面向无线传输的高效图像重建研究

The scale of wireless sensors is on the rise, while the traditional model of image collection and transmission has brought tremendous pressures to the low-power design of wireless sensors and the limited wireless transmission bandwidth. Compressed sensing has provided a new idea and the theoretical basis for solving the problems. However, the practicality of compressed sensing depends on the reliable reconstruction results and the ideal reconstruction time, where the key is the efficient image reconstruction. Based on the analysis of the factors influencing the performance of image reconstruction, this study proposes the efficient image reconstruction scheme and algorithm implementation combining with the construction of measurement matrix to break through the bottleneck of the practical application of compressed sensing in wireless transmission. The subject includes the construction method of measurement matrix combining with reconstruction, the high accurate image reconstruction method concerning with image sparsity estimation and the high efficiency image reconstruction method based on optimizing the matching pursuit constraint condition. The algorithms and the solutions will be validated by the Unmanned Aerial Vehicle information service platform in our affiliation. The innovations of this study are the sparsity estimation method combining with the construction of measurement matrix and the self-adaptive optimization strategy of matching pursuit constraint condition. This study not only makes the accuracy of image reconstruction more stable when the image sparsity is apriori unknown and balances the accuracy and efficiency of image reconstruction, but also provides the complement for the theory of compressed sensing, therefore, having important theoretical value and practical significance.

无线传感器的规模与日俱增，传统的图像采集与传输模式给无线传感器的低功耗设计和有限的无线传输带宽带来了巨大压力。压缩感知为解决该问题提供了新的思路和理论基础。然而压缩感知的实用化依赖于可靠的重建结果和理想的重建时间，高效的图像重建方法是关键。本课题在分析图像重建性能的影响因素基础上，研究考虑联合观测矩阵构造的高效图像重建方法和算法实现，突破压缩感知在无线传输领域的实用化壁垒。研究内容包括：基于联合重建的观测矩阵构造方法，考虑图像稀疏度估计的高精度重建方法，基于优化匹配追踪约束条件的高效率重建方法。本课题将利用所在单位的无人机信息服务平台对所提算法和方案进行验证。本课题创新体现在：提出基于联合观测矩阵构造的稀疏度估计方法和自适应的匹配追踪约束条件优化策略，使得缺乏稀疏度先验知识下的图像重建精度更加稳定，同时平衡图像重建精度与重建效率，也是对压缩感知理论的完善补充，具有重要的理论价值和现实意义。

基于压缩感知的无线传输处理方法给无线传感器实用扩大化带来了契机, 她能缓解传统的图像采集与传输模式给无线传感器的功耗设计和无线传输带宽带来了巨大压力。然而压缩感知的应用关键在于可靠的重建结果和理想的重建时间。本课题在分析图像重建性能的影响因素基础上，研究联合观测矩阵构造的高效图像重建方法和算法实现，突破压缩感知在无线传输领域的实用化壁垒。研究内容包括：基于联合重建的观测矩阵构造方法，基于图像稀疏度估计的高精度重建方法，基于优化匹配追踪约束条件的高效率重建方法。课题执行期间，提出了基于约束等距性的稀疏度估计方法用于一维二维信号重建（成果发表在FGCS），并在此基础上提出基于稀疏度估计的自适应匹配追踪算法（成果发表在MTAP）。考虑到算法的鲁棒性，针对大尺度图像，提出一种快速稀疏自适应匹配算法用于图像重建（成果发表在EURASIP Journal on WCN）。综合上述研究基础，联合图像压缩与重建的过程，提出一种基于联合观测矩阵构造的图像稀疏度估计方法，并考虑到信号稀疏度实际值与估计值间的差异，以可变步长的策略来减小匹配追踪过程中的残差来对匹配追踪算法进行改进，从整体上提高信号重建效率与精度（成果发表在FGCS）。由于上述研究均面向纯净图像，为此，我们对含噪图像展开重建方法研究，提出基于低秩和稀疏表示的图像去噪重建方法（成果发表在CC）。. 本课题的研究不但突破现有重建方法设计中观测矩阵与重建割裂研究的现状，同时也为重建方法中精度与效率的平衡问题提供研究思路，对深入推进压缩感知理论的完善和丰富其应用前景具有普遍的理论意义，同时通过实现图像的稀疏估计以及确定合理的匹配追踪约束条件，为更高精度和更高效率的图像提供了实现基础。