壓縮傳感論文壓縮傳感 紅外圖像 稀疏表達 傳感矩陣 信號重構(gòu)

1、 壓縮傳感論文：壓縮傳感理論及其在紅外圖像處理中的應(yīng)用研究【中文摘要】隨著軍事及民用系統(tǒng)對紅外圖像性能要求的日益提高,高分辨率的紅外圖像獲取成為諸多應(yīng)用系統(tǒng)的一個關(guān)鍵問題之一,高分辨率的紅外傳感器雖然已經(jīng)取得了較好的研究進展,但仍不能滿足日益增長的需求。壓縮傳感理論的出現(xiàn)為利用少數(shù)傳感器獲取高分辨率的圖像提供了理論基礎(chǔ),壓縮傳感理論突破了香農(nóng)采樣定理對傳感系統(tǒng)的限制,可以獲取對象的稀疏表達,只需采集少量數(shù)據(jù)即可重構(gòu)高分辨率的信號。該理論的出現(xiàn)為高性能、低成本傳感器的設(shè)計奠定了理論基礎(chǔ),被認為是傳感器領(lǐng)域的歷史性突破。本文針對紅外成像系統(tǒng),對壓縮傳感理論中的信號稀疏化方法、傳感矩陣設(shè)計方法及高分

2、辨率信號的重構(gòu)方法進行了研究。提出了一種自適應(yīng)稀疏采樣方法,用于解決稀疏度未知的目標稀疏表達(采樣)問題,通過嘗試不同稀疏度采樣重構(gòu)信號的質(zhì)量對信號的稀疏表達進行評估,從中選擇最優(yōu)的稀疏表達。在傳感矩陣的選擇方面,本文通過構(gòu)造一個亞高斯混合矩陣,將目標投影到一個稀疏空間內(nèi),實現(xiàn)信號的壓縮感知,該混合矩陣可根據(jù)目標特征自動分區(qū)投影,以充分獲取目標的結(jié)構(gòu)特征,便于進一步構(gòu)造目標識別系統(tǒng)等后續(xù)處理。為進行目標的高分辨率重構(gòu),本文給出了一種分塊壓縮傳感算法,將整幅圖像先分解為一系列大小相同.【英文摘要】The acquisition of high resolution infrared image

3、has been a key problem in many military and civil application systems with the growing demands of high quality infrared images. The high resolution infrared imager has been paid much attention and gained many good performances in the past decades, but which can not meet the demands yet. The presenta

4、tion of the compressed sensing theory makes it possible to get high resolution image with low resolution infrared sensors. As the theory foundation, compressed se.【關(guān)鍵詞】壓縮傳感 紅外圖像 稀疏表達 傳感矩陣 信號重構(gòu)【英文關(guān)鍵詞】Compressed Sensing Infrared Image Sparse Representation Sensing Matrix Signal Reconstruction【索購全文】聯(lián)系Q

5、1：138113721 Q2：139938848【目錄】壓縮傳感理論及其在紅外圖像處理中的應(yīng)用研究摘要2-3ABSTRACT3-4第1章 緒論7-201.1 研究背景7-11 基于Shannon 定理的信號處理9-10 稀疏采樣原理10-111.2 壓縮傳感理論研究進展11-141.3 紅外圖像處理系統(tǒng)研究進展14-18 紅外成像器件研究進展16-17 紅外圖像處理技術(shù)研究進展17-181.4 本文研究內(nèi)容18-191.5 論文內(nèi)容安排19-20第2章 壓縮傳感理論基礎(chǔ)20-332.1 壓縮傳感理論的提出20-23 傳統(tǒng)信號處理過程20-21 壓縮傳感處理過程21-232.2 壓縮傳感理論的數(shù)

6、學(xué)描述23-242.3 信號的稀疏表達24-262.4 壓縮傳感的設(shè)計26-28 壓縮傳感處理過程26-27 測量矩陣的構(gòu)造27-282.5 信號重構(gòu)算法28-30 最小L1 范數(shù)算法28-29 匹配追蹤及改進算法29-30 最小全變分(TV)法30 迭代閾值法(IT)302.6 壓縮傳感的應(yīng)用概述30-32 壓縮傳感成像31 基于壓縮傳感的信道編碼31-32 模擬/數(shù)字信息轉(zhuǎn)換322.7 本章小結(jié)32-33第3章 基于小波變換的信號稀疏表達方法研究33-433.1 自然信號的稀疏性33-353.2 小波變換原理35-39 小波函數(shù)37-38 連續(xù)小波變換38 離散小波變換38-393.3 小

7、波系數(shù)的稀疏度39-403.4 基于小波變換的自適應(yīng)信號稀疏化40-423.5 本章小結(jié)42-43第4章 亞高斯偽隨機傳感矩陣43-484.1 常用傳感矩陣43-444.2 亞高斯隨機分布444.3 基于亞高斯隨機測量的壓縮傳感過程44-474.4 本章小結(jié)47-48第5章 自適應(yīng)分塊重構(gòu)算法研究48-585.1 壓縮傳感理論中信號重構(gòu)方法簡介485.2 自適應(yīng)分塊重構(gòu)算法48-495.3 算法仿真分析49-575.4 本章小結(jié)57-58第6章 基于壓縮傳感的典型場景紅外成像研究58-666.1 紅外成像系統(tǒng)簡介58-596.2 典型場景的紅外成像59-606.3 基于壓縮傳感的典型紅外場景成像60-62 信號的稀疏表達60 壓縮傳感60-61 信號的重構(gòu)6