的计算复杂度和内存占用率,是实施精准农业的关键前提。本文针对多维稀疏信号重构质量低、计算复杂度高的问题开展研究工作,提出了二维子空间追踪(Two Dimensional Subspace Pursuit,2DSP)重构算法和三维正交匹配追踪(Three Dimensonal Orthogonal Matching Pursuit,3D-OMP)重构算法,以提高算法重构的质量,降低计算复杂度;同时利用众核处理器GPU强大的并行计算能力,设计了并行的3D-OMP重构算法,进一步提高算法的运行速度;并将压缩感知理论成功应用于农业工程领域,解决苹果果实病害分类识别的问题。主要研究工作和结论:(1)针对2D-OMP算法重构质量不高的问题,提出了改进的2DSP重构算法。优化了支撑集的构建方法,以搜索最匹配的子空间的方法替代筛选单个最匹配二维原子的方法,提高了算法的重构质量,而时间复杂度和空间复杂度与2D-OMP重构算法相同。实验结果证明,2DSP重构算法仅需约120个采样点就能够以90%的高概率精确重构合成的、大小为64?64的4阶稀疏信号,随着稀疏度变大,高概率精确重构需要的采样点数相应增多;采用真实的图像对比分析时,2DSP重构算法的PSNR值要高于2D-OMP算法0.5d B左右。(2)针对编码端全局测量三维信号计算复杂度高的问题,提出了三维分离采样(Three Dimensional Separable Operator,3DSO)处理方法,采用单独的测量矩阵和稀疏变换基对三维信号的三个维度分离进行处理,并对3DSO方法中测量矩阵与稀疏变换矩阵的相关性以及有限等距性质进行了详细的分析。理论分析表明,3DSO方法压缩测量效果与全局测量方法相同,但是极大的减小了测量矩阵和稀疏变换矩阵的大小,三维分离测量方法的时间复杂度和空间复杂度分别为3O(mn)和3O(mn),均为传统的全局测量方法的21 m,有效减轻了编码端的负担。(3)针对三维稀疏信号重构时计算复杂度高的问题,提出了3D-OMP重构算法。算法通过在每个迭代循环中筛选一个最匹配的三维原子,加入支撑集,进而建立起一个包含k个最匹配三维原子的支撑集。最后基于支撑集采用最小二乘法实现三维稀疏信号的重建。理论分析表明,3D-OMP算法的时间复杂度仅为3O(mn),空间复杂度为3O(n)。采用合成的三维稀疏信号测试表明,3D-OMP算法仅需约140个采样点就能够以90%的高概率精确重构大小为16?16?16的4阶三维稀疏信号,随着稀疏度变大,高概率精确重构需要的采样点数相应增多;3D-OMP算法的重构质量和精确重构概率仅次于全局测量方法,优于KCS算法;采用真实的高光谱图像测试表明,在同样的压缩比下,3D-OMP算法的重构质量与KCS算法相当,但是算法运行速度相对于KCS算法平均提高了163.84s。(4)针对三维信号数据量庞大,3D-OMP算法重构时耗时依然很长的问题,提出了一种并行3D-OMP重构算法,利用众核处理器GPU强大的并行计算能力对算法中大量的、并行度很高的张量和矩阵运算进行并行设计,并采用访存优化、规约求和、指令级优化、负载均衡等优化策略优化并行算法。实验结果表明,重构算法中耗时最长的三维映射部分并行优化后,并行算法相对于采用2o级优化后的串行算法的加速比最高可达390倍,计算残差部分加速比最高可达55倍,整个重构算法的加速比最高为146倍。(5)针对农业工程领域中的病害识别问题,提出了一种基于压缩感知理论的苹果果实病害识别模型,尝试利用压缩感知理论解决农业工程中的具体问题。基于任意一个病害样本可以由若干个同属一类的其他样本稀疏表示的原理,建立病害的稀疏表示模型,然后采用标准CS重构算法求解测试样本在特征矩阵上的稀疏表示系数,通过对稀疏系数的分析实现样本的分类识别。采用3类常见的苹果果实病害:轮纹病、炭疽病和新轮纹病等,每类病害26幅,共78幅病害图像作为实验样本测试模型。为进行对比分析,同时建立了基于支持向量机的病害识别模型。实验结果表明,基于压缩感知理论的识别模型对轮纹病、炭疽病和新轮纹病的正确识别率分别为80%、90%和100%,平均正确识别率为90%。支持向量机识别模型对三种病害的识别率分别为80%、100%和90%,平均正确识别率为90%。因此基于压缩感知理论的识别模型与成熟的支持向量机识别模型识别效果相当。
【关键词】：二维子空间追踪 三维分离处理 三维正交匹配追踪 众核处理器 病害识别
【学位授予单位】：西北农林科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要5-7
• ABSTRACT7-13
• 第1章 绪论13-24
• 1.1 研究背景13-15
• 1.2 国内外研究现状15-20
• 1.2.1 压缩感知重构算法研究现状15-17
• 1.2.2 基于GPU并行优化算法研究现状17-18
• 1.2.3 压缩感知理论应用研究现状18-19
• 1.2.4 需要解决的关键问题19-20
• 1.3 研究内容20
• 1.4 研究方法与技术路线20-22
• 1.4.1 研究方法20
• 1.4.2 技术路线20-21
• 1.4.3 具体研究方案21-22
• 1.5 论文组织结构22-24
• 第2章 二维子空间追踪重构算法24-45
• 2.1 压缩感知理论24-26
• 2.1.1 稀疏表示24-25
• 2.1.2 测量矩阵25
• 2.1.3 重构算法25-26
• 2.22D-OMP重构算法26-30
• 2.2.1 算法介绍27-28
• 2.2.2 算法分析28-30
• 2.3 二维子空间追踪算法30-33
• 2.3.1 基本实现原理30-32
• 2.3.2 时间复杂度分析32-33
• 2.3.3 空间复杂度分析33
• 2.4 实验对比分析33-43
• 2.4.1 精确重构33-34
• 2.4.2 两种算法对比分析34-35
• 2.4.3 重构质量分析35-43
• 2.5 本章小结43-45
• 第3章 三维正交匹配追踪重构算法45-64
• 3.1 三维分离处理45-49
• 3.1.1 三维稀疏变换和分离测量45-46
• 3.1.2 相关性分析46-47
• 3.1.3 有限等距性质分析47-48
• 3.1.4 编码端复杂度分析48-49
• 3.2 三维正交匹配追踪算法49-54
• 3.2.1 三维原子与字典50-51
• 3.2.2 三维映射51
• 3.2.3 最小二乘法求解51-53
• 3.2.4 迭代求逆53-54
• 3.3 重构算法分析54-55
• 3.3.1 时间复杂度分析54-55
• 3.3.2 空间复杂度分析55
• 3.4 实验对比分析55-62
• 3.4.1 精确重构55-56
• 3.4.23D-OMP算法性能分析56-58
• 3.4.3 采用真实图像的算法对比分析58-60
• 3.4.4 重构质量分析60-62
• 3.5 本章小结62-64
• 第4章 基于GPU并行优化重构算法研究64-88
• 4.1 并行编程技术研究64-69
• 4.1.1 NVIDIA GPU硬件架构64-67
• 4.1.2 CUDA计算架构67-69
• 4.1.3 并行优化策略69
• 4.2 3D-OMP算法并行性分析69-73
• 4.2.1 三维映射70-71
• 4.2.2 寻找最大值71
• 4.2.3 迭代求逆71
• 4.2.4 计算向量v71-72
• 4.2.5 估计信号72
• 4.2.6 计算残差72-73
• 4.3 并行设计 3D-OMP算法73-80
• 4.3.1 并行设计三维映射73-74
• 4.3.2 并行设计寻找最匹配的原子74-75
• 4.3.3 并行设计迭代求逆75-77
• 4.3.4 并行计算向量77-79
• 4.3.5 并行设计估值信号79-80
• 4.3.6 并行计算残差80
• 4.4 实验结果与分析80-86
• 4.4.1 实验条件80
• 4.4.2 实验对象80-81
• 4.4.3 实验方法81
• 4.4.4 实验分析与优化81-86
• 4.5 本章小结86-88
• 第5章 基于压缩感知的病害识别模型研究88-105
• 5.1 图像获取与预处理88-90
• 5.1.1 图像获取88
• 5.1.2 图像预处理88-90
• 5.2 病斑分割与特征提取90-95
• 5.2.1 基于水平集的病斑分割90-92
• 5.2.2 病斑特征提取92-95
• 5.3 基于压缩感知理论建立识别模型95-100
• 5.3.1 稀疏表示模型95-97
• 5.3.2 重构算法求解97-100
• 5.4 基于支持向量机建立病害识别模型100-101
• 5.5 实验结果与分析101-103
• 5.5.1 实验条件101
• 5.5.2 实验对象101
• 5.5.3 实验方法101-102
• 5.5.4 实验结果分析102-103
• 5.6 本章小结103-105
• 第6章 结论与展望105-108
• 6.1 结论105-107
• 6.2 创新点107
• 6.3 展望107-108
• 参考文献108-116
• 致谢116-117
• 作者简介117

【参考文献】

中国期刊全文数据库 前10条

1 焦李成;杨淑媛;刘芳;侯彪;;压缩感知回顾与展望[J];电子学报;2011年07期

2 杨柳;刘铁英;;GPU架构下的并行计算[J];吉林大学学报(信息科学版);2012年06期

3 张硕;王杰;王金成;李海峰;刘旭;;基于压缩感知的三维物体成像的简单计算方法[J];光学学报;2013年01期

4 朱秋平;颜佳;张虎;范赐恩;邓德祥;;基于压缩感知的多特征实时跟踪[J];光学精密工程;2013年02期

5 陈春雷;慕德俊;张慧翔;胡伟;;CUDA加速的DNA-蛋白质匹配及其优化[J];电子技术应用;2013年09期

6 汪璞;安玮;邓新蒲;郭靖;;使用压缩感知的遥感图像振荡畸变几何校正方法[J];光学学报;2015年01期

7 杨沐津;于策;;孙济洲;曹玮;陈锦言;商朝晖;刘强;;GAISP:一种GPU加速的天文图像相减测光算法[J];计算机应用研究;2011年10期

8 李树涛;魏丹;;压缩传感综述[J];自动化学报;2009年11期

9 周煜坤;陈清华;余潇;;基于CUDA的大规模流体实时模拟[J];计算机应用与软件;2015年01期

10 肖汉;郭运宏;周清雷;;面向CPU+GPU异构计算的SIFT特征匹配并行算法[J];同济大学学报(自然科学版);2013年11期

中国硕士学位论文全文数据库 前2条

1 谭坤;快速子空间追踪算法研究[D];电子科技大学;2010年

2 段皓;基于CUDA的JPEG-LS编码器的并行设计[D];西北农林科技大学;2013年

  本文关键词：多维稀疏信号重构算法研究及应用，，由笔耕文化传播整理发布。

本文编号：425573