首页|基于字典学习和物联网边缘计算的水利水电监测图像压缩传输研究

基于字典学习和物联网边缘计算的水利水电监测图像压缩传输研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对水利水电工程中图像压缩传输的需求,这里提出基于K-SVD、压缩采样匹配追踪(CoSaMP)重构的欠完备字典学习及稀疏表达方式,并结合图像块字典更新学习得到终端边缘计算有损压缩方法.之后设计了应用于4G、GPRS网络环境的物联网终端系统.工程应用结果表明,所提的方法及设计的终端模块能够实现在短时间(计算时间最长14.2s)内达到最高93%、最低59.8%的数据压缩比,重建图像能够清晰表达原图像特征,峰值信噪比(PSNR)达到(24.3～25.4)db,优于传统压缩传输方法.这里所提系统具有低成本、低功耗、较高性能的优点,有效解决实际应用中图像采集连接超时、成像时延大、数据传输成本高的问题.
The Study on Compression Transmission of Water Conservancy and Hydropower Monitoring Image Based on Dictionary Learning and Edge Computing of Internet of Things

Image CompressionK-SVDCoSaMPDictionary LearningSparse RepresentationEdge Comput-ing of IoT

郭翔、王永涛、余云昊、狄查美玲

展开 >

贵州电网有限责任公司电力调度控制中心,贵州 贵阳 550002

贵州省水利科学研究院,贵州 贵阳 550002

图像压缩 K-SVD CoSaMP 字典学习 稀疏表达 物联网边缘计算

贵州省水利厅水利技术示范项目

[2019]SF-201913

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.392(10)
  • 7