[发明专利]一种基于小波变换压缩感知的红外导引头图像传输方法

说明书

本发明提出一种基于小波变换压缩感知的红外导引头图像传输方法，包括对红外导引头图像信号进行稀疏表示，得到红外导引头图像信号的稀疏系数向量；得到红外导引头图像信号的稀疏系数向量后，对红外导引头图像进行观测；对红外导引头图像进行重构。本发明在对红外导引头图像进行压缩和重构时，根据红外图像的频率特性进行信号的稀疏表示、利用高斯随机观测矩阵进行信号压缩，实现远远小于传统压缩手段的数据量，大大减小红外图像所需的存储空间、缩短传输时间，实现红外导引头图像数据量的大量压缩和精确重构，使得红外导引头图像数据能够在军用探测中实时、高效、安全传输，满足现代化武器系统快速响应、精确化打击的作战需求。

技术领域

本发明属于导引头图像传输技术领域，具体涉及一种基于小波变换压缩感知的红外导引头图像传输方法。

背景技术

现代化作战要求武器系统具备快速响应的能力，而在军用探测中，红外导引头产生的数字图像数据量庞大，如何采用有效的数据压缩手段解决大数据量传输的实时性问题，成为限制军用探测中红外导引头图像实时、高效、安全传输的瓶颈。

目前，所有离散信号的获取方式都是基于奈奎斯特采样定理，要求信号的采样速率必须达到信号最高频率的2倍或2倍以上才能够精确地重构原始信号,否则会产生混叠失真。信号的带宽越宽，所要求的采样速率和处理速度也越高，这就从根本上决定了红外图像在信道传输的过程中需要实时处理庞大的数据量，这与现代化作战中武器系统的快速响应能力相悖。

压缩感知(CS:CompressedSensing)理论作为近年来信息处理领域的一个重大的理论突破，其核心思想是将压缩和采样合并进行，主要包括信号的稀疏表示、观测矩阵的设计和重构算法三个方面。信号的稀疏表示可以看作是信号的一种简洁表达，是指将信号投影到某个域时，绝大部分的变换稀疏的绝对值很小、接近零，只有有限个数的绝对值较大的变换稀疏。观测矩阵是为了获取原始信号的采样值，即压缩值，并且要确保观测值要保持信号的原始结构。最后，利用重构算法由观测值重构出原始信号。压缩感知理论通过采集信号的非自适应线性观测值，在低维空间内完成数据的结构压缩，最后根据重构算法由观测值重构原始信号。只要信号在某个变换域是稀疏的，那么就可以用一个与变换基不相干的观测矩阵将高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原始信号。在该理论框架下，红外图像的采样速率不再取决于信号的带宽，而是取决于信息在信号中的结构和内容。由此所得到的红外图像信号的投影测量数据将远远小于奈奎斯特采样方法所需的数据量，突破了奈奎斯特采样定理的瓶颈和缺陷，使得高分辨率信号的快速采集和实时传输成为可能。

发明内容

(一)要解决的技术问题

本发明提出一种基于小波变换压缩感知的红外导引头图像传输方法，以解决如何实现军用探测中红外导引头图像数据的大量压缩和精确重构，使得图像数据实时、高效、安全传输，满足现代化武器系统快速响应、精确打击的作战需求的技术问题。

(二)技术方案

为了解决上述技术问题，本发明提出一种基于小波变换压缩感知的红外导引头图像传输方法，该方法包括如下步骤：

S1、对红外导引头图像信号进行稀疏表示，得到红外导引头图像信号的稀疏系数向量；

S2、得到红外导引头图像信号的稀疏系数向量后，对红外导引头图像进行观测；

S3、对红外导引头图像进行重构。

进一步地，步骤S1中，采用二维离散小波变换对其进行稀疏表示，得到红外导引头图像信号的四个频域分量。

进一步地，步骤S2中，得到红外导引头图像信号的稀疏系数向量后，利用观测矩阵对四个频域分量进行观测，获得观测向量Y，实现图像的压缩。