The invention discloses an estimation method of a descending function used in a wireless tomography system, belonging to the image processing field of the wireless network. To make wireless tomography process degradation process for linear images, combined with constrained least squares criterion, using image restoration method can solve wireless tomography system, fuzzy target imaging with expansion effect problem, get a clear image of the \original\. The present invention converts convolution process for matrix multiplication, matrix transform convolution relationship is deduced with linear wireless tomography system solutions; and then drop the mapping relationship between quality function and convolution transform matrix is obtained by matrix transformation theory, and through the establishment of mixed Gauss model to estimate the degradation function. After being applied to the wireless tomography system, the invention effectively weakens the expansion effect of the target imaging, and improves the imaging accuracy of the wireless tomography system, and can be applied in the actual environment.
【技术实现步骤摘要】
一种应用于无线层析成像系统的降质函数的估计方法
本专利技术涉及一种基于无线层析成像系统的降质函数的估计方法,应用于无线层析成像系统的图像复原过程中,属于无线网络中的图像处理领域。
技术介绍
无线层析成像(RTI)是一种用来对无线传感器网络区域内的目标进行定位的无源定位技术,其利用无线节点间的通信链路被目标遮挡引起的信号强度衰减来反演出区域内各个位置处的信号衰落强度,得到区域内的信号衰减图,进而得到目标所有的位置信息。近年来,随着各个领域对位置服务需求的增加,无线定位技术相关的研究越来越活跃。RTI技术作为一种新兴的无源定位技术,引起了众多领域的兴趣,并已经取得了大量研究成果。最早是由美国犹他大学的Wilson和Patwari提出的基于阴影衰减的RTI方法(SRTI),SRTI是利用接收信号强度(RSS)变化在无线网络中成像的方法。SRTI方法假设无线链路被目标遮挡会引起很大的阴影衰减,没被障碍物遮挡的链路则会保持稳定。这种经典的基于阴影的RTI成像技术过程为:将S个无线节点等距离部署在监测区域周围,这些节点具有相同的物理结构,工作在相同频段并支持相同的通信协议。每个节点坐标已知,为(xs,ys),s∈{1,2,...,S},这些无线节点共构成L=S(S-1)/2条无线链路,每个节点按照预先设定的协议和时序发送数据,并且接收及测量其他节点发的无线信号的RSS值。测量时先测量监控区域内没有目标时,每条链路的RSS值rl,其中l是链路编号;然后测量目标出现在监测区域内时每条链路在离散时刻t的RSS值rl,t,从而得到第l条链路在t时刻的RSS变化量为:△rl,t ...
【技术保护点】
应用于无线层析成像(RTI)系统的降质函数的估计方法,其特征在于,包含如下步骤:步骤一:建模RTI系统降质函数;由于基于阴影衰减的RTI方法得到的RTI图像具有膨胀效应,所以使用图像复原方法减弱膨胀效应;在图像复原中,将图像降质过程看成一个线性模型,降质后的图像表示为:g(x,y)=h(x,y)*f(x,y)+n(x,y), (4)h(x,y)是空间域的降质函数,*表示卷积;f(x,y)表示“原始”的没有膨胀效应的图像;g(x,y)是降质后的实际成像出来的RTI图像,n(x,y)是噪声函数;步骤二:获得降质函数和RTI系统线性解的关系,得到卷积变换矩阵;根据卷积定义,将(4)式写成向量矩阵相乘的形式:g=Hf+η, (5)f是N×1的矩阵,表示“原始”输入图像;g和η也是N×1矩阵;H是大小为N×N的卷积变换矩阵;将(1)式代入(2)式,得到:
【技术特征摘要】
1.应用于无线层析成像(RTI)系统的降质函数的估计方法,其特征在于,包含如下步骤:步骤一:建模RTI系统降质函数;由于基于阴影衰减的RTI方法得到的RTI图像具有膨胀效应,所以使用图像复原方法减弱膨胀效应;在图像复原中,将图像降质过程看成一个线性模型,降质后的图像表示为:g(x,y)=h(x,y)*f(x,y)+n(x,y),(4)h(x,y)是空间域的降质函数,*表示卷积;f(x,y)表示“原始”的没有膨胀效应的图像;g(x,y)是降质后的实际成像出来的RTI图像,n(x,y)是噪声函数;步骤二:获得降质函数和RTI系统线性解的关系,得到卷积变换矩阵;根据卷积定义,将(4)式写成向量矩阵相乘的形式:g=Hf+η,(5)f是N×1的矩阵,表示“原始”输入图像;g和η也是N×1矩阵;H是大小为N×N的卷积变换矩阵;将(1)式代入(2)式,得到:对比式(6)和式(5),由于g和都表示的是成像出来的RTI图像,所以假设噪声相同,得到如下方程:Hf=ΠWx,(7)且f和x表示的是相同的原始图像向量,故获得卷积变换矩阵和RTI系统线性解的关系如下:H=ΠW,(8)即卷积变换矩阵由RTI系统的线性变换矩阵和权重矩阵相乘得到;步骤三:根据矩阵理论由降质函数获得卷积变换矩阵;卷积转移矩阵H的元素由二维圆周卷积定义为:f(m,n)表示原始图像在(m,n)处的原始像素值,表示在降质后图像在坐标(x,y)处的像素值;假设降质函数h大小为(2K+1)×(2K+1),它的元素即为:由于二维卷积运算的实质是将卷积模板翻转180度,然后将该卷积模板依次从上到下、从左到右滑动,计算在模板与原始图像产生交集元素的乘积和,作为卷积以后的数值;因此可以得到翻转后的点扩散函数h-为:再计算h-与图像产生交集元素的乘积和就可得到卷积的结果;此时的运算方式仍然为两个二维矩阵的平移,计算乘积和;下面推导如何由h-构成H;由卷积定义可知,图像卷积结果的第一个像素点为矩阵h-中的区域与图像区域f(m,n)对应元素的乘积和;区域为:其中为的列向量,因此H的第一行数据为:同理可以求得H的第二行数据为:其中它与相比多了一个元素h1,i,由此可以分析出矩阵H的前M行前M列的数据为:同理分析矩阵H的前M行,(M+1):2M列的数据为:由此类推可以定义由矩阵h生成的矩阵Hi(-K≤i≤K)为:结合上述分析,可以将卷积转换矩阵H简化为:到此就实现了二维卷积运算与矩阵相乘运算之间的转换,得到卷积变换矩阵H;且知H中的元素都是降质函数h(x,y)的特定元素分布在特定位置;步骤四:用混合高斯模型估计出降质函数的元素,得到降质函数h(x,y);由于矩阵H中的元素来自降质函数h(x,...
【专利技术属性】
技术研发人员:高飞,孙成,傅一文,王继勇,刘珩,安建平,许胜新,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。