Adaptive komprimierte Signalverarbeitung basierend auf Schätzungen der Sparsamkeitsordnung für drahtlose Bildsensornetzwerke

Für verwandte Anwendungen, die auf drahtlosen Bildsensornetzwerken (WISNs) basieren, ist die Effizienz der Bildsignalakquisition und -übertragung entscheidend. Wie man das Datenvolumen und die Abtastrate während des Signalkommunikationsprozesses effektiv reduzieren kann, ist ein dringendes Forschungsproblem, das gelöst werden muss. Blockkomprimierte Signalverarbeitung (CS) kann verwendet werden, um das oben genannte Problem zu lösen. In natürlichen Bildern neigt die Sparsamkeitsordnung verschiedener Blöcke dazu, zu variieren, was unterschiedliche Komplexitätsgrade in diesen Blöcken anzeigt. Daher ist es entscheidend, die angemessene Abtastrate für jeden Block festzulegen. Wir können jedoch die Pixelbereichsinformationen der Bilder auf der Abtastseite nicht direkt erhalten. Um das oben genannte Problem zu lösen, wird ein neuartiges adaptives CS-Schema auf der Grundlage von Schätzungen zur Sparsamkeitsordnung vorgeschlagen. Zunächst schätzen wir die Varianz jedes Blocks im Messbereich gemäß dem Johnson-Lindenstrauss-Lemma. Dann finden wir den komplexen Block und den sparsamen Block anhand der Varianzwerte. Ein a priori-Wahrscheinlichkeitsmodell wird verwendet, um die Sparsamkeitsordnungen des komplexen Blocks und des sparsamen Blocks jeweils zu schätzen. Um die Komplexität des Schätzprozesses der Sparsamkeitsordnung zu reduzieren, werden die Sparsamkeitsordnungen der verbleibenden Blöcke gemäß einem einfachen Modell zur Schätzung der Kosinussimilarität geschätzt. Schließlich kann die Sparsamkeitsordnung jedes Blocks verwendet werden, um die entsprechende Abtastrate zu berechnen. Die Experimentergebnisse zeigen, dass das vorgeschlagene Schema eine höhere Rekonstruktionsgenauigkeit als modernste adaptive CS-Schemas erzielen kann. Zudem zeigen die rekonstruierten Bilder eine signifikante Verbesserung der visuellen Qualität.