基于SVD的無線多媒體傳感器網(wǎng)絡(luò)圖像壓縮機(jī)制

韓 崇 孫力娟，2 肖 甫，2，3 郭 劍，2 王汝傳，2，3

(1南京郵電大學(xué)計(jì)算機(jī)學(xué)院，南京210003)

(2南京郵電大學(xué)江蘇省無線傳感網(wǎng)高技術(shù)研究重點(diǎn)實(shí)驗(yàn)室，南京210003)

(3蘇州大學(xué)江蘇省計(jì)算機(jī)信息處理技術(shù)重點(diǎn)實(shí)驗(yàn)室，蘇州215006)

無線多媒體傳感網(wǎng)絡(luò)(wireless multimedia sensor networks，WMSNs)由可以從環(huán)境中獲取視頻和音頻流、靜止圖像和標(biāo)量數(shù)據(jù)的相互連通的設(shè)備構(gòu)成［1］.與只具有簡(jiǎn)單環(huán)境數(shù)據(jù)采集功能的傳統(tǒng)無線傳感器網(wǎng)絡(luò)(wireless sensor networks，WSNs)相比，WMSNs能感知信息量豐富的多媒體信息，實(shí)現(xiàn)細(xì)粒度、精準(zhǔn)信息的環(huán)境監(jiān)測(cè)任務(wù)［2］.如何利用WMSNs的節(jié)點(diǎn)協(xié)作特性進(jìn)行圖像壓縮處理是WMSNs研究領(lǐng)域中的一個(gè)熱點(diǎn).

針對(duì)分布式協(xié)作圖像壓縮問題，Wu等［3］提出了一種基于小波變換的多節(jié)點(diǎn)分布式圖像壓縮方法.該方法采用簇結(jié)構(gòu)，將多級(jí)小波任務(wù)分解在不同的簇內(nèi)完成，較好地實(shí)現(xiàn)了能耗平衡.但由于小波變換的復(fù)雜性及無線收發(fā)能耗過大等缺點(diǎn)，該方法應(yīng)用于WMSNs并不理想.Lu等［4-6］針對(duì)網(wǎng)絡(luò)中存在相機(jī)節(jié)點(diǎn)和普通節(jié)點(diǎn)的情況，提出利用相機(jī)節(jié)點(diǎn)負(fù)責(zé)圖像采集、周圍普通節(jié)點(diǎn)分簇進(jìn)行協(xié)同編碼傳輸?shù)姆桨?，以此平衡網(wǎng)絡(luò)能耗，延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間.Huu等［7］針對(duì)文獻(xiàn)［5］中使用重疊變換方法壓縮圖像時(shí)協(xié)同節(jié)點(diǎn)過少所導(dǎo)致的節(jié)點(diǎn)能量消耗不平均問題，提出了一種節(jié)點(diǎn)角色變換方案，以此來延長(zhǎng)網(wǎng)絡(luò)壽命.

在圖像壓縮方法中，基于奇異值分解(singular value decomposition，SVD)的圖像壓縮方法已受到研究者的廣泛關(guān)注［8-10］，該方法適合分塊進(jìn)行.基于此，本文提出了一種基于SVD的WMSNs圖像協(xié)作壓縮機(jī)制.即將相機(jī)采集到的圖像進(jìn)行分塊，對(duì)每個(gè)分塊采用自適應(yīng)奇異值分解方法進(jìn)行壓縮，同時(shí)利用WMSNs的節(jié)點(diǎn)協(xié)作特性，將相機(jī)節(jié)點(diǎn)的圖像壓縮和傳輸任務(wù)有效地分解到相機(jī)節(jié)點(diǎn)周圍的多個(gè)普通節(jié)點(diǎn)上，從而實(shí)現(xiàn)節(jié)能和最大化網(wǎng)絡(luò)生命周期的目標(biāo).

1 SVD方法和網(wǎng)絡(luò)模型

1.1 SVD 方法

SVD方法［10］是一種應(yīng)用于矩陣的常用數(shù)值分析工具.對(duì)于任意一個(gè)m×n維的矩陣A，可以進(jìn)行如下分解:

式中，U為m×m的正交方陣，其列向量稱為左奇異向量;V為n×n的正交方陣，其列向量稱為右奇異向量;Σ為m×n的奇異對(duì)角陣，該矩陣中對(duì)角線上的元素稱為奇異值，對(duì)角線以外的元素值均為0，且

式中，Σ1=diag(σ1，σ2，…，σr)，其中 σ1≥σ2≥…≥σr＞0，r=rank(A).奇異值 σ 與特征值類似，并且σ減小較快.在大多數(shù)情況下，前10%(甚至1%)的奇異值之和占據(jù)了全部奇異值之和的99%以上，因此可以用前k個(gè)奇異值來近似描述該矩陣.SVD應(yīng)用于圖像壓縮的原理是數(shù)字圖像具有矩陣結(jié)構(gòu)性質(zhì).由此可知，圖像壓縮率為

1.2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

在能量受限的WMSNs中進(jìn)行圖像壓縮，就是利用WMSNs的特性，采用節(jié)點(diǎn)協(xié)同工作方式，對(duì)計(jì)算復(fù)雜度高、能耗高的工作進(jìn)行分解.本文擬采用層簇式的網(wǎng)絡(luò)拓?fù)淠Ｐ蛠韺?shí)現(xiàn)圖像壓縮.首先，將網(wǎng)絡(luò)中節(jié)點(diǎn)分為相機(jī)節(jié)點(diǎn)和普通節(jié)點(diǎn)，并進(jìn)行如下假設(shè):

1)網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)都有唯一的ID號(hào)，且所有節(jié)點(diǎn)在網(wǎng)絡(luò)中時(shí)間同步.

2)網(wǎng)絡(luò)中的相機(jī)節(jié)點(diǎn)為特殊節(jié)點(diǎn)，相機(jī)節(jié)點(diǎn)的部署為確定部署.為了節(jié)約成本、節(jié)省能耗，利用網(wǎng)絡(luò)中的相機(jī)節(jié)點(diǎn)監(jiān)測(cè)感興趣的區(qū)域，且不同的相機(jī)監(jiān)測(cè)區(qū)域不重疊.

3)網(wǎng)絡(luò)中的普通節(jié)點(diǎn)是圍繞相機(jī)節(jié)點(diǎn)為中心隨機(jī)部署的，且節(jié)點(diǎn)密度足夠大，使得相機(jī)節(jié)點(diǎn)在其無線通信鏈路連通區(qū)域內(nèi)相鄰的普通節(jié)點(diǎn)不為空.

網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的建立是協(xié)作式圖像壓縮模式中的重要步驟.基于圖像協(xié)作壓縮傳輸機(jī)制的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)構(gòu)造步驟如下:

①以相機(jī)節(jié)點(diǎn)為中心，將相機(jī)節(jié)點(diǎn)連通區(qū)域內(nèi)的普通節(jié)點(diǎn)構(gòu)成一個(gè)簇.

②在普通節(jié)點(diǎn)構(gòu)成的簇中，選取能量充足且距離基站節(jié)點(diǎn)鏈路質(zhì)量最好的節(jié)點(diǎn)作為簇頭節(jié)點(diǎn).在初始能量相等的情況下，一般選取距離基站最近的節(jié)點(diǎn)作為簇頭.

③簇頭節(jié)點(diǎn)廣播通知周圍節(jié)點(diǎn)其ID號(hào)，并同時(shí)廣播通知此簇中相機(jī)節(jié)點(diǎn)的ID號(hào).

④簇中普通節(jié)點(diǎn)將自身的ID號(hào)通知相機(jī)節(jié)點(diǎn)和簇頭節(jié)點(diǎn).

⑤簇頭節(jié)點(diǎn)和相機(jī)節(jié)點(diǎn)分別保存一個(gè)簇內(nèi)節(jié)點(diǎn)的ID列表.

采用這種網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)構(gòu)造方法，可以保證在相機(jī)節(jié)點(diǎn)的連通區(qū)域內(nèi)普通節(jié)點(diǎn)集合不為空，從而形成參與圖像壓縮傳輸?shù)拇亟Y(jié)構(gòu).

1.3 網(wǎng)絡(luò)能耗模型

本文中擬采用的通信能耗模型為經(jīng)典的凱澤曼模型［11］.節(jié)點(diǎn)的通信能耗由發(fā)射模塊能耗和接收模塊能耗所決定.

假設(shè)一節(jié)點(diǎn)在其時(shí)隙內(nèi)發(fā)送1 bit的數(shù)據(jù)包，傳輸距離為d，則此時(shí)該節(jié)點(diǎn)上發(fā)射模塊的能量消耗為

式中，Eelec為發(fā)射電路與接收電路的能耗;μfs和μamp分別為慢衰落模型和快衰落模型的參數(shù);d0為收發(fā)兩端的距離門限值.

該節(jié)點(diǎn)上接收模塊接收1 bit數(shù)據(jù)的能量消耗為

在1.2節(jié)設(shè)計(jì)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中，相機(jī)節(jié)點(diǎn)與簇內(nèi)普通節(jié)點(diǎn)間、簇內(nèi)普通節(jié)點(diǎn)與簇頭節(jié)點(diǎn)間的通信均采用單跳模型.假設(shè)簇內(nèi)非簇頭的節(jié)點(diǎn)個(gè)數(shù)為a，則這a個(gè)節(jié)點(diǎn)均在相機(jī)節(jié)點(diǎn)的通信半徑內(nèi)，且設(shè)定相機(jī)節(jié)點(diǎn)與簇內(nèi)普通節(jié)點(diǎn)的距離為l1，l2，…，la，簇內(nèi)普通節(jié)點(diǎn)與簇頭節(jié)點(diǎn)的距離為d1，d2，…，da，簇頭節(jié)點(diǎn)與基站節(jié)點(diǎn)的距離為dch-s.令相機(jī)采集到的圖片大小為e×f，分塊后的圖像大小為p×q.普通節(jié)點(diǎn)的初始能耗相同，相機(jī)節(jié)點(diǎn)發(fā)送給簇內(nèi)各個(gè)普通節(jié)點(diǎn)數(shù)據(jù)的概率相同，且概率為

當(dāng)圖像分塊個(gè)數(shù)大于簇內(nèi)普通節(jié)點(diǎn)個(gè)數(shù)時(shí)，η＞1.

設(shè)c為相機(jī)節(jié)點(diǎn)一次發(fā)給每個(gè)簇內(nèi)普通節(jié)點(diǎn)圖像的比特?cái)?shù)，W為相機(jī)節(jié)點(diǎn)采集圖像的能量消耗，則相機(jī)節(jié)點(diǎn)的總耗能為

簇內(nèi)普通節(jié)點(diǎn)的耗能可以分為接收能耗、圖像壓縮能耗和發(fā)送能耗.設(shè)ρcr為一定圖像恢復(fù)質(zhì)量要求下的壓縮比，Ecp為壓縮1 bit圖像的能量消耗，則簇內(nèi)單個(gè)普通節(jié)點(diǎn)的總能耗Ei為

簇內(nèi)普通節(jié)點(diǎn)將壓縮后的數(shù)據(jù)發(fā)送給簇頭節(jié)點(diǎn)，后者將收到的數(shù)據(jù)轉(zhuǎn)發(fā)至基站節(jié)點(diǎn).簇頭節(jié)點(diǎn)的耗能Ech為從普通簇節(jié)點(diǎn)接收數(shù)據(jù)和向基站發(fā)送數(shù)據(jù)的能耗之和，即

式中，ρ'為圖像恢復(fù)后的壓縮率.

與圖像壓縮和傳輸?shù)哪芎南啾?，相機(jī)節(jié)點(diǎn)圖像采集的能耗很小，因此網(wǎng)絡(luò)中的能耗主要為數(shù)據(jù)處理和傳輸能耗.本文中的數(shù)據(jù)處理主要是矩陣SVD分解工作，1 bit數(shù)據(jù)處理的能耗G采用文獻(xiàn)［6，12］中的模型進(jìn)行計(jì)算，即

式中，N為處理某個(gè)任務(wù)所需要的時(shí)鐘周期數(shù);C為周期轉(zhuǎn)換電容，一般取值為0.67 nF;Vdd為處理器供電電壓.若節(jié)點(diǎn)采用StrongARM SA-1100型處理器，在206 MHz的工作頻率下進(jìn)行能耗測(cè)試，根據(jù)CPU運(yùn)行時(shí)間，估測(cè)出SVD算法中處理1 bit數(shù)據(jù)平均運(yùn)行50個(gè)時(shí)鐘周期，代入式(10)即可計(jì)算出處理1 bit數(shù)據(jù)所需能耗約為364.8 nJ.

2 基于SVD的圖像分布式協(xié)作壓縮

2.1 SVD分塊自適應(yīng)壓縮算法

處理大圖像時(shí)奇異值分解方法的運(yùn)算量較大，為此可以采用分塊的思想，將大圖像進(jìn)行再分塊，對(duì)每個(gè)分塊使用自適應(yīng)選擇k值的方法進(jìn)行分塊壓縮.在 SVD完全分解的奇異值 Σ1=diag(σ1，σ2，…，σr)中，某個(gè)奇異值 σi在所有奇異值中所占的比重εi可由下式計(jì)算:

結(jié)合奇異值的特性可知，奇異值對(duì)圖像恢復(fù)信息的作用與奇異值的大小成正比.根據(jù)奇異值的比重εi，可以計(jì)算出一定圖像恢復(fù)質(zhì)量要求下的k值，從而在分塊圖像中進(jìn)行自適應(yīng)奇異值分解.假設(shè)將大小為e×f的原始圖像分割成若干個(gè)大小為p×q的小圖片，則此時(shí)圖像恢復(fù)后的壓縮率為

SVD分塊自適應(yīng)壓縮算法如算法1所示.

算法1SVD分塊自適應(yīng)壓縮算法

不同分塊圖像在相同的奇異值閾值下會(huì)得到不同的奇異值個(gè)數(shù).在進(jìn)行原圖重構(gòu)時(shí)，這種方法可匹配各分塊圖特點(diǎn)，因而重構(gòu)后的圖像質(zhì)量(以PSNR表示)較高.相關(guān)實(shí)驗(yàn)表明，與分塊相同奇異值重構(gòu)圖像法相比，分塊自適應(yīng)匹配法并未顯著降低壓縮率.

在512×512×8 bit的Lena圖像上，使用文獻(xiàn)［6］中改進(jìn)的JPEG2000協(xié)同壓縮方法和SVD分塊自適應(yīng)壓縮算法進(jìn)行仿真驗(yàn)證，結(jié)果見圖1和圖2.圖中，T為圖像分片大小，M為分片數(shù).由圖可知，在相同的壓縮比下，SVD分塊自適應(yīng)壓縮算法具有一定的優(yōu)勢(shì).

圖1 基于2種圖像壓縮方法的重構(gòu)圖像對(duì)比(T=64×64，M=64，ρ =4)

圖2 基于2種圖像壓縮方法重構(gòu)圖像對(duì)比(T=128×128，M=16，ρ =4)

2.2 協(xié)作圖像壓縮方案

下面提出基于SVD的分布式多節(jié)點(diǎn)協(xié)作的WMSNs網(wǎng)絡(luò)圖像壓縮傳輸方案.該方案的壓縮及傳輸實(shí)現(xiàn)過程如下:

①相機(jī)節(jié)點(diǎn)是網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)，負(fù)責(zé)圖像的采集及原始數(shù)據(jù)的發(fā)送.相機(jī)節(jié)點(diǎn)在采集到圖像后，根據(jù)已經(jīng)建立好的簇結(jié)構(gòu)，計(jì)算圖像應(yīng)該分塊的大小以及塊數(shù)，然后按照一定概率將圖像的分塊依次發(fā)送給簇內(nèi)的普通節(jié)點(diǎn).

②簇內(nèi)普通節(jié)點(diǎn)在收到相機(jī)節(jié)點(diǎn)發(fā)送的圖像塊后，進(jìn)行SVD自適應(yīng)壓縮.根據(jù)算法1，將該塊圖像自適應(yīng)壓縮后，發(fā)送給簇頭節(jié)點(diǎn)，同時(shí)監(jiān)聽是否有新的圖像塊從相機(jī)節(jié)點(diǎn)發(fā)送過來，若有則繼續(xù)壓縮.

③簇頭節(jié)點(diǎn)的工作是接收從簇內(nèi)普通節(jié)點(diǎn)發(fā)送過來數(shù)據(jù)并轉(zhuǎn)發(fā)至基站.由于每個(gè)壓縮的數(shù)據(jù)包都包含位置信息，因此簇頭節(jié)點(diǎn)不必進(jìn)行數(shù)據(jù)整合，圖像在基站節(jié)點(diǎn)進(jìn)行融合.

3 網(wǎng)絡(luò)能耗仿真實(shí)驗(yàn)

3.1 相關(guān)參數(shù)

利用Matlab來建立網(wǎng)絡(luò)能耗仿真實(shí)驗(yàn)環(huán)境.假設(shè)在100 m×100 m的區(qū)域中，確定部署15個(gè)相機(jī)節(jié)點(diǎn)用以覆蓋感興趣的監(jiān)測(cè)區(qū)域，相機(jī)節(jié)點(diǎn)感測(cè)半徑為11 m.在每個(gè)相機(jī)節(jié)點(diǎn)周圍的連通區(qū)域內(nèi)，隨機(jī)部署11個(gè)普通節(jié)點(diǎn).從簇內(nèi)節(jié)點(diǎn)中選擇距離基站最近的一個(gè)節(jié)點(diǎn)作為簇頭節(jié)點(diǎn)，并將基站節(jié)點(diǎn)部署在矩形區(qū)域的中央.圖3為網(wǎng)絡(luò)結(jié)構(gòu)示意圖.

圖3 協(xié)作式的圖像壓縮處理網(wǎng)絡(luò)結(jié)構(gòu)示意圖

相機(jī)節(jié)點(diǎn)周期性地采集512×512×8 bit的灰度圖像，分塊圖像大小為128×128，分塊個(gè)數(shù)為16.設(shè)定總壓縮比ρ=4.計(jì)算網(wǎng)絡(luò)能耗時(shí)，式(4)中的相關(guān)參數(shù)值設(shè)定如下:Eelce=50 nJ/bit，μfs=10 pJ/(bit·m2)，μamp=0.001 3 pJ/(bit·m2)，d0=87 m.

3.2 仿真結(jié)果及分析

相機(jī)節(jié)點(diǎn)是WMSNs網(wǎng)絡(luò)圖像傳輸中的關(guān)鍵節(jié)點(diǎn).為了研究相機(jī)節(jié)點(diǎn)至基站距離的變化對(duì)圖像壓縮和傳輸能耗的影響，分別采用如下3種方案進(jìn)行仿真:①相機(jī)節(jié)點(diǎn)不進(jìn)行圖像壓縮，直接將圖像傳至基站;②相機(jī)節(jié)點(diǎn)壓縮圖像，然后將壓縮后的圖像傳送至基站;③相機(jī)節(jié)點(diǎn)采用基于SVD的分布式壓縮機(jī)制，將圖像分塊發(fā)送至連通區(qū)域的簇內(nèi)節(jié)點(diǎn)，由其協(xié)作進(jìn)行圖像壓縮傳輸.

圖4為3種方案下相機(jī)節(jié)點(diǎn)傳輸一幅512×512×8 bit圖像所需的能量消耗與該相機(jī)節(jié)點(diǎn)至基站距離關(guān)系的比較圖.圖中，D為相機(jī)節(jié)點(diǎn)到基站的距離;E為相機(jī)節(jié)點(diǎn)消耗的能量.由圖可知:采用方案1時(shí)，通信能耗是相機(jī)節(jié)點(diǎn)的主要能耗，隨著相機(jī)節(jié)點(diǎn)與基站距離的增加，通信能耗迅速上升;采用方案2時(shí)，圖像壓縮是相機(jī)節(jié)點(diǎn)的主要能耗;采用方案3時(shí)，相機(jī)節(jié)點(diǎn)只負(fù)責(zé)與連通半徑內(nèi)的簇內(nèi)普通節(jié)點(diǎn)通信，其能耗與基站節(jié)點(diǎn)距離遠(yuǎn)近無關(guān)，因此該方案可以極大地保證相機(jī)節(jié)點(diǎn)的存活性.

圖4 相機(jī)節(jié)點(diǎn)能量消耗比較

分別采用集中式和分布式圖像壓縮傳輸方案?jìng)鬏斠粋€(gè)512×512×8 bit的圖像至基站，得到的場(chǎng)景中網(wǎng)絡(luò)節(jié)點(diǎn)能耗分布圖見圖5.

使用集中式圖像壓縮方案時(shí)，相機(jī)節(jié)點(diǎn)直接進(jìn)行圖像壓縮，并將壓縮后的數(shù)據(jù)發(fā)送至基站;使用基于SVD的圖像分布式協(xié)作壓縮方法時(shí)，相機(jī)節(jié)點(diǎn)、普通節(jié)點(diǎn)和簇頭節(jié)點(diǎn)進(jìn)行角色分工，協(xié)作進(jìn)行圖像壓縮傳輸.對(duì)比圖5(a)和(b)可以看出，后者的相機(jī)節(jié)點(diǎn)平均能耗比前者降低了近一個(gè)數(shù)量級(jí).網(wǎng)絡(luò)中節(jié)點(diǎn)的能耗具有很強(qiáng)的平衡性，這將大大延長(zhǎng)網(wǎng)絡(luò)的生命周期.

圖5 圖像壓縮節(jié)點(diǎn)能量消耗分布圖

分別采用文獻(xiàn)［6］中JPEG2000協(xié)同壓縮方法與基于SVD的分塊協(xié)作壓縮方法時(shí)簇頭節(jié)點(diǎn)在相同圖像壓縮率下的能耗比較見圖6.由圖中對(duì)比結(jié)果可知，采用后一種方法時(shí)簇頭節(jié)點(diǎn)能耗較小.其原因在于:使用JPEG2000協(xié)同壓縮方法時(shí)，簇頭節(jié)點(diǎn)的能耗主要包括簇頭節(jié)點(diǎn)從相機(jī)接收分塊圖像的能耗、簇頭節(jié)點(diǎn)對(duì)分塊圖像數(shù)據(jù)的小波變換和量化能耗、簇頭節(jié)點(diǎn)將量化后圖像數(shù)據(jù)發(fā)送至周圍普通節(jié)點(diǎn)的發(fā)送能耗以及接收周圍普通節(jié)點(diǎn)的壓縮碼流并進(jìn)行組織再發(fā)送到基站的能耗;使用基于SVD的圖像分塊協(xié)作壓縮方法時(shí)，簇頭節(jié)點(diǎn)能耗僅包含從普通節(jié)點(diǎn)接收數(shù)據(jù)以及將接收到的數(shù)據(jù)轉(zhuǎn)發(fā)至基站的能耗，故而能耗較少.

圖6 簇頭節(jié)點(diǎn)能量消耗比較

在相機(jī)節(jié)點(diǎn)和簇內(nèi)普通節(jié)點(diǎn)的能耗對(duì)比上，基于SVD的分塊協(xié)作壓縮方法中相機(jī)節(jié)點(diǎn)只負(fù)責(zé)將圖像塊以一定概率發(fā)送至連通區(qū)域內(nèi)的普通節(jié)點(diǎn)，而JPEG2000協(xié)同壓縮方法中相機(jī)節(jié)點(diǎn)負(fù)責(zé)進(jìn)行圖像的分塊預(yù)處理、計(jì)算圖像邊緣信息的梯度幅度值以及將圖像塊發(fā)送至簇頭節(jié)點(diǎn);傳輸相同大小圖像時(shí)，本文方案中相機(jī)節(jié)點(diǎn)能耗更少.在簇內(nèi)普通節(jié)點(diǎn)能耗對(duì)比上，JPEG2000協(xié)同壓縮方法中普通節(jié)點(diǎn)負(fù)責(zé)從簇頭節(jié)點(diǎn)接收量化的圖像數(shù)據(jù)，運(yùn)行EBC算法，再將壓縮后的數(shù)據(jù)發(fā)送至簇頭，而SVD分塊協(xié)作壓縮方法中普通節(jié)點(diǎn)只負(fù)責(zé)接收相機(jī)節(jié)點(diǎn)發(fā)送過來的分塊圖像數(shù)據(jù)并將其進(jìn)行SVD壓縮，然后再將壓縮后的數(shù)據(jù)發(fā)送至簇頭節(jié)點(diǎn).由于相同數(shù)據(jù)量下EBC算法能耗大于SVD算法，因而理論上本文方案中普通節(jié)點(diǎn)的能耗也是少于JPEG2000協(xié)同壓縮方法的.綜上可知，本文方案的網(wǎng)絡(luò)總能耗是少于JPEG2000協(xié)同圖像處理方法的.

4 結(jié)語(yǔ)

本文針對(duì)WMSNs應(yīng)用中數(shù)據(jù)處理和傳輸能耗基本均衡的特點(diǎn)，從網(wǎng)絡(luò)節(jié)點(diǎn)的協(xié)作特性出發(fā)，采用基于SVD的分塊自適應(yīng)壓縮算法來進(jìn)行圖像壓縮處理，同時(shí)將網(wǎng)絡(luò)中數(shù)據(jù)處理任務(wù)和長(zhǎng)距離數(shù)據(jù)傳輸任務(wù)分配給不同角色的節(jié)點(diǎn)完成，以平衡網(wǎng)絡(luò)能耗分布.仿真結(jié)果表明，基于SVD的圖像分布式協(xié)作壓縮機(jī)制極大地緩解了網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)相機(jī)節(jié)點(diǎn)的能耗，且能有效地平衡網(wǎng)絡(luò)能耗，延長(zhǎng)網(wǎng)絡(luò)生命周期.

References)

［1］Akyildiz I F，Melodia T，Chowdhury K R.A survey on wireless multimedia sensor networks［J］.Computer Networks，2007，51(4):921-960.

［2］羅武勝，翟永平，魯琴.無線多媒體傳感器網(wǎng)絡(luò)研究［J］.電子與信息學(xué)報(bào)，2008，30(6):1511-1516.Luo Wusheng，Zhai Yongping，Lu Qin.Study on wireless multimedia sensor networks［J］.Journal of Electronics and Information Technology，2008，30(6):1511-1516.(in Chinese)

［3］Wu H M，Abouzeid A A.Energy-efficient distributed image compression in resource-constrained multihop wireless networks ［J］.Computer Communications，2005，28(14):1658-1668.

［4］Lu Q，Luo W S，Wang J D，et al.Low-complexity and energy efficient image compression scheme for wireless sensor networks［J］.Computer Networks，2008，52(13):2594-2603.

［5］Lu Q，Luo W S，Ye X B.Collaborative in-network processing of LT based image compression algorithm in WMSNs［C］//Proceeding of the 1st International Workshop on Education Technology and Computer Science.Wuhan，China，2009:839-843.

［6］魯琴，羅武勝，胡冰.無線傳感網(wǎng)基于鄰居簇的JPEG2000多節(jié)點(diǎn)協(xié)同實(shí)現(xiàn)［J］.光學(xué)精密工程，2010，18(1):240-247.Lu Qin，Luo Wusheng，Hu Bing.Multi-node cooperative JPEG2000 implementation based on neighbor clusters in wireless sensor networks［J］.Optice and Precision Engineering，2010，18(1):240-247.(in Chinese)

［7］Huu P N，Tran-Quang V，Miyoshi T.Low-complexity and energy-efficient algorithms on image compression for wireless sensor networks［J］.IEICE Transactions on Communications，2010，E93-B(12):3438-3447.

［8］Andrews H C，Patterson C L.Singular value decomposition(SVD)image coding［J］.IEEE Transactions on Communications，1976，24(4):425-432.

［9］Ranade A，Mahabalaro S S，Kale S.A variation on SVD based image compression［J］.Image and Vision Computing，2007，25(6):771-777.

［10］Golub G H，Reinsch C.Singular value decomposition and least squares solutions［J］.Numerische Mathematik，1970，14(5):403-420.

［11］Heinzelman W R，Chandrakasan A，Balakrishnan H.Energy-efficient communication protocol for wireless microsensor networks［C］//Proceeding of the 33rd Annual Hawaii International Conference on System Sciences.Washington DC，USA:IEEE Press，2000:3005-3014.

［12］Wang A，Chandrakasan A.Energy-efficient DSPs for wireless sensor networks［J］.IEEE Signal Processing Magazine，2002，19(4):68-78.