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)星為我們提供了實時準確的地面遙感視頻圖像，然而其應用卻受到數據處理量龐大、遙感傳輸困難等問題的限制。壓縮感知作為一門新興的采樣理論，它表明在已知信號稀疏先驗的前提下，使用以遠低于奈奎斯特采樣速率進行隨機線性采樣方式得到的少量壓縮測量數據，通過求解稀疏優(yōu)化問題就能高概率精確或高準確度地重建原信號，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。
　　論文針對壓縮感知應用于遙感視頻成像可能遇到的關鍵問題開展了以下

2、幾個方面的研究：
　　首先，從光學成像器件的原理層面上建立了相應的測量系統(tǒng)模型。論文回顧了光學器件的成像機理，并指出了傳統(tǒng)基于奈氏采樣定律的光學成像系統(tǒng)采樣和壓縮之間的矛盾，并根據測量矩陣的具體物理實現(xiàn)位置建立了兩種代表性的測量系統(tǒng)模型。
　　其次，系統(tǒng)研究了壓縮感知遙感視頻重構的單幀模型、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習分布式重構模型。
　　再次，系統(tǒng)研究

3、了視頻稀疏表示的典型字典學習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兩種字典學習方法。在獨立分量分析理論基礎上，提出了視頻稀疏表示的全局PICA字典學習方法。
　　最后，系統(tǒng)介紹了重建精度相對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快速高精度重構算法。
　　通過編制數