[发明专利]矿井视频图像压缩与传输方法

说明书

技术领域

本发明专利涉及一种无线通信和视频压缩传输技术，具体地说，涉及矿井视频图像压缩与传输方法。

背景技术

现有煤矿井下视频采集与图像处理和传输系统采用传统的视频采集终端设备，再经过视频压缩和编码，最后通过网络传输，存在硬件设计复杂、可靠性低、传输带宽要求高等问题，尤其是，矿井环境中视频图像受噪声干扰影响较大、存在灰度对比度低等问题，采用传统的视频图像压缩与处理方法，难以在低速的无线传感网络(WSN)和Zigbee无线网络下实现矿井视频图像的无损压缩与传输。传统的信号获取和处理过程主要包括采样、压缩、传输和解压缩四个部分，其采样过程必须遵循Nyquist采样定理，这种方式采样数据量大，先采样后压缩，浪费了大量的传感元、时间和存储空间。传统的数字信号处理是以Nyquist采样定理为基础，在该框架下，数字系统采样的速率必须达到模拟信号带宽的两倍才能精确重构原始模拟信号。在这种情况下，宽带模拟信号的模数转换需要很高的采样频率，因此对系统信号的处理能力提出了很高的软硬件要求。另一方面，在实际应用中，为了节约存储空间，降低计算复杂度和传输成本，需要对采集到的数据进行压缩，也即采集到的大量的数据在编码的过程中会被抛弃，在这一过程中浪费了大量的资源。因而，人们迫切需要去寻求新的数据采集和处理的方法。

2006年，Donoho等提出了压缩感知(Compressed Sensing，CS)理论，通过分析信号本身的稀疏矩阵，试图突破传统信息论中的带宽瓶颈，对信号处理和压缩极限产生了很大的提升。CS理论是近年来信息处理领域发展迅速的一个理论分支，它的出现为WSN研究和无线视频图像的压缩处理提供了一个新思路。该理论表明，如果信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相关的观测矩阵将变换所得的高维信号投影到一个低维空间上，然后通过求解一个稀疏优化问题来实现信号的精确重构，可以用远低于采样定理要求的采样次数重构信号。

CS理论在信号获取的同时，就对数据进行适当地压缩，相较传统的信号获取和处理过程而言，压缩感知理论针对可稀疏表示的信号，能够将数据采集和数据压缩合二为一，这使其在信号处理领域有着突出的优点和广阔的应用前景。已有研究表明，在WSN中利用CS技术能有效地减少数据采集和传输过程中的能量消耗，降低传输带宽。

发明内容

本发明的主要目的在于解决上述不足之处，为了克服现有WSN、zigbee等无线网络中井下人员定位系统和监控系统难以传输实时视频图像的问题，本发明提出了一种对矿井视频图像进行压缩处理与传输的方法，将基于压缩感知理论的树结构正交匹配追踪算法运用于井下视频信号的图像压缩与处理，旨在实现矿井视频图像的实时传输。利用矿井多径衰落信道环境下视频图像信号的稀疏性矩阵特征，通过树结构来确定信号支撑，缩小了算法的搜索范围，有效提高了重构信号的稀疏性，使压缩后的图像体积大幅减小，旨在通过井下WSN、zigbee等无线网络实现图像传输的实时性要求。

本发明采用的技术方案是：一种矿井视频图像压缩与传输方法，采用基于压缩感知的无损图像压缩与处理算法，用于实现井下视频信号的压缩采样、稀疏表示和重构算法，并将视频采集端产生的视频数据进行压缩，然后通过通信接口发送到视频接收端，视频接收端将接收到的视频数据进行解压缩，然后再输出到显示设备上。

所述矿井视频图像压缩处理与传输方法，包括以下步骤：

步骤一、信号的压缩采样：获取视频图像信号的稀疏性矩阵特征，输入N×M维的观测量矩阵Φ，观测结果y，稀疏度K；

步骤二、信号的稀疏表示：利用信号y＝Φx+e的稀疏特性，逼近与重构原始信号x的稀疏向量其中，y∈N为观测向量，x∈M是满足稀疏特征的权重向量，Φ∈N×M是M个特征列向量构成的正交字典，秩满足rank(Φ)＝N，且各个特征向量||Φ_i||＝1，i＝1，2，…，M， e为噪声残差，是服从零均值、方差为σ²的随机高斯噪声；

步骤三、信号的重构：重构算法实现包括以下子步骤，

4.1)重构算法初始化，估计信号观测矩阵Φ所选列向量的索引集迭代次数t＝1，噪声残差e₀＝y，残差阈值e_threshold＝||e_t-e_t-1||₂；

4.2)寻找观测矩阵Φ的列向量与噪声残差e之间相关系数最大时的列向量索引λ，使λ满足