[發明專利]基于CS理論的無人值守區域監測系統

在審

• 申請號: 201910631653.2
• 申請日: 2019-07-12
• 公開（公告）號: CN110418108A
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 吳鍵;黃明傳;李澤昀;王欣
• 申請（專利權）人: 南京理工大學
• 主分類號: H04N7/18
• 分類號: H04N7/18
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 馬魯晉

1.一種基于CS理論的無人值守區域的監測系統，其特征在于，包括若干圖像傳感器節點、若干簇頭節點、匯聚節點和終端監控中心；其中，所述若干圖像傳感器節點和若干簇頭節點組成多個簇型網絡，每個簇型網絡包括若干圖像傳感器采集節點和一個簇頭節點，所述圖像傳感器采集節點用于對目標圖像信息進行壓縮感知采集，并把采集到的圖像數據發送給所屬簇的簇頭節點，所述簇頭節點按照規定好的路徑以多跳傳輸的形式，將圖像數據傳輸到匯聚節點，所述匯聚節點用于根據圖像數據進行目標圖像信息的重構，并將重構后的圖像數據發送到終端監控中心進行顯示。

2.根據權利要求1所述的基于CS理論的無人值守區域的監測系統，其特征在于，所述圖像傳感器節點包括處理器模塊、無線通信模塊、圖像采集模塊、數據存儲模塊以及電源模塊。所述處理器模塊控制采集模塊進行壓縮感知采集，并將采集的圖像數據通過無線通信模塊發送給所屬的簇頭節點。

3.根據權利要求2所述的基于CS理論的無人值守區域的監測系統，其特征在于，所述圖像采集模塊將基于壓縮感知的圖像處理方法引入到網絡系統中，使用改進的沃爾什變換對圖像數據進行編碼，具體編碼方法如下：

步驟1、將編碼所需的沃爾什變換的頭文件包含進圖像編碼的源碼中；

步驟2、分配指向圖像頻域的指針以及指向圖像時域的指針；利用沃爾什變換方法，得到沃爾什變換點數，即所生成矩陣維數；

步驟3、將步驟2中生成的矩陣維數直接賦值給數組X1；

步驟4、將步驟2中生成的矩陣維數進行因式分解，采用蝶形快速算法給數組X2賦值；

步驟5、遍歷數組X1、X2，將數組X1、X2的值與步驟2中得到的矩陣維數數值相除得到系數，將系數賦給觀測矩陣F；

步驟6、從步驟5生成的觀測矩陣F中隨機抽取30％個像素點，得到壓縮后的目標圖像矩陣。

4.根據權利要求1所述的基于CS理論的無人值守區域的監測系統，其特征在于，所述簇頭節點包括處理器模塊、無線通信模塊和電源模塊。所述處理器模塊通過控制無線通信模塊接收終端監控中心的數據請求命令，并將簇內節點無線發送過來的數據轉發到其他簇頭節點。

5.根據權利要求1所述的基于CS理論的無人值守區域的監測系統，其特征在于，所述匯聚節點包括處理器模塊、通信模塊、數據存儲模塊和電源模塊。所述處理器模塊控制無線通信模塊接收簇頭節點無線發送過來的圖像數據信息，并對數據信息進行融合重構處理，數據存儲模塊用于存儲處理好的圖像數據信息。

6.根據權利要求1所述的基于CS理論的無人值守區域的監測系統，其特征在于，所述匯聚節點根據圖像數據進行目標圖像信息的融合與重構。該融合算法的具體步驟為：

步驟1、采用部分重疊分塊法對同一目標的多個圖像矩陣進行分塊，生成n個大小均為m×m的圖像子塊；

步驟2、通過提升小波變換方法對生成的各子塊進行分解，根據分解后的各子塊數值變化強度，確定高頻分量、低頻分量，實現子塊圖像的稀疏表示；

步驟3、通過測量矩陣對各子塊圖像的高頻分量分別進行采樣壓縮，得到各子塊圖像的高頻分量測量值；

步驟4、通過平均法融合各子塊圖像的低頻分量，獲得各子塊圖像的低頻分量值，并與各子塊圖像在步驟3中生成的高頻測量值進行合并得到子塊的融合測量值，由此生成各個融合子塊；

步驟5、對生成的各個融合子塊通過提升小波逆變換方法生成融合子塊圖像，將全部的子塊圖像合并生成融合后的多源圖像。