基于压缩感知的地磁数据分频压缩与重构方法

构建高精度导航所用的地磁数据库时,需要对大量数据进行压缩。为保留必要的高频细节特征信息,提出一种基于压缩感知理论的数据分频压缩及联合重构方法。在余弦变换频域中对数据进行分频压缩编码,在数据重构算法中引入压缩感知理论。利用局部余弦变换系数作为线性测量观测值,通过解决小波变换域l1范数和时域稀疏梯度全变差正则化的模型,精确重构原始数据高频信息。利用实测地磁数据进行仿真试验的结果表明,仅使用25%的分频压缩采样测量系数,可精确重构原始数据;在相同压缩比下,分频压缩感知重构算法与传统滤波逆变换方法相比具有更高的精度,且峰值信噪比最大可提高5dB左右。     

基于FFT稀疏压缩感知域内遥感图像融合

压缩感知理论因其远低于乃奎斯特采样率的特性,减少了大量的采样数据。基于这一特性,提出一种在压缩感知域内进行遥感图像融合的方法。该方法首先对图像作快速傅里叶变换(FFT);然后进行测量采样获取压缩感知域数据;再采用权重法对数据进行融合;最后通过重构算法得到融合图像。通过实验得出压缩感知域内遥感图像融合具有数据量少,融合效果好等特点。     

压缩感知在传感器网络变形监测中的应用

在无线传感器网络变形监测中,数据压缩具有重要意义,压缩感知的非对称压缩与重构特点适合资源有限的传感器网络。在介绍压缩感知理论的基础上,结合实际数据分析了原始信号的稀疏性,对压缩感知算法进行实验,并从压缩率、重构误差方面与传统压缩方法进行比较。分析表明,压缩感知理论在这两方面不如传统压缩方法,但能以较低的采样率进行采样,并较为准确地重构出原始信号,在高频信号的采样压缩方面有明显优势。     

Tetrolet域利用时空相关性的云图压缩感知重建

针对卫星云图数据量大,但传输通道和存储空间相对狭小的问题,本文基于Tetrolet变换,利用相邻时次云图的时空相关性,实现了一种高重构质量的卫星云图压缩感知方法。该方法将善于表达图像方向纹理及边缘信息的Tetrolet变换引入压缩感知的稀疏表示环节,从而很好地体现了卫星云图细节丰富、纹理结构复杂的特性;同时,考虑到卫星云图序列间的相关性,将时间相邻的卫星云图组成图像组,以中间时刻云图作为参考图像,计算其与相邻时次云图的差异,通过在参考图片及序列差异图片间合理分配采样率,获取测量数据,在压缩感知框架下,采用带平滑处理的投影Landweber算法,重构出相邻时次的图像组。实验结果表明,Tetrolet变换适用于卫星云图的稀疏表示,而且图像组时空相关性的利用可显著提高重构云图的视觉效果及客观评价指标;在采样率低于0.2时,红外1、水汽和可见光3个通道重构云图的峰值信噪比(PSNR)较传统方法平均提高了7.48 dB,13.51 dB和6.15 dB。由此可见,本文方法可以通过获取少数随机测量值,重构出高质量的卫星云图,不仅为云图数据的低比特率压缩提供了一种可行的解决方案,而且对于其他序列图像的压缩采样具有借鉴意义。     

基于压缩感知的GF-1遥感影像IHS融合算法

针对高分一号(GF-1)遥感影像高空间分辨率的特点,综合压缩感知理论改进了传统的IHS影像融合算法,利用稀疏基和测量矩阵对多光谱影像IHS变换后的I'分量和全色影像进行处理,采用加权平均和OMP(orthogonal matching pursuit)重构得到新的I分量,再通过IHS反变换得到结果影像,并结合5个定量指标进行分析评价。实验结果表明,与传统方法相比,结合压缩感知的IHS融合算法所得相关系数更高、扭曲程度更小,融合结果不仅具有更高的空间信息丰富度,并且保持了多光谱影像的色彩信息,可为GF-1影像的目视解译和影像分类提供参考。     

利用余弦变换的重力梯度Parker正演方法及其应用

重力测量数据存在地形数据产生的高频分量的影响,高精度地形数据正演重力梯度也能较好地反映重力局部高频特征。为获得高精度重力梯度数据,实现基准梯度数据库精确快速构建,研究了利用数字高程模型正演重力梯度的频率域快速计算方法,推导出基于余弦变换的Parker正演重力梯度理论公式。数值实验结果表明,余弦变换频率域正演方法平均绝对误差可达到0.5E左右精度要求,与傅里叶变换正演方法相比误差可减小3dB左右,与棱柱法等空间域正演方法相比,该方法计算规模小,速度优势明显。     

改进的二维小波超分辨率重建方法

对传统的二维小波超分辨率重建方法进行了研究,针对原有方法小波分解高频分量双三次插值会引入噪声的情况,提出了一种利用傅里叶变换零填充重采样代替原有双三次插值的改进算法.获得精确的高频细节信息是单帧影像超分辨率重建过程的关键,改进方法利用傅里叶变换零填充重采样可获得频率域理想插值的优势,将其用来处理原图像小波分解后的高频,可在不引入噪声能量的同时对高频信息进行理想插值,使高频细节在重构过程中更加精准.通过理论分析和试验验证,改进方法优于传统方法,可较好地应用于遥感影像的超分辨率重建.     

基于非下采样轮廓变换与模糊理论的遥感图像增强

为进一步增强遥感图像的细节信息,在非下采样轮廓变换(non-subsampled contourlet transform,NSCT)的基础上,结合模糊理论,提出了一种遥感图像增强算法。首先对原始图像进行NSCT变换,得到频率域内低频系数和不同尺度不同子带上的高频系数;然后定义隶属度函数,对高频系数进行模糊变换;在进行NSCT逆变换重构图像的过程中,逐层地将高频系数线性地加到低频系数中,最终实现遥感图像增强。实验结果表明,该算法在主、客观方面都使遥感图像得到了很好的增强效果。研究表明,NSCT变换后的高频系数包含了图像中的细节信息,针对高频系数进行模糊变换后,进行NSCT逆变换可以比较有效地增强图像。该算法存在的问题在于计算量较大以及需要调整的参数较多。     

小波变换块自适应量化算法压缩SAR原始数据

本文研究了如何使用基于小波变换的块自适应量化（WT-BAQ）算法压缩合成孔径雷达原始数据。结合一组实测SAR原始数据,进行了压缩和解压缩,并计算了数据域及图像域评价参数,给出了压缩算法最终所成的图像。并与块自适应量化（BAQ）、块自适应矢量量化（BAVQ）以及小波包变换块自适应量化（WPT-BAQ）方法进行了性能比较。实验表明,在相同比特率条件下,本文算法得到的数据域信噪比和图像域信噪比均比另外三种算法高。本文算法具有一定实用价值。最后文章给出了结论和将来进一步的工作。     

全张量地磁梯度基准图构建及其组合导航方法

为实现利用地磁梯度数据的惯性/地磁梯度辅助导航,给出移相 二维余弦变换时域微分公式,推导出全张量地磁梯度计算公式,实现了高精度地磁梯度导航基准图的构建。并将改进的粒子滤波算法应用于地磁梯度辅助导航系统中,能很好地抑制纯惯性导航系统随时间累积的误差。通过仿真实验分析,验证地磁梯度数据计算方法以及辅助导航滤波算法的有效性和鲁棒性,地磁梯度辅助导航系统的定位精度在100 m以内     

小数据量矢量地理数据水印算法

针对小数据量矢量地理数据的版权保护需求,提出了一种基于压缩感知和多段量化调制的矢量地理数据水印算法。水印信息生成中,对二值水印图像分块稀疏表达并运用压缩感知理论进行测量,构建量化表将测量结果调制为量化值,从而压缩水印信息并保证水印信息的可重构性。在水印嵌入过程中,提出基于角度的多段量化水印嵌入机制,建立水印量化值和角度量化区间的映射关系,对矢量数据相邻节点形成的夹角进行多段量化调制并嵌入水印,提高每个节点承载的水印容量。试验结果表明,算法能够对100个点的矢量数据嵌入并检测水印信息,水印容量达每节点7 bit,且对增点、删点、排序、平移、旋转、缩放等攻击具有好的稳健性,有效解决了水印容量与小数据量之间的矛盾。     

顾及最大绝对误差的频率域矢量数据压缩算法

针对传统的基于离散余弦变换（discrete cosine transform,DCT）的矢量数据压缩算法局部误差较大和计算复杂度高的问题,提出了一种顾及矢量数据最大绝对误差的快速近似DCT压缩方法。首先,结合现有矢量数据拓扑关系,构造矢量数据块;其次,根据近似DCT变换正交性的特点,计算约定矩阵的最优化解,将计算复杂度最低的解设为近似DCT变换的转换矩阵;最后,结合矢量数据近似DCT变换和精确DCT变换的总能量差,计算重构数据的最大绝对误差,对超过误差阈值的数据进行三次样条插值,最大限度地保证矢量数据精度。实验结果表明,该方法计算复杂度较低,压缩速度快,在降低压缩率的同时,能较好地保持空间数据的拓扑关系和数据精度。     

基于内容的离散余弦变换域自适应遥感图像数字水印算法

提出一种适于遥感图像知识产权保护和机密信息传递的离散余弦变换域自适应数字水印嵌入算法,该算法能够通过数字水印置乱、嵌入位置自适应选取、嵌入深度智能调节等措施,将二值水印图像信息安全地嵌入到遥感图像(纹理区)的离散余弦变换域中高频系数内.实验结果表明:该遥感图像数字水印算法不仅具有较好的透明性,而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强、马赛克等攻击均具有较好的抗差性,整体性能优于Ho等提出的数字水印嵌入方案.     

不同地磁基准图制备方法的比较研究

地磁基准图制备是实现地磁匹配导航的基础性工作，对提高导航精度具有重大意义。地磁测量技术手段的提高，为地磁数据的获取提供有效途径。文中采用4种方法构建地磁基准图，并对不同算法构建的基准图进行比较和精度评价。首先确定性方法和地统计方法基于数学函数和变异函数反映地磁数据分布的空间结构特性，能在各采样率下取得较优的插值结果；其次低采样率条件下压缩感知算法插值能力最强，实验中均方根误差为14.41 nT,相比泛克里金方法精度提升约38.5%;最后神经网络算法随样本训练数据量增多，精度增加幅度最大，采样率10%～30%情况下，均方根误差从72.85 nT下降至14.38 nT。实验表明，实现高精度地磁基准图制备需依据不同分辨率、不同数据量的地磁数据选用优势更大的插值方法。     

压缩感知窄带自旋目标雷达成像

对于高速自旋目标而言,为了获得聚焦效果良好的图像,通常要求雷达系统具有较高的脉冲重复频率(PRF)。当PRF不满足采样要求时,雷达接收到的通常是方位欠采样的回波数据,从而影响目标识别。本文根据压缩感知理论,结合自旋目标回波信号稀疏性的特点,建立方位欠采样的成像模型,并提出了基于压缩采样匹配追踪的窄带雷达高速自旋目标成像算法。该算法在对信号进行重构迭代中,采用回退策略,并结合回波信号稀疏性的具体参数,选取最优的支撑集,提高了算法的重构质量。仿真实验表明新算法在回波欠采样的情况下能很好地重构图像,尤其是在低信噪比的情况下。采用"误选数"和"均方误差"两个指标对CoSaMP算法重建信号的性能进行评价,结果表明该算法受雷达PRF和信噪比SNR的影响较小,算法稳定性好。     

一种基于分段线性系数变换的编码预处理算法

提出了基于分段线性系数变换函数的编码预处理算法,是在基于小波变换的图像压缩方案中量化步骤之后,数据进入编码器进行编码之前,增加了一个使用分段线性函数对高频子带的变换系数进行编码前预处理的步骤.一定程度上克服了高倍率图像压缩在编码过程中小变换系数的丢失较多的问题.实验证明,该算法在主客观质量方面都较解码端高斯纹理信息重建算法出色.     

一种基于小波包变换的盲数字水印算法

提出了一种基于小波包变换的盲数字水印算法，该算法首先对图像进行小波包分解，并根据视觉感知特性将作为水印的二值图像嵌入到分解后的高频分量中，再进行小波包重构得到嵌入水印的图像。实验结果表明，该算法添加水印后的图像对于压缩、噪声、中值滤波、几何裁剪等处理具有很强的稳健性。     

面向移动服务的遥感影像感兴趣区提取压缩方法

在面向移动单元的遥感影像服务中,受信息分发信道窄等因素影响,高价值目标信息根据价值权重进行自适应压缩的方法将发挥重大作用。本文设计了一套面向移动服务的遥感影像感兴趣区全流程自动提取压缩重构方法,利用数学形态学进行了边缘检测,获取了边缘点数量,确定了感兴趣区域,生成了感兴趣区掩模,并将小波域上的感兴趣区系数进行了提升,对小波系数矩阵进行了SPIHT量化编码和解码重构。通过试验,模拟在有限的传输带宽下,自动提取感兴趣区,对感兴趣区进行优先编码并重构全自动流程,使得移动端获得高价值目标信息优于背景信息的重构效果,且具有较高的压缩比,该方法将促进遥感影像在移动服务中的普及应用。     

利用余弦变换的重力梯度Parker正演方法及其应用

为获得高精度重力梯度数据,实现基准梯度数据库精确快速构建,研究利用数字高程模型正演重力梯度的频率域快速计算方法,推导出基于余弦变换的Parker正演重力梯度理论公式。数值试验结果表明,余弦变换频率域正演方法平均绝对误差可达到0.5 E左右精度要求,与傅里叶变换正演方法相比误差可减小3 dB左右,与棱柱法等空间域正演方法相比,该方法计算规模小,速度优势明显。     

基于压缩感知的遥感影像弹性配准方法

针对遥感影像由于载荷类型、观测角度、地形起伏等内外部因素造成的影像局部几何畸变,而基于全局配准方法制约着影像配准精度的提高,基于像元的弹性配准方法可大幅提升遥感影像的配准精度,但是存在运算效率这一瓶颈等问题,该文利用像元弹性配准参数的稀疏性,提出一种基于压缩感知的弹性配准方法。通过对遥感影像像元梯度幅值响应较强的点进行随机抽样,形成观测样本点集,采用弹性配准局部参数解算模型求解样本点平移参数;通过压缩感知稀疏重构算法重构影像各像元平移参数。实验表明,在配准精度差异较小和一定的参数设置条件下,该方法可显著提高弹性配准运算速度。