我院院长解成俊教授主持的国家自然科学基金项目:基于压缩感知的超光谱图像编码新方法研究(项目编号:61072111),通过了国家自然科学基金委的项目鉴定,顺利结题。该课题主要研究了以下几个方面的问题: 研究了基于压缩感知的图像处理理论和方法,在稀疏表征、测量方案设计、重构算法、编码算法方面实现理论研究创新和方法创新,是海量数据传输、存储及处理的一种新方法。 研究了图像在空间、谱间、联合多维度域上的稀疏特性和稀疏化策略。单帧图像采用小波变换,谱间变换采用SHIRCT等变换或小波变换或两者结合进行,混合变换可以更好的对数据冗余进行挖掘。研究了不同种类小波基的稀疏化、变换尺度、逆变换传递误差等因素对重建图像PSNR的影响。 研究了压缩感知随机测量的理论及实现,并提出了有效和实用的测量方案。随机测量方案设计是压缩感知编码和提高采样压缩效率的关键,同时设计出硬件 容易实现的测量方案也是将压缩感知理论推向实用化的关键。研究了随机测量约束条件、精确重建时测量数的下限、随机测量方案设计、测量矩阵对重构图像质量的影响,设计了4种随机测量矩阵,实验结果表明所设计的随机测量矩阵的测量数下限远优于其他文献的结果,性能优良。 研究了压缩感知快速、精确重构算法。 改进了基追踪算法实现压缩感知采样重建。将基追踪算法的约束条件问题转化为求解其优化问题,将该问题等价为线性规划求解问题来求解压缩感知的欠定问题,控制1-范数变化的半径、控制收敛速度以及将迭代误差控制在一定的范围内,给出了稀疏化、目标函数、约束条件、边界条件对重建图像质量的影响。 改进了正交匹配追踪算法实现压缩感知采样重建。从测量矩阵中选择与信号最匹配的列来构建稀疏逼近,通过递归地对已选择最相关列向量集合进行正交化保证了迭代的最优性。 改进了分段正交匹配追踪算法实现压缩感知采样重建,旨在提高重建速度,可以有效的去除噪声,精确重建图像,恒虚警率阈值策略、自由分布式假设检验阈值策略对图像重建质量和重建时间都有一定的影响并且差别很大,要折衷考虑重建图像的PSNR、运行时间等综合因素确定阈值策略。 本项目获吉林省自然科学学术成果奖二等奖1项,吉林省科技进步奖三等奖1项,获计算机软件著作权2项,公开发表学术论文20篇,其中EI检索14篇。培养研究生9人。 |