【技术实现步骤摘要】
基于压缩感知及Renyi熵的水下信息抗干扰方法
本专利技术涉及基于压缩感知及Renyi熵的水下信息抗干扰方法,属于水下模拟信息转换以及压缩感知
技术介绍
随着多媒体技术的发展,图像和视频信号的分辨率不断得到提高,高清图片及高清视频逐渐成为信息传输的主流。水下环境比较复杂,在水下拍摄和传输信息会受到不同程度的干扰。最近几年发展起来的压缩感知(CompressiveSensing,CS)理论,提供了采集信号的一种思路,当信号稀疏或可压缩时,可以以较低的采样率通过一个测量矩阵随机观测信号,根据得到的少量观测值,通过优化算法精确重构信号,信号的重构质量仅取决于观测数量的多少,而与具体使用了哪些观测值无关。自然图像通常不是稀疏的,但在适当选定的变换基下能够进行稀疏表示。小波变换是对图像进行稀疏表示的一种有效工具。二维小波变换将图像分解为多个子系数,不同子系数描述了原始图像中的不同信息成分。一级二维小波变换将图像分解成4个子系数。LL为低频系数,是原始图像的近似,HL、LH和HH是高频系数,描述了图像灰度沿不同方向的变化。其中HL系数中的主要结构是沿垂直方向的,反映了图像中的垂直边缘信息(水平方向高频、垂直方向低频);LH系数中的主要结构是沿水平方向的,反映了图像中的水平边缘情况(水平方向低频、垂直方向高频),HH系数中的主要结构是沿对角线方向的,反映图像中的斜边缘信息(水平方向高频、垂直方向高频)。对于稀疏信号,不用依赖于信号本身的分布特性,根据普适观测值达到低复杂度的目的,每个观测值近似均等地蕴含了 ...
【技术保护点】
1.基于压缩感知及Renyi熵的水下信息抗干扰方法,其特征在于:包括粗去扰和细去扰;其中,粗去扰包括如下步骤:/n步骤1、读取水下采集的信息,并以矩阵形式存储,记为I;以行为单位计算矩阵I中每行的Renyi熵值;/n其中,矩阵I的维度为m×n,即m行n列;/n步骤2、求步骤1输出的Renyi熵值求最大值及对应的行,计算该行像素的最大值作为Renyi熵阈值T
【技术特征摘要】 【专利技术属性】
20190712 CN 20191062893761.基于压缩感知及Renyi熵的水下信息抗干扰方法,其特征在于:包括粗去扰和细去扰;其中,粗去扰包括如下步骤:
步骤1、读取水下采集的信息,并以矩阵形式存储,记为I;以行为单位计算矩阵I中每行的Renyi熵值;
其中,矩阵I的维度为m×n,即m行n列;
步骤2、求步骤1输出的Renyi熵值求最大值及对应的行,计算该行像素的最大值作为Renyi熵阈值T1;
步骤3、对矩阵I进行以W*W窗口为单位进行粗去扰,得到进行粗去扰后的矩阵,具体为:
以W*W窗口遍历矩阵I的行和列,判断该W*W窗口当前像素与邻域像素的均值之差,若该差是否小于等于阈值T1,若是则等于邻域像素的均值,否则若大于阈值T1,则矩阵I中当前行和列对应的值取该W*W窗口的中值;
其中,粗去扰后的矩阵,记为I’;
步骤4、对粗去扰后的矩阵I’进行D级离散二维小波变换,得到3D+1组小波系数;
其中,1组低频系数,记为LLD;3D组高频系数,记为HLi、LHi、HHi,i的取值范围为1到D的整数;其中,HLi代表水平系数、LHi代表垂直系数、HHi代表对角线系数;
其中,低频系数LLD是原始信息的近似,直接影响着整个矩阵的重建质量,且LLD是非稀疏的;因此,直接保留LLD,不进行压缩观测;
再对经离散小波变换后的小波系数进行细去扰,具体步骤如下:
步骤5、设定i=1;
步骤6、分别对第i级的3组高频系数HLi、LHi、HHi按行计算Renyi熵值,分别求出HLi、LHi、HHi中Renyi熵值最大的行,分别依据求出的3行高频系数中值确定对应HLi、LHi、HHi的去噪阈值,再对高频系数HLi、LHi、HHi去噪,具体为:
步骤6.1基于3组高频系数HLi、LHi、HHi分别按行计算Renyi熵值,并选出熵值最大的行,记为第KHLi、KLHi以及KHHi行;
步骤6.2基于第KHLi、KLHi以及KHHi行分别对HLi、LHi、HHi绝对值的中值,分别通过公式(1)、(2)以及(3)计算估计方差和
其中,表示基于第KHLi行HLi绝对值的中值;
表示第KLHi行LHi绝对值的中值;
表示第KHHi行HHi绝对值的中值;
步骤6.3基于公式(1)(2)以及(3)输出的方差计算去噪阈值以及
技术研发人员:卢继华,冯立辉,王欢,沈英,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。