基于形态成分结构化联合稀疏性的“压缩感知照相机网络”重建理论与算法

"压缩感知照相机网络"是压缩感知理论与多照相机网络的结合，在深空探测、无人值守，危险区域监控等领域具有广泛应用前景。传统的多照相机网络依据Nyquist-Shannon采样定理进行采样，复杂场景的高质量重建需要大数据量的采样和传输，这不满足多照相机网络低功耗和带宽受限的实际要求。本项目以"压缩感知照相机网络"为研究对象，以压缩感知照相机多视场景感知与重建为科学问题，通过深入挖掘单视图像形态成分结构化稀疏性和多视图像间不同形态成分的结构化联合稀疏性，进一步减少采样数据，提高重建质量，建立一套基于形态成分结构化联合稀疏性先验的"压缩感知照相机网络"重建理论与算法。不仅对拓展传统的压缩感知理论和算法有十分重要的理论意义，且将推动低功耗带宽受限的压缩感知照相机网络系统的设计和实际应用，具有十分广阔的应用前景。

本资助项目以压缩感知照相机多视场景感知与重建为科学问题，深入研究了基于形态成分结构化联合稀疏性的压缩感知重建理论与算法及其应用，圆满完成了3年预定目标。取得研究成果包括：1）通过自行组装和整合摄像机与计算处理服务器等硬件系统，搭建了“压缩感知照相机网络”仿真试验平台。2）深入挖掘图像的结构化稀疏性先验，包括Gini系数的结构化稀疏性、梯度模的结构化稀疏性以及多形态成分结构化稀疏性等先验，分析了这些先验信息在重建过程中的重要作用，在此基础上设计了相关的压缩感知图像重建模型和算法。3）通过分析自然图像自身所呈现的结构特征及属性，深入挖掘图像内容上局部结构模式的自回归性以及非局部图像块的结构相似性等信息，建立正则化先验模型，提出复合正则化压缩感知重建模型与算法。4）考虑多视照相机网络的成像原理，分析多视图像间的视间相关性及结构化稀疏性，提出多视图像压缩感知联合重建模型与算法。特别地，分析了多视（序列）图像的差值稀疏性先验，结合预估与残差补偿技术对图像进行递归重建。5）在图像稀疏分解、图像去噪预处理、图像超分辨、高光谱图像处理以及图像质量评估方面进行了形态成分结构化稀疏性的相关创新性应用。6）建立了一套基于形态成分结构化联合稀疏性先验的压缩感知照相机网络多视图像重建算法，开发了Matlab语言环境下的各种对比算法的压缩感知演示系统。7）到目前为止，受基金资助共发表学术论文35篇，申请发明专利2项，其中SCI收录10篇，EI收录17篇。特别的，在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》、《IEEE Signal Processing Letters》、《Applied Mathematical Modelling》等国际期刊发表10篇学术论文，在《计算机学报》、《电子学报》、《中国图象图形学报》等国内期刊发表14篇学术论文，参加ICIP2011，IGARSS2012等国际会议5次，参加国内会议4次。