一种基于压缩感知的数据链系统终端图像压缩方法与流程

本发明涉及一种基于压缩感知的数据链系统终端图像压缩方法，属于数据链图像压缩研究领域。

背景技术：

数据链是指互通数据的链路，而在军事上所说的数据链就是一张数据网，就像互联网一样，只要有一个数据终端就可以从这个数据链里获得所需要的信息，同样也可以使用终端往数据链路网里添加东西。

数据链一般用于军事项目上，军事数据链最完美的就是所有单位贡献数据信息。数据链作为“战场神经”，其发挥的作用巨大，数据链按使用范围可以分为三大类：通用战术数据链、情报级数据链和武器级数据链。其中情报级数据链主要用于传输各种侦察平台所侦察到的图像、视频数据，尤其在大型战略侦察中，航程远、覆盖范围大、实时性要求高、图像数据量巨大，因此需要通信的带宽大，数据传输速率高等。

现阶段情报数据链实现难度大，使用传统的图像数据采样定理和压缩定理使得在数据链中通信带宽大，而通信带宽要求高使得技术研发难度大、终端机结构复杂、成本高昂。所以研究如何在较低的带宽要求下能传输更多数据信息量，是现阶段重要的课题。

压缩感知是一种寻找欠定线性系统的稀疏解的技术，是一个新的采样理论，它通过开发信号的稀疏特性，在远小于nyquist采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。压缩感知理论研究主要包含信号稀疏表示、测量矩阵构造和重构算法设计三个方面。压缩感知理论在采样过程中完成了数据压缩的过程。

将压缩感知理论应用于数据链系统终端的图像数据压缩中，能降低采样图像的功耗，同时能较大程度的压缩图像信息，使得在相同的带宽要求下，能传输更多的图像数据信息，从而达到降低数据链中通信带宽研发技术难度、降低成本的目的。

技术实现要素：

针对现阶段数据链图像数据量巨大而使得研发通信带宽技术难的问题，本发明公开了一种基于压缩感知的数据链系统终端图像压缩方法。本发明所述的方法：首先，数据链系统终端a通过数字摄像头获取图像数据信息α；然后，通过小波变换将图像数据信息稀疏化后得到稀疏向量组s，将测量矩阵和稀疏基矩阵与稀疏向量组相乘进行降维，得到维数远小于稀疏向量组的测量值y，将测量值通过天线传输至数据链系统另一终端b；最后在终端b通过压缩感知还原算法将测量值还原为原始图像数据信息。

本发明提出的一种基于压缩感知的数据链系统终端图像压缩方法，包括以下步骤：

步骤一、获取图像信息：在数据链系统终端a中使用数字摄像头获取图像信息；

步骤二、数据链系统终端a获取图像信息后，将图像数据信息传输至压缩模块中，在压缩模块中通过小波变换将图像信息稀疏化，得到稀疏向量组s；

步骤三、在压缩模块中将测量矩阵与稀疏向量组相乘进行降维，得到维数远小于稀疏向量组的测量值y，压缩模块输出测量值y；

步骤四、将测量值传输至基带模块和功放模块进行处理后，通过天线传输至数据链系统终端b，终端b接收信号后，传输至终端b的功放模块和基带模块进行处理，输出测量值y至解压模块中；

步骤五、在终端b的解压模块中，已知测量值、稀疏基、测量矩阵，通过正交匹配追踪算法求出原始信号。

本发明优点：

1.本发明通过将压缩感知应用于数据链系统中，压缩感知理论在采样过程中完成了数据压缩的过程使得较传统的数据采集和压缩方法大大减少了数据链系统终端的功耗；

2.本发明通过将压缩感知应用于数据链系统中，在远小于nyquist采样率的条件下，用随机采样获取信号的离散样本，大大减少了采样的数据量；

3.本发明通过将压缩感知应用于数据链系统中，通过压缩降维后输出的测量值维度远小于原始信号维度，使得在相同的数据带宽下能传输更多的图像数据信息，同时减少了对数据链的数据带宽要求。

附图说明

图1是本发明的图像压缩到还原的流程示意图；

图2是本发明得出稀疏信号的流程示意图；

图3是本发明得测量值的流程示意图；

图4是本发明将测量值还原原始图像的流程示意图；

图5是本发明输入原始图像示意图；

图6是本发明输出还原图像示意图。

具体实施方式

本发明提出的一种基于压缩感知的数据链系统终端图像压缩方法，本发明实验是在,matlab平台模拟实现，具体操作包括以下步骤：

结合图1，一种基于压缩感知的数据链系统终端图像压缩方法，包括以下步骤：

步骤一、结合图5，获取图像信息：在数据链系统终端a中使用数字摄像头获取图像信息；

1)试验中使用512x512像素的数字摄像头获取图像数据信息；

2)数据链系统终端a将图像数据信息生成矩阵α，α∈r^512x512。

步骤二、结合图2，数据链系统终端a获取图像信息后，将图像数据信息传输至压缩模块中，在压缩模块中通过小波变换将图像信息稀疏化，得到稀疏向量组s；

1)已知原始图像数据信息的维数为r^lxl＝r^512x512，即l＝512，所以小波变换基的维数为r^nxl＝r^512x512，即n＝512；

2)生成随机高斯小波变换基矩阵ψ(ψ∈r^512x512)，图像数据信号在该正交基上稀疏；

3)小波变换让图像稀疏化：s＝ψ＊α，其中α为原始信号，ψ∈r^nxl，α∈r^lxl；

4)输出稀疏信号s(s∈r^nxl)。

步骤三、结合图3，在压缩模块中将测量矩阵与稀疏向量组相乘进行降维，得到维数远小于稀疏向量组的测量值y，压缩模块输出测量值y；

1)取测量值行维数为m＝205

2)生成随机高斯测量矩阵p，p∈r^mxn；

3)优化随机高斯矩阵，减少随机高斯测量矩阵的列相关性，得到测量矩阵φ，φ∈r^mxn；

3)将测量矩阵与稀疏向量组相乘进行降维：y＝φ*s＝φ*ψ*α，其中α为原始信号，φ∈r^mxn，ψ∈r^nxl，α∈r^lxl，其中m＜＜l；

步骤四、将测量值传输至基带模块和功放模块进行处理后，通过天线传输至数据链系统终端b，终端b接收信号后，传输至终端b的功放模块和基带模块进行处理，输出测量值y至解压模块中；

步骤五、结合图4，在终端b的解压模块中，已知测量值、稀疏基、测量矩阵，通过正交匹配追踪算法求出原始信号。

1)已知测量矩阵φ(φ∈r^mxn)和测量值y(y∈r^mxl)，通过稀疏分解算法的正交匹配追踪算法进行稀疏信号s(s∈r^nxl)还原：

2)将稀疏信号s(s∈r^nxl)，用进行小波反变换得到原始信号α(α∈r^lxl)；

3)结合图6，输出还原的原始图像信息。