第一章 绪论
1.1 研究背景
伴随着无线通信技术、嵌入式计算技术和低成本传感器的迅速发展，无线传感器网络[1] （Wireless Sensor Networks，WSNs）给人类社会带来了巨大的变革。WSNs 是一种以无线通信方式，将分布于监测区域内的大量低成本微型传感器节点联结的多跳自组织网络系统，它可以通过多节点协作的方式感知并采集监测区域内的各种信息，并发送给使用者[2]。WSNs综合了微机电系统、现代网络和无线通信、集成电路与传感器、分布式信息处理、嵌入式计算等技术，其应用涵盖了交通、医疗、环境、运输、军事等领域。
然而，传统无线传感器网络的感知能力有限，仅能够测量到温度、湿度、光强、压力、震动等较为简单的数值信息。对于主要依靠视觉与听觉感知外界的人类而言，如此单一的数据维度难以满足需求。随着廉价 CMOS（Complementary Metal Oxide Semiconductor）照相机和低功耗无线组网技术的发展，利用传感器网络感知图像、音频以及视频等多媒体信息数据变为可能，无线多媒体传感器网络（Wireless Multimedia Sensor Networks，WMSNs）也就应运而生[4]。
.......................
1.2 研究内容
无线多媒体传感器网络相较于传统 WSNs 具有明显的优势，不仅可以感知温度、湿度、压强等简单一维数据，还能够捕捉图像、音频、视频等多媒体信息，因此具备有更广泛的应用领域。然而，在这些优势的背后也隐藏着节点能量消耗激增、节点间能耗分布不均衡等问题。本研究在对国内外现有无线多媒体传感器网络图像压缩机制的相关文献进行过详细调研的基础上，对现有的图像压缩方案进行了充分的分析和比较，将稀疏采样技术和多节点协作式网络框架引入到多媒体传感器网络的图像压缩机制中来，设计并实现了一种基于稀疏采样的 WMSNs 分布式图像压缩机制。通过本文所提出的方案，可在有效降低无线多媒体传感器网络图像压缩能耗的同时保持网络内部各节点能耗的动态平衡，从而使网络整体的生命周期得以延长，其具体内容如下：
（1）已有方案及算法的整理和总结
本课题针对无线多媒体传感器网络研究领域的成果进行了大量调研，整理并总结了现有的 WMSNs 图像压缩方案与经典算法，详细的分析了它们在压缩原理、能量消耗、适用环境和硬件要求等不同方面的优劣，归纳出现有 WMSNs 图像压缩方法的可改进之处。
（2）基于稀疏采样的无线多媒体传感器网络分布式图像压缩机制
考虑到无线多媒体传感器网络节点的计算能力、存储能力以及能耗限制，本文引入了多点协作式多媒体传感器网络模型和稀疏采样理论，提出了一种基于傅里叶域稀疏采样的WMSNs 分布式图像压缩收集方案用于图像的采集、压缩与传输工作。本方案可以有效减少压缩端数据处理的工作量，将大部分处理压力转移到能源充足的基站端进行执行，从而实现了 WMSNs 节点能耗的最小化。
（3）原型系统的设计和实现
为了充分验证本文所提出的 WMSNs 图像压缩方案在处理能耗上的优势，本课题基于Matlab-GUI 设计并实现了该方案的原型系统。该原型系统允许用户通过设定簇群、节点的数量等参数，以自组织方式组成无线多媒体传感器网络，并模拟 WMSNs 对指定图像进行采样、处理与传输，同时将各个节点的工作状况直观的反应给使用者。
......................
第二章 多媒体传感网图像压缩收集相关研究
2.1 概述
图像压缩是一种利用人眼视觉掩盖效应，通过消除图像冗余信息来减少表示图像所需比特数的技术。视觉掩盖效应是指人眼在作为图像信息的接收端时，其对于图像的边缘变化、色度变化、分辨率、内部细节等信息不敏感，利用这一特性对图像数据进行有针对性的处理，
可以在不使人眼察觉到图像质量下降的前提下实现图像的高压缩比压缩。
目前已知图像信息所存在的数据冗余类型主要包括三种：（1）空间冗余：指在一帧图像中同一景物上的像素点在颜色上往往具有高度相关性，相邻各点的取值通常相近或者相同。利用这一特点消除重复且冗余的数据可以有效减少一帧图像的数据量。（2）时间冗余：指当在视频序列中,多帧图像中的场景内容保持不变或仅存在轻微变化,使得图像帧间存在极大相似性。利用这一特性按照时间序列对冗余的数据进行降维表示，能够有效的减少视频序列的整体大小。（3）频谱冗余：指图像不同色度平面或频谱带间存在相关性，通过消除这一方面的冗余数据可以保证重建图像达到视觉质量要求范围的同时，有效的降低需要保留的原始图像数据量。
现阶段，图像的压缩编码方式可以根据图像视觉质量的损失程度分类为无损压缩（无误差编码）和有损压缩（有误差编码）两类。图像的无损编码主要是利用了统计冗余的方法，是一种可逆压缩算法。其特点在于能够保留原始图像的全部信息，重构出的图像具有极高的视觉质量。但是由于数据统计冗余的理论限制，无损压缩的压缩比通常较低，对于对图像信息数据量有严格要求的无线多媒体传感器网络而言并不合适。而图像的有损压缩则是通过消除图像内部冗余信息来实现数据压缩，是一种不可逆的压缩算法。优势在于具有较高的压缩比，且由于人眼的视觉特性，人眼对一定程度内的图像信息缺失并不会产生视觉偏差。也正因为这一特性，使得有损压缩在各个工程领域均得到了广泛的应用。
.........................
2.2 技术难点与挑战
WMSNs 图像压缩技术的应用，有助于通过减少通信数据量来抑制数据通信能耗，但与此同时也会在网络的管理、处理和通信等方面产生代价。无线多媒体传感器网络其在能量保有、处理能力、存储资源等方面受限的特点给 WMSNs 图像压缩技术的应用带来了极大的挑战，具体可以归纳为：
（1）能耗：如图 2.1 所示是在相同实验环境下，传统 WSNs 节点和 WMSNs 相机节点的能耗分布对比[29]。通过对比可以看出，传统 WSNs 的能量消耗主要集中在数据无线收发过程，整体分布呈现出一种“聚集”分布状态。而 WMSNs 从能耗分布图像上看则呈“均匀”分布状态，处理、存储、传输三方面的能耗相近。特别是处理能耗，相较于传统 WSNs 有了极大的增长。然而，无线多媒体传感器网络节点能耗有限，且一旦部署便很难再次补充。因此，在进行WMSNs 图像压缩方案的设计时，单单着眼于控制数据无线传输能耗是远远不够的。要想有效减少 WMSNs 整体能耗，延长网络整体寿命，应从数据采集能耗、数据处理能耗和数据传输能耗三个方面同时进行考虑。
（2）复杂度：无线多媒体传感器网络所采集的数据多以图像、音频、视频等多媒体信息为主，在实际应用中往往对这些信息具有较高的质量要求。为了尽可能的保证图像的高质量传输，在对这些数据进行压缩、融合等处理时往往会使用到如目标提取、图像显著性区域检测、主成分分析等较为复杂的计算工作。然而，无线多媒体传感器网络节点其计算能力有限，无法胜任过于复杂的计算工作。如何在能保证图像质量的前提下设计出低复杂度的图像压缩方法，这对 WMSNs 图像压缩的相关研究来说是一大挑战。
（3）可拓展性：在某些实际应用场景中，为了在较大范围内实现精确感知，无线多媒体传感器网络常常会以分段覆盖形式进行大规模部署。这就要求所使用的 WMSNs 压缩策略具有良好的可拓展性，能够在大规模部署的情况下很好的适应网内节点的增加与减少，也不会因此而造成系统性能的下降。
...........................
第三章 图像的稀疏采样与重建 ........................... 13
3.1 基本框架 ........................................ 133.2 傅里叶变换 ....................... 15
3.3 稀疏采样 ............................ 16
第四章 基于稀疏采样的多媒体传感网图像压缩收集方案 .............................. 20
4.1 相关模型及假设 .............................. 20
4.1.1 节点与网络假设 .......................... 20
4.1.2 能耗模型 ...................... 21
第五章 多媒体传感网图像压缩收集仿真系统........................... 35
5.1 基本架构 ..................................... 35
5.2 功能模块 ......................... 36
5.3 系统设计与实现 .............. 37
第五章 多媒体传感网图像压缩收集仿真系统
5.1 基本架构
无线多媒体传感器网络技术从出现开始便一直在以极快的速度发展，如今无线多媒体传感器网络已经被广泛的应用在交通、医疗、环境、运输、军事等领域，其所面对的应用环境也越发复杂化。在采样环境、节点数量以及采样率等因素根据实际应用场景变化的同时，
WMSNs 图像压缩方法的效果也有可能会受到影响。为了模拟更加复杂的实际应用场景，并通过在不同应用条件下测试本文所提出的 WMSNs 图像压缩方法以证明其普遍有效性，本章将基于 Matlab-GUI 编程设计并实现一种基于稀疏采样的 WMSNs 分布式图像压缩系统。
本章所提出的基于稀疏采样的 WMSNs 分布式图像压缩系统其设计目标在于可以模拟实际应用环境部署无线多媒体传感器网络，并利用第四章中提出的基于稀疏采样的 WMSNs 分布式图像压缩方法对监测区域内的场景图像进行采集、压缩、传输。在网络生成阶段，用户可以自行设定簇群的数量和簇中节点的数量。在图像的采集与压缩阶段，用户可以选择相机节点所观测到的图像，并能够自行设置压缩时图像的分块数量与压缩比。同时，压缩图像的重构效果以及图像处理过程中的一些重要产物都应以直观的形式展现给用户。
.......................
第六章 总结与展望
近些年来，伴随着无线多媒体传感器网络技术的不断发展，其应用领域也越来越广。然而，由于无线多媒体传感器网络节点在能耗、处理能力和存储资源等方面严重受限，使得多媒体数据的高效处理成为了制约 WMSNs 发展的瓶颈。同时，无线多媒体传感器网络在进行图像数据的采集、处理与传输时，其节点能耗呈现“均匀”分布，这使得传统 WSNs 的图像压缩方法无法完全适用于 WMSNs。因此，设计出适用于 WMSNs 的低复杂度、低能耗多媒体数据压缩方案对 WMSNs 领域的研究具有重要的价值与意义。本文将压缩感知技术与多节点协作式无线多媒体传感器网络图像压缩相结合，提出了一种基于傅里叶域稀疏采样的无线多媒体传感器网络自适应图像压缩算法，并设计实现了该方案配套用的原型系统。本文所研究的主要内容总结如下：
（1）针对无线多媒体传感器网络图像压缩收集机制进行了大量调研，整理并总结了现有的 WMSNs 图像压缩方案与经典算法，详细的 分析了它们在压缩原理、能量消耗、适用环境和硬件要求等不同方面的优劣，并整理出了 WMSNs 图像压缩方法的性能评价标准。
（2）无线多媒体传感器网络相比于传统 WSNs 能感知到更多高维度数据，但同时也需要消耗更多的能量用于多媒体数据的处理和传输。然而，WMSNs 节点的能耗、数据处理与存储资源严重受限，过高的能耗无疑会威胁到 WMSNs 的生命周期。本文提出了一种分布式多节点协作工作框架，以大量节点分摊相机节点上的数据处理与传输工作，实现 WMSNs 内部各节点间的能耗均衡，大大延长了网络的整体寿命。
（3）考虑到 WMSNs 节点的计算能力、存储能力以及能耗受限，本文遵循着“轻编码，重解码”的设计宗旨，提出了一种基于稀疏采样的 WMSNs 分布式图像压缩方案用于图像的采集、压缩与传输过程。本方案基于多点协作式无线多媒体传感器网络工作，通过在图像的傅里叶变换域上以分块自适应稀疏采样的方式对图像进行压缩，并能够在基站端恢复成完整图像。本方案可以有效减少了压缩端的数据处理的任务量，将大量的压缩工作从图像采集端转移到能源充足的基站端进行执行，从而实现了数据处理能耗的最小化。
参考文献（略）