周宇陽(yáng) 查長(zhǎng)軍
【摘 要】針對(duì)單列像素結(jié)構(gòu)的壓縮成像系統(tǒng)中存在過(guò)度采樣和目標(biāo)移動(dòng)過(guò)程中可能暫停的問(wèn)題,提出了一種改進(jìn)的基于線性傳感器的移動(dòng)目標(biāo)壓縮采樣方法。該方法通過(guò)較高的采樣頻率不斷地獲取壓縮測(cè)量值,當(dāng)壓縮測(cè)量值樣本數(shù)達(dá)到一定數(shù)量后,通過(guò)比較的方式來(lái)判斷后續(xù)測(cè)量值是否有效;如果測(cè)量值保持不變,此時(shí)表示目標(biāo)處于暫停狀態(tài),判別測(cè)量值無(wú)效并丟棄;反之,保留并繼續(xù)壓縮采樣。理論分析與實(shí)驗(yàn)仿真結(jié)果表明,采用本文方法對(duì)移動(dòng)目標(biāo)進(jìn)行壓縮采樣時(shí),能夠有效的消除目標(biāo)暫停而導(dǎo)致的過(guò)度采樣問(wèn)題;并利用傳統(tǒng)的重構(gòu)方法能夠有效地恢復(fù)出目標(biāo)完整的圖像。
【關(guān)鍵詞】壓縮感知;壓縮成像;圖像重構(gòu);移動(dòng)目標(biāo)圖像
0 引言
壓縮成像(Compressive Imaging,CI)作為壓縮感知理論的一個(gè)重要研究領(lǐng)域[1-4],是通過(guò)少量的測(cè)量值重構(gòu)得到原始圖像,其研究成果中最為典型的是單像素相機(jī)。該相機(jī)是利用單像素和空間光調(diào)制器實(shí)現(xiàn)對(duì)前景的壓縮采樣,但這種方式在完成壓縮采樣前,要求前景處于靜止?fàn)顟B(tài)或變化微小,否則并不能較好的重構(gòu)出原始圖像。對(duì)于移動(dòng)目標(biāo),文獻(xiàn)[5]提出了一種基于線性陣列傳感器的移動(dòng)目標(biāo)壓縮采樣方法。這種壓縮采樣方法對(duì)于持續(xù)移動(dòng)的目標(biāo)有較好的效果,如果目標(biāo)在感知區(qū)域由移動(dòng)狀態(tài)轉(zhuǎn)向暫停狀態(tài)時(shí),就會(huì)出現(xiàn)過(guò)度采樣現(xiàn)象,這樣就不能夠很好的重構(gòu)出目標(biāo)圖像。針對(duì)這一問(wèn)題,本文提出了一種改進(jìn)的基于線性陣列的移動(dòng)目標(biāo)壓縮采樣方法,通過(guò)仿真實(shí)驗(yàn)證明了該方法的有效性。
1 壓縮感知基本理論
2 移動(dòng)目標(biāo)壓縮采樣系統(tǒng)
圖1給出了一種改進(jìn)的基于傳感器線性結(jié)構(gòu)的移動(dòng)目標(biāo)壓縮采樣系統(tǒng),該系統(tǒng)按列獲取移動(dòng)目標(biāo)測(cè)量值,當(dāng)獲得原始圖像中某一列的壓縮測(cè)量向量時(shí),將其后的k個(gè)測(cè)量值向量yM+1,yM+2,…,yM+k與yM進(jìn)行比較,如果yM=yM+1=…=yM+k,則表明目標(biāo)處于暫停狀態(tài),此后的個(gè)測(cè)量值向量屬于過(guò)度采樣,直接丟棄;直到測(cè)量值發(fā)生變化時(shí),保留測(cè)量值,繼續(xù)壓縮采樣。
3 仿真實(shí)驗(yàn)與分析
為了驗(yàn)證壓縮采樣方法的有效性,本文進(jìn)行了仿真實(shí)驗(yàn)。假設(shè)目標(biāo)移動(dòng)到傳感器視場(chǎng),暫停移動(dòng)一段時(shí)間后,繼續(xù)前進(jìn)。為了驗(yàn)證實(shí)驗(yàn)效果,本文首先對(duì)分辨率為128×128的灰度圖像進(jìn)行插值處理;然后按照前文所述方法利用隨機(jī)測(cè)量矩陣對(duì)該樣本圖像進(jìn)行壓縮采樣,并采用正交匹配追蹤(OMP)算法重構(gòu)。
在重構(gòu)階段,我們假設(shè)原圖像各列稀疏度K=40,測(cè)量次數(shù)M為80,比較本文與傳統(tǒng)的壓縮采樣方法的圖像重構(gòu)效果如圖2所示。
圖2(a)是標(biāo)準(zhǔn)圖像(圖像大小為)。圖2(b)是采用傳統(tǒng)的按列壓縮采樣方法重構(gòu)效果圖;圖2(c)是采用本文方法進(jìn)行壓縮采樣后重構(gòu)圖像效果。由于,移動(dòng)目標(biāo)在傳感器視場(chǎng)暫停一段時(shí)間,所以傳統(tǒng)的采樣系統(tǒng)重構(gòu)出的圖像中存在一段紋理,整個(gè)圖像不連續(xù);而本文方法能夠有效的消除這種影響。
4 總結(jié)
本文針對(duì)傳統(tǒng)的移動(dòng)目標(biāo)壓縮采樣方法的不足,提出了一種改進(jìn)的移動(dòng)目標(biāo)壓縮采樣方法,該方法通過(guò)測(cè)量值的變化來(lái)判斷是否為有效值。仿真實(shí)驗(yàn)結(jié)果表明,通過(guò)本文方法進(jìn)行壓縮采樣,能夠消除由于目標(biāo)停止運(yùn)動(dòng)而產(chǎn)生過(guò)采樣問(wèn)題,有效重構(gòu)出目標(biāo)圖像。
【參考文獻(xiàn)】
[1]Dharmpal Takhar, Jason N. Laska, Michael B. Wakin , et al.,“A new compressive imaging camera architecture using optical-domain compression,” Proc. SPIE 6065, Computational Imaging IV, 606509 (2006) [doi:10.1117/12.659602].
[2]Duarte M F, Davenport M A,Takhar D,et al.,“Single-Pixel Imaging via Compressive Sampling,” IEEE Signal Processing Mag. 25(2), 83-91 (2008).
[3]Boufounos, P. T., R. G. Baraniuk, “1-Bit compressive sensing,” Information Sciences and Systems, 2008. CISS 2008. 42nd Annual Conference on IEEE, 16-21(2008).
[4]Imama Noor, Eddie L. Jacobs, “Adaptive compressive sensing algorithm for video acquisition using a single-pixel camera,” J. Electron. Imaging. 22(2), 021013 (2013).
[5]Changjun Zha, Yao Li, Jinyao Gui, et al.,“Compressive Imaging of Moving Object Based on Linear Array Sensor.”Journal of Electrical and Computer Engineering,2016,(2016-7-14)?2016.1(2016):7.
[6]Chen S B, Donoho D L, Saunders M A,“Atomic decomposition by basis pursuit,” SIAM Journal on Scientific Computing,20(1),33-61 (1998).
[7]Donoho D L, Elad M, Temlyakov V N, “Stable recovery of sparse overcomplete representations in the presence of noise,” IEEE Transactions on Information Theory. 52(1), 6-18 (2006).
[8]E. Candès, et al., “Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information,” IEEE Trans. Inform. Theory. 52(2), 489-509 (2006).
[9]E. Candès, J. Emmanuel, J. K. Romberg,et al., “Stable signal recovery from incomplete and inaccurate measurements,” Communications on Pure and Applied Mathematics. 59(8), 1207–1223 (2006).
[10]J. A. Tropp, A. C. Gilbert, “Signal Recovery From Random Measurements Via Orthogonal Matching Pursuit,” IEEE Transactions on Information Theory. 53(12), 4655-4666 (2007).endprint