基于帐篷混沌观测矩阵的图像压缩感知.pdf

《基于帐篷混沌观测矩阵的图像压缩感知.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、26传感器与微系统(TransducerandMicrosystemTechnologies)2014年第33卷第9期DOI：10．13873／J．1000-9787(2014)09-0026-03基于帐篷混沌观测矩阵的图像压缩感知刘叙含，申晓红，姚海洋，邓欣(1．西北工业大学航海学院，陕西西安710000；2．湛江南海西部石油勘察设计有限公司，广东湛江524057)摘要：针对目前典型的随机观测矩阵在不确定性、硬件实现、存储方面的缺陷，利用混沌序列优异的伪随机性，设计了一种基于帐篷混沌序列的观测矩阵。该矩阵的参数和初始值一旦确定，每一时刻的状态是可以完全重现的，

2、克服了随机观测矩阵需要大量实验求平均来降低不确定性的缺点。仿真实验中，分别利用帐篷混沌观测矩阵和3种典型的随机观测矩阵对不同数据量的图像信号进行压缩与重构，结果表明：所设计的帐篷混沌观测矩阵不但重构性能优于随机观测矩阵，而且也克服了随机观测矩阵在硬件实现、存储方面的缺陷，大大减少了存储空间和传输带宽的压力。关键词：压缩感知；观测矩阵；混沌序列；图像压缩中图分类号：TN911．73文献标识码：A文章编号：1000-9787(2014)09-0026-03ImagecompressedsensingbasedontentchaosmeasurementmatrixL

3、IUXu—han，SHENXiao—hong，YAOHai—yang，DENGXin(1．SchoolofMarineScienceandTechnology，NorthwesternPolytechnicalUniversity，Xi’an710000，China；2．ZhanjiangNanhmWestOilSurveyandDesignCoLtd，Zhanjiang524057，China)Abstract：Aimingatdeficienciesinuncertainty，hardwareimplementationandstorageofthetypi

4、calrandommeasurementmatrixcurrently?designakindofmeasuremehtmatrixbasedontentchaossequencebyutilizingtheexcellentpseudo—randomofthechaoticsequence．Onceparametersandinitialvaluesofthematrixisdetermined，eachmomentofthestatecanbecompletelyrecreated，overcomethedefectofrandommeasurementma

5、trixthatneedsalargenumberofexperimentstoreducetheuncertainty．Throughcompressionandreconstructionofdifferentamountsofimagesignalbyutilizingthetentchaosmeasurementmatrixandthreetypicalrandommeasurementmatrixes，theresultsprovethatthereconstructionperformanceoftentchaostypicalrandommeasu

6、rementmatrix，andthedeficienciesofhardwareimplementationandstprageofrandommeasurementmatrixesareovercome，reducestoragespaceandtransmissionbandwidthpressuregreatly．Keywords：compressedsensing(CS)；measurementmatrix；chaoticsequence；imagecompression0引言等，这类随机观测矩阵需要大存储空间、高计算复杂度；第传统的奈奎斯特采样定理要

7、求信号的采样速率必须达二类包括部分傅里叶矩阵、部分哈达玛矩阵等，这类观测矩到信号最高频率的2倍或2倍以上才能够精确重构原始信阵只与时域、频域稀疏的信号不相关，不具有普适性；第三号。2004年，DonohoDL和Cand~sEmmanuel等人提出的类包括托普利兹矩阵、二进制稀疏矩阵等，这类观测矩阵是压缩感知(compressedsensing，CS)理论突破了奈奎斯特定针对某一特定信号而设计的，应用范围存在很大的局限牲。理的局限，是近年来信息处理领域舶一个重大突破J。目前，各文献中最常用的观测矩阵为高斯随机观测矩阵。压缩感知包括以下三方面内容：信号的稀疏表示、观

8、测针对目前常用的三类观测