壓縮感知遙感視頻成像系統(tǒng)建模與仿真.pdf

1、高分辨率視頻成像衛(wèi)星為我們提供了實(shí)時(shí)準(zhǔn)確的地面遙感視頻圖像，然而其應(yīng)用卻受到數(shù)據(jù)處理量龐大、遙感傳輸困難等問(wèn)題的限制。壓縮感知作為一門新興的采樣理論，它表明在已知信號(hào)稀疏先驗(yàn)的前提下，使用以遠(yuǎn)低于奈奎斯特采樣速率進(jìn)行隨機(jī)線性采樣方式得到的少量壓縮測(cè)量數(shù)據(jù)，通過(guò)求解稀疏優(yōu)化問(wèn)題就能高概率精確或高準(zhǔn)確度地重建原信號(hào)，為緩解視頻衛(wèi)星采樣端的壓力提供了新的思路和解決辦法。
　　論文針對(duì)壓縮感知應(yīng)用于遙感視頻成像可能遇到的關(guān)鍵問(wèn)題開展了以下

2、幾個(gè)方面的研究：
　　首先，從光學(xué)成像器件的原理層面上建立了相應(yīng)的測(cè)量系統(tǒng)模型。論文回顧了光學(xué)器件的成像機(jī)理，并指出了傳統(tǒng)基于奈氏采樣定律的光學(xué)成像系統(tǒng)采樣和壓縮之間的矛盾，并根據(jù)測(cè)量矩陣的具體物理實(shí)現(xiàn)位置建立了兩種代表性的測(cè)量系統(tǒng)模型。
　　其次，系統(tǒng)研究了壓縮感知遙感視頻重構(gòu)的單幀模型、差分模型、殘差模型和殘差分布式模型，并引入分布式視頻壓縮感知框架，建立了壓縮遙感視頻的字典學(xué)習(xí)分布式重構(gòu)模型。
　　再次，系統(tǒng)研究

3、了視頻稀疏表示的典型字典學(xué)習(xí)方法和樣本選取方法。著重討論了邊信息塊匹配樣本生成方法和K-SVD、PCA兩種字典學(xué)習(xí)方法。在獨(dú)立分量分析理論基礎(chǔ)上，提出了視頻稀疏表示的全局PICA字典學(xué)習(xí)方法。
　　最后，系統(tǒng)介紹了重建精度相對(duì)較高的壓縮感知凸優(yōu)化重建算法，并著重討論了基于變量分離的 GPSR和 LCGP兩種典型的凸優(yōu)化重構(gòu)算法?；谕箖?yōu)化理論中KKT條件，提出了子集變量更新的UWSV-SR快速高精度重構(gòu)算法。
　　通過(guò)編制數(shù)