一种应用于无线层析成像系统的降质函数的估计方法技术方案

本发明专利技术公开了一种应用于无线层析成像系统的降质函数的估计方法，属于无线网络中图像处理领域。令无线层析成像过程为线性的图像降质过程，结合约束最小二乘法准则，使用图像复原方法可以解决无线层析成像系统目标成像模糊、具有膨胀效应的问题，获得较清晰的“原始”图像。本发明专利技术提出将函数卷积过程转换为矩阵相乘的形式，推导出降质函数的卷积变换矩阵与无线层析成像系统线性解的关系；然后由矩阵变换理论得到降质函数与卷积变换矩阵之间的映射关系，并通过建立混合高斯模型估计出降质函数。本发明专利技术应用于无线层析成像系统后，有效地减弱目标成像的膨胀效应，提高无线层析成像系统的成像精度，可应用于实际环境中。

An estimation method of degradation function for wireless tomography system

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＝rl-rl,t,l＝1,2,...,L.。将监测区域分割成N个小的区域，每个小的区域称为像素，每个像素用△xj,j∈{1,2,...,N}表示，则每条链路的RSS变化量看成每个像素的RSS变化量的加权和，那么第l条链路在t时刻的RSS变化量就可以用公式表示为：其中△xj,t是在t时刻发生在像素j内的RSS衰减值，nl,t是时刻t时链路l上的测量噪声，wlj是链路l里的像素j的权重值。所有链路的RSS变化量的表达式写成矩阵的形式：r＝Wx+n,(1)r和n都是L×1向量，分别表示所由链路的RSS变化量和噪声；x是N×1向量，表示衰减图像；W是L×N维的权重矩阵；式(1)为RTI系统对无线网络中目标成像的线性方程表达式。利用正则化方法求解线性方程，得到衰减图像向量的线性解为：Π是线性转移矩阵，DX和DY分别为水平方向和垂直方向的差分算子，式(2)即为RTI系统的线性方程解，也是基于阴影衰减的RTI系统对目标的成像结果。但是在上述RTI方法中，由于无线通信链路中存在相互干扰和测量链路数目有限的问题，导致得到的目标衰落图像的精度不高，成像后的图像是目标的膨胀的图像区域，这样的成像结果不能提供足够的细节来识别想要的目标。这个膨胀效应是由无线通信链路有限导致的，然而当增加链路时，无线传感器节点和扫描所有通信链路的时间将会增加，传感器节点之间的干扰也会增强，这些也会降低成像的精度。所以考虑采用保持链路数目不变的方法提高成像效果，图像复原方法就是这样一种方法。由于成像出的图像是“膨胀”的，也可以说是被“降质”的，图像复原方法就是对此图像进行优化，减弱它的“膨胀效应”，从而获得更清晰的图像。图像复原技术是试图利用图像降质过程中的先验知识将“降质”图像复原为“原始”清晰图像的过程。具体过程为：将图像降质过程建模为一个线性过程，即降质图像是由“原始”图像与降质函数卷积再叠加噪声得到的，而图像复原就是图像降质的逆过程。所以问题的关键就是如何得到降质函数。
技术实现思路
为了解决上述问题，本专利技术提出了一种应用矩阵理论和混合高斯模型来估计无线层析成像系统的降质函数的方法。估计降质函数的具体方法为：首先推导获得降质函数的卷积变换矩阵与RTI系统线性解的关系，计算出卷积变换矩阵；然后由矩阵变换理论得到降质函数与其卷积变换矩阵之间的数量关系，再通过建立混合高斯模型估计出降质函数。获得降质函数后，用降质函数结合约束最小二乘法准则进行图像目标优化处理，获得“原始”成像图形。实验证明，使用本专利技术求出降质函数再进行图像复原，复原后的图像精度比不优化的RTI成像精度提高很多。本专利技术所述的应用于无线层析成像(RTI)系统的降质函数的估计方法，具体包含如下步骤：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,y)中的特定元素，将矩阵H中的特定元素的值看作降质函数h(x,y)的特定元素的样本过程；然后将降质函数中的每个元素建模成一个混合Q高斯模型：其中hi,j是降质函数h(x,y)在(x,y)处的元素值，P(hi本文档来自技高网...

【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