面向视觉传感器网络的压缩感知图像融合关键技术研究

Image fusion is one of the key techniques for information aggregation for Visual Sensor Networks(VSNs). But the traditional image fusion methods are difficult to adapt to the dynamic and resource limited environment of VSNs, and the conventional information fusion methods of Wireless Sensor Networks are hard to adapt to the characteristics of directional sensing and the huge amount of image data in VSNs. How to fusion the VSNs images effectively and efficiently is still a challenge problem. Aiming at the problem of huge information edundancy of traditional sampling mode and the problem of complexity of coding and computationin conventional coding methods and problem of huge image redundancy among the dense deployed cameral nodes, the project propose to systematically study the relevant theories and techniques of image fusion for VSNs from the aspects of image representation methods, camera selection methods, image transmission modes and image fusion strategies. The main content of the project is as follows: research on the image representation of VSNs based on multi-scale block compressive sensing(MBCS), research on the energy and image quality balancedcamera selection methods based on the spatial correlation model, research on the energy efficiency image transmission mode and the image fusion strategies based on MBCS. The research work of the project will provide a solid theoretical and technical support to the effective, efficient, intelligent and energy-saving.VSNs’ image fusion. The study is significantly meaningful in academic and practical engineering applications.

图像融合是视觉传感器网络(VSNs)信息收集的关键技术之一，然而传统的图像融合方法难以适应VSNs动态和资源有限的环境，传统无线传感器网络（WSNs）的信息融合方法又难以适应VSNs方向感知特性和数据量大的要求，如何针对VSNs特点进行有效的图像融合仍然面临着许多挑战。针对传统采样模式信息冗余大，传统编码压缩方式计算复杂以及大量部署的相机节点间存在大量冗余的问题，本项目从VSNs图像表示、相机节点选择、有效图像传输以及融合策略的设计等方面入手，系统深入研究VSNs图像融合理论与技术。主要研究内容包括：基于多尺度分块压缩感知（MBCS）的VSNs图像表示技术研究、基于空间相关的能量与图像质量均衡的相机选择方法研究、能量有效的图像传输模式研究以及基于MBCS的图像融合策略研究。本项目研究将为VSNs图像高效、智能、节能的融合提供理论和技术支持，具有重要的学术研究意义和工程应用价值。

图像融合是视觉传感器网络(VSNs)信息收集的关键技术之一，本项目从VSNs图像表示、相机节点选择、有效图像传输以及融合策略的设计等方面入手，系统研究了面向视觉传感器网络的图像融合理论与技术。项目主要取得了以下成果：1.提出了一种将LEACH模型和CS理论相结合的基于节点时空相关性的压缩感知算法,该方法有效减小了数据传输量,降低了网络节点的功耗,延缓了网络寿命。2.提出一种改进的粒子群优化动态节点部署算法，该算法的种群多样性更优，部署精度更高。3. 提出了一种利用非下采样剪切波变换(NSST)的压缩感知(CS)与区域特性相结合的图像融合方法、一种 NSST 域内基于卷积神经网络（CNN）的多聚焦图像融合算法以及一种基于PCANet的非下采样剪切波域（NSST）多聚焦图像融合方法，这些方法所获得的融合结果在主观视觉与客观评价两方面的性能都得到了明显的提升。4.提出了一个基于深度卷积神经网络的无参考图像质量评价模型、一个基于PCANet的两阶段无参考图像质量评价模型以及一个基于RepVGG的无参考图像质量评价模型，所提的模型提高了无参考图像质量评价的性能，与主观评价高度一致。