适用于高丢包率无线网络环境的压缩感知-多描述编码方法及关键技术研究

无线信道下数据传输的不可靠性阻碍了通信技术的推广应用，多描述编码提供了提高传输可靠性的方法但计算复杂度高。本项目主要研究基于压缩感知（简称CS）理论的多描述编码方法及其关键技术。通过图像纹理特征分析，构造合适的稀疏域，给出系数重组分块方式，引入描述间的相关性，形成描述间有效的互增强机制，提出多描述生成算法；对率失真和最优码率分配分别进行建模分析，通过优化求解给出一定网络状况下的各个描述的近似最优码率，从而使接收到的图像质量最佳；针对CS理论的信号重建问题深入研究，改进目标函数并设计相应优化算法，实现快速重构。创新点：将CS理论与多描述编码相结合，构造低成本（采样成本、计算成本）且在抗丢包及抗误码性能方面比传统方法有明显优势的多描述编码方法。该方法可在高丢包率、高误码率环境下，实现较高质量图像重构。本课题预期在理论上有突破，技术上有创新，为多描述编码技术的推广应用奠定基础。

项目组在过去三年时间里认真研究了压缩感知理论及其在多描述编码、光谱计算成像、demosaicking中的应用，并取得了一批成果：（1）针对无线弱信道下的图像通信丢包问题，提出基于奇偶列抽取的压缩感知-多描述编码（CS-MDC）方法，并初步验证该方法的可行性、有效性及其良好的抗丢包性能。（2）针对奇偶列抽取CS-MDC方法描述之间相关性不够强，一定丢包率下的一描述重构效果仍然有待提高问题，提出了基于梅花下采样的CS-MDC方法，该方法同等条件下具有更优的重构效果。（3）提出一种基于运动随机曝光和CS重构的高分辨率图像直接采样编码方法，该方法不增加CCD传感器数量，使用较低采样频率即可获得高分辨率图像；研究成果发表在国际顶级期刊IEEE TIP上；（4）针对压缩感知(CS)编码系统中观测系数标量量化编码效率低下的问题，提出一种压缩感知观测值的渐进式量化方案，大大提高了CS-MDC系统的编码效率，研究成果发表在国际顶级期刊IEEE TIP上；（5）针对视频图像传输，基于压缩感知理论提出一种混合采样的CS-MDVC方法。在误码和丢包二者同时存在的情况下，CS-MDVC依然显示了很强的鲁棒性能。（6）为在保证一定抗丢包能力的基础上进一步提升传统CS-MDC的编码性能，提出一种混合观测CS-MDC方案。（7）提出一种基于编码感知一特征解耦的多光谱高分辨成像新方法。该方法无需提高传感器阵列密度，只需控制电子快门曝光和数据处理，就可以做到在保持较高光谱分辨率的情况下，大幅提升空间分辨率。(8) 针对传统压缩方法很难有效地减少观测的难题，基于互相关理论、集合论和序列压缩感知方法的思想，提出一种减少冗余压缩感知观测的方法。研究期间在本项目的资助下共发表论文28篇，其中10篇论文被SCI检索，27篇已经或即将EI检索，IEEE国际著名期刊3篇，其他国际期刊5篇。申请专利4项。

内容获取失败，请点击重试