[发明专利]一种基于压缩感知的无线传感器图像采集传输系统

权利要求书

1.一种基于压缩感知的无线传感器图像采集传输系统，其特征在于：所述系统由若干终端节点、汇聚节点和PC机组成；

所述每个终端节点包括图像采集模块、卡片式电脑、Zigbee无线通信模块、被动式热释电红外传感器、红外LED、SD卡和供电模块；图像采集模块的输出端通过数据线与卡片式电脑连接，图像采集模块获取的图像信息传输至卡片式电脑；被动式热释电红外传感器的输出端通过数据线与卡片式电脑连接，被动式热释电红外传感器获取到红外信号后将高电平信号传输至卡片式电脑；红外LED的输入端通过数据线与卡片式电脑连接，卡片式电脑控制红外LED的开启关闭；Zigbee无线通信模块通过数据线与卡片式电脑互通连接，终端节点上的Zigbee无线通信模块与汇聚节点上的Zigbee无线通信模块形成网络并进行通信；供电模块与卡片式电脑相连提供电能，SD卡与卡片式电脑连接用于信息储存；

所述汇聚节点是以终端节点为基体，在终端节点中增设了WiFi模块或3G模块，该WiFi模块或3G模块的信号输入端通过USB数据线与卡片式电脑的USB接口相连，卡片式电脑通过WiFi模块或3G模块将信息发送至互联网中，通过互联网与PC机相连进行数据传输；汇聚节点上的Zigbee无线通信模块与终端节点上的Zigbee无线通信模块形成网络并进行通信；

终端节点能对图像信息进行采集和压缩，并通过Zigbee无线通信模块形成的网络将图像信息发送至汇聚节点；汇聚节点也能对图像信息进行采集和压缩，通过Zigbee无线通信模块形成的网络接收终端节点的图像信息，并通过WiFi模块或3G模块将已经压缩的图像信息发送至互联网中，通过互联网与PC机相连进行数据传输，PC机完成图像信息的重构与获取，形成基于压缩感知的无线传感器图像采集传输系统。

2.根据权利要求1所述的一种基于压缩感知的无线传感器图像采集传输系统，其特征在于：所述终端节点与汇聚节点对图像信息进行压缩时采用压缩感知图像压缩算法，运用Matlab2014a/Simulink软件作为卡片式电脑的软件开发环境，通过Simulink搭建程序硬件控制模型，通过M-function实现对图像信息的压缩；Simulink模型和M-funtion经转换形成mex文件和C语言文件，由卡片式电脑将C语言文件编译成嵌入式可执行程序。

3.根据权利要求1或2所述的一种基于压缩感知的无线传感器图像采集传输系统，其特征在于：所述卡片式电脑采用RaspberryPi树莓派开发板。

4.根据权利要求1所述的一种基于压缩感知的无线传感器图像采集传输系统，其特征在于：所述的图像采集模块由摄像头和OV5647传感器组成，摄像头与OV5647传感器连接后通过CSI接口与树莓派连接。

5.根据权利要求2所述的一种基于压缩感知的无线传感器图像采集传输系统，其特征在于，所述压缩感知图像压缩算法的具体方法如下：运用Simulink的卡片式电脑以10次每秒的频率检测GPIO23号引脚，当检测到高电平时，将25号引脚至高电平，同时调用图像采集模块，将图像采集模块的摄像头输出格式设置为YCbCr，设备名选择/dev/video0，通过Resize图像调整模块将输出图像大小调整为256×256，通过M-function提取Y通道信息，进行小波变换和观测得到观测值y，并保存于/home/pi目录下，对图像进行小波变化和观测，所用的小波和观测矩阵以.mat格式封装保存于/home/pi目录下，在程序流程进行到小波变换和观测时进行调用。

6.根据权利要求2所述的一种基于压缩感知的无线传感器图像采集传输系统，其特征在于：终端节点和汇聚节点在获取图像信息的同时进行压缩感知编码，在压缩感知算法的图像处理中，将N×N的图像首先进行9/7小波变换，然后构造测量矩阵Ψ，测量矩阵采用结构化随机矩阵，利用Ψ对全部的小波变换系数进行测量，得到M×N大小的测量系数；M和N为图片高度和宽度的像素值，K＝M/N，K为采样率。

7.根据权利要求1所述的一种基于压缩感知的无线传感器图像采集传输系统，其特征在于，PC机接收到汇聚节点发来的已经压缩的图像信息后，通过压缩感知SAMP重构算法和一种基于神经网络的步长确定方法重构出原图像；所述基于神经网络的步长确定方法如下：

首先设计两组神经网络及训练数据，第一种：最高精度恢复步长s，是寻找能够最佳最清晰重构图像的步长；第二种：精度固定最短重构时间步长s1，是认为在达到一定PSNR时图像清晰度已符合要求所寻找的最短重构时间的步长；

PC机重构图像时需要的训练步长由最高精度恢复步长神经网络和精度固定最短重构时间步长神经网络训练得出；

根据训练要求设计神经网络结构，所述神经网络采用输入层、隐层、输出层的三层结构，根据实际训练结果，选择隐层10个隐层节点、输入层2个节点，分别输入图像大小数据和采样率，输出为步长s或s1；

神经网络选用BP神经网络，BP隐层传递函数采用正切Sigmoid函数tansig，输出层神经元采用线性函数purelin；

第一种神经网络训练数据，选择10张不同大小N×N的图像，N×N为图片分辨率大小，分别在30％，50％，70％的采样率下人为寻找最大重构精度的步长s，这10张图片的大小数据和采样率作为输入，寻找到的步长s作为输出；

第二种神经网络数据，选择10张不同大小N×N的图像，N×N为图片分辨率大小，分别在30％，50％，70％的采样率下寻找在PSNR达到30db的情况下时间最短的步长s1。