城市水環(huán)境生態(tài)治理工程設(shè)計方案

江虹

摘 要：隨著社會的發(fā)展，城市水環(huán)境日趨惡劣，水環(huán)境的綜合整治思路及其技術(shù)直接影響治理效果。文章以心魚塘為例，提出了整治心魚塘水環(huán)境的生態(tài)治理方案，有一定的借鑒意義和作用。

關(guān)鍵詞：生態(tài)治理；水生態(tài)構(gòu)建；生物強化凈化；生態(tài)復(fù)氧

中圖分類號：X171.1 文獻標志碼：A 文章編號：2095-2945（2017）21-0111-02

引言

壓縮感知理論為信號采集帶來了革命性的突破，在信號具有可壓縮性或稀疏性的前提下，壓縮感知理論能以遠低于奈奎斯特頻率的采樣率對信號進行采樣，通過數(shù)值最優(yōu)化準確重構(gòu)原始信號[1-4]。壓縮感知理論是編解碼思想的一個突破，減輕了信號采樣、傳輸和存儲遇到的巨大壓力，是一種信息獲取及處理的全新的理論框架。

本文將利用MATLAB GUI進行基于壓縮感知理論的圖像重構(gòu)模型的設(shè)計，使模型使用者方便操作界面。MATLAB是Math Works公司用C語言開發(fā)的集編程、數(shù)據(jù)結(jié)構(gòu)和圖形用戶界面于一身的廣泛被大家使用并具備矩陣及科學(xué)計算功能的一款較完備的軟件，在該軟件平臺下進行的仿真以及系統(tǒng)模型的設(shè)計，在界面和性能上面遠遠超過很多軟件，其專業(yè)性更是使其在很多領(lǐng)域有廣泛的應(yīng)用，其中能快速的利用圖形用戶界面（GUI）方式進行程序設(shè)計，這給設(shè)計者帶來了極大的便利[5]。

1 基于小波變換的壓縮感知

本節(jié)通過對原始圖像采用小波變換，從而獲得稀疏的小波系數(shù)矩陣，并利用高斯隨機測量矩陣對稀疏變換后的小波系數(shù)進行測量，得到M個測量值，再通過OMP算法重構(gòu)小波變換域下的稀疏矩陣，最后通過稀疏逆變換就可以得到重構(gòu)后的圖像。

本節(jié)選取大小為256×256的圖像X，采樣率為0.5對圖像進行變化重構(gòu)。本文實驗仿真所得的PSNR值均經(jīng)過10次仿真測量求平均值所得。

（a）原始圖像X （b）PSNR=24.18dB

2 模型設(shè)計的主要步驟

根據(jù)上述基于小波變換的壓縮感知進行模型設(shè)計[6]，主要步驟包括：

（1）根據(jù)需求制定模型的重點功能，繼而根據(jù)功能設(shè)計各個功能子模塊。

（2）根據(jù)初始需求以及大致目標設(shè)計出最原始的軟件界

面，再經(jīng)由仿真以及具體設(shè)計細節(jié)進行全面修正，確定初步設(shè)計方案。

（3）由上步所得設(shè)計方案，繼續(xù)用MATLAB GUI對控制命令界面及其他菜單選項進行第二次修改。

（4）用代碼實現(xiàn)界面和菜單所對應(yīng)的各功能的回調(diào)函數(shù)，再對各功能進行多次測試，如不符合模型要求實現(xiàn)的主要功能，則進行修改，直至符合。

對本節(jié)模型設(shè)計步驟最終確定的方案具體的功能模塊進行說明，該模型主要包括文件、稀疏變換、測量編碼、重構(gòu)算法四大模塊。

3 模型設(shè)計分析

設(shè)計完模型界面后，通過MATLAB GUIDE窗口工具欄中的Menu Editor命令打開菜單編輯器對模型進行菜單設(shè)計，最終得到基于小波變換的壓縮感知模型界面圖如圖2所示。

稀疏表示是壓縮感知理論的基礎(chǔ)，稀疏變換采用小波正交變換。本模型設(shè)計原始圖像選擇256×256的圖像X，則原始圖像經(jīng)過稀疏表示后的效果圖如圖3所示。

測量編碼是壓縮感知理論的手段，本模塊選擇高斯隨機測量矩陣進行觀測。壓縮比為0.5，則測量編碼后的效果圖如圖4所示，此時測量值M=32768。

重構(gòu)算法是壓縮感知理論的重點環(huán)節(jié)，本模塊選擇正交匹配追蹤算法進行重構(gòu)。設(shè)壓縮比為0.5，則總測量值個數(shù)M=32768。而圖像X經(jīng)過重構(gòu)后的效果圖如圖5所示。此時PSNR=24.22dB。與圖1（b）仿真結(jié)果進行分析比較，PSNR值基本一致，在誤差允許范圍內(nèi)。

4 結(jié)束語

壓縮感知理論是編解碼思想的一個突破，減輕了信號采樣、傳輸和存儲遇到的巨大壓力，是一種信息獲取及處理的全新的理論框架。本文介紹了基于小波變換的壓縮感知，設(shè)計出基于小波變換的壓縮感知的圖像重構(gòu)模型，該模型界面方便使用者操作，壓縮感知理論的初學(xué)者可以簡單使用該模型界面，直觀觀察到壓縮感知圖像重構(gòu)的稀疏表示、測量編碼及重構(gòu)圖像的效果圖，有利于壓縮感知理論的進一步學(xué)習。

參考文獻：

[1]胡廣書.數(shù)字信號處理：理論，算法與實現(xiàn)[M].清華大學(xué)出版社，2003.

[2]E Candes. Compressive sampling. Proceedings of the International Congress of Mathematicians[C].MadridSpain，2006，3：1433-1452.

[3]E Candes and J Romberg. Quantitative robust uncertainty principles and optimally sparse decompositions[J].Foundations of Comput Math，2006，6（2）：227-254.

[4]D L Donoho， Y Tsaig. Extensions of compressed sensing[J].Signal Processing.2006，86（3）：533-548.

[5]魏鑫.MATLAB R2014a從入門到精通[M].電子工業(yè)出版社，2015.

[6]李磊.基于MATLAB GUI的數(shù)字圖像處理系統(tǒng)設(shè)計[D].成都理工大學(xué)，2012.