基于压缩感知的图像融合-开题报告(电子版).docxVIP

通信工程学院 毕业设计开题报告 题目 : 基于压缩感知的图像融合 一、毕业设计题目背景、目的： 随着信息技术的发展， 各种形式的数字图像在人类生产生活的各个方面得到了广泛的应用。从日常娱乐到高技术的高分辨率雷达成像，图像均成为信息的重要载体。随着微电子技术、大规模集成电路技术和传感器技术的飞速发展，传感器的种类不断增加，性能得到了很大地提升，同时其制造成本也大幅下降，在同一系统中使得使用多种传感器协同完成操作任务成为可能。多传感器往往能够提供信息容量不同、信息量巨大且形式多样的数据。然而，传统针对单一传感器进行信息处理的方法已不能够满足要求，如何对多传感器提供的信息协调利用，最大限度地发挥多传感器带来的优势成为亟待解决的问题。因此，图像融合技术应运而生， 图像融合是一门在多传感器信息融合的范畴之内以来自多传感器的图像作为研究对象，综合了传感器技术、图像处理技术、计算机视觉以及人工智能等多种学科的现代高新技术，其可以将来自两个或者两个以上的多源图像信息采用一定的算法进行处理，从而获得一幅对同一场景或者目标更为准确、更为全面和更为可靠描述的新图像，使之更能够适合于人眼的感知或者计算机的后续处理 近年来，国内外在多源图像融合技术的理论和应用方面展开了一系列的研究，但由于在进行图像融合时受到参与融合的源图像数据量较大、对源图像的配准精度要求较高、源图像类型的复杂性和多样性以及融合目的多种多样等诸多条件的限制，因此一直到现在也没有形成完备的研究理论和方法，仍然存在很多问题亟待解决。更重要的是，由于多源图像融合技术在军事应用方面一直占据着十分重要的地位，因此随着多源图像融合技术发展的越来越快及其实用性不断地增强，其技术的敏感性也将越来越强。 压缩感知理论利用信号的稀疏特性，采用了不同于传统香农采样定理的低维观测方法，省去了高速采样过程中获得大量数据然后再丢弃大部分冗余数据的中间过程，从而有效缓解了高速采样实现的压力，减少了处理、存储和传输的成本，近年来受到越来越多学者的关注。特别是，压缩感知理论使得图像的采集和压缩与图像的结构和形状有关，从而能获取更多适应人类感知系统的信息。压缩感知理论一般来讲包括信号的稀疏表示、感知测量及信号重构三个部分。将压缩感知理论引入图像融合领域的研究是图像压缩研究的一条新途径。此外，针对不同的图像稀疏表示，同一种融合规则并不能适应于所有图像。在压缩感知领域，可以针对不同的稀疏系数，采用不同的融合规则，从而获取更有效的信息。 课题研究重点在于基于压缩感知的图像融合算法研究。意义不仅在于提出有效的图像融合方法，更重要的是在于将压缩感知理论引入传统图像融合领域，突破了香浓采样定理的限制，减少了数值计算环节，能极大提高图像稀疏化的速度，促进其应用的发展。针对不同的稀疏系数采用不同的融合规则，以获取更显著的融合信息。在重构的过程中，针对稀疏和测量过程，采用有效的重构方法，从而获取各传感器图像的显著信息。研究基于压缩感知理论的图像融合算法，具有重大的理论与实践意义。 二、毕业设计主要内容及要求 （注明是否要编出程序、做出硬件电路、仿真 结果等） 1 1 基于压缩感知理论的图像融合 ，主要有以下关 点 （1）信号的稀疏表示 : 感知理 指出，只要信号具有可 性或稀疏性 ，可以用一个 足 RIP 性 （有限等距性）的 矩 信号 行 量，然后通 求解最 化 就可以从少量 量 中以高概率重构原始信号。因此，信号的稀疏性或可 性是 感知理 的重要基 。将一个 度 Ｎ的离散信号 x(n)(n=0,1...,N-1)看作 RN 空 Ｎ ×１ 的列向量， X 。通 一 基｛ ψｉ｝Ｎｉ＝１ 其 行 ， 系数 Ω，即：Ω＝ ΨＴＸ＝［ θ１， θ２，?θＮ］若 Ω 中 含有Ｋ（Ｋ ≤Ｎ）个不 零的分量， 称信号 x(n)具有 K-稀疏。常用的稀疏表示方法有离散余弦 基、小波 基等。 （2） 矩 : 矩 的作用主要是 稀疏的信号 行 量， 取 量 。 矩 的好坏 信号的恢复效果有很大影响，且 矩 需要 足 RIP 准 （保 矩 不会把两个不同的 K- 稀疏信号映射到同一个集合中）。可以 明 于一般的Ｍ ×Ｎ大小的高斯随机 矩 Φ，只要Ｍ ≥ｃＫｌｏｇ（Ｎ）（其中ｃ 很小的常数，Ｋ 稀疏度）， 可以从 中恢复原始信号。 （3）重构算法 :重构算法根据 信号， 通 重构算法恢复原始信号估 是 感知理 中的关 步 。 目前的求解算法有匹配追踪法、 正交匹配追踪法 (OMP) 、梯度投 影法 (GP)、 式追踪法以及 二 像重构的最小全 分法等。以 OMP 算法来 ， OMP 算法是一种 婪追踪算法，它的基本思想是：以 婪迭代的方法 矩 Φ 的列，使得在每次