CN105430347A - 一种基于压缩感知的无线传感器图像采集传输系统 - Google Patents

Abstract

一种基于压缩感知的无线传感器图像采集传输系统，系统由终端节点、汇聚节点和PC机组成，终端节点、汇聚节点可自组织形成传感器网络，实现对检测区域的图像自动采集、压缩和发送。终端节点由图像采集模块、卡片式电脑、Zigbee无线通信模块、被动式热释电红外传感器、红外LED、SD卡和供电模块；汇聚节点在终端节点的基础上增设了WiFi模块或3G模块。终端节点或汇聚节点在获取图像信息时采用的是基于压缩感知算法的图像压缩方法，终端节点采集图像后发送到汇聚节点，汇聚节点通过协议转换将采集的图像发送到PC机或者互联网，PC机完成图像信息的重构与获取。本发明具有降低数据量、降低功耗、兼容扩展性强等优点。

Description

一种基于压缩感知的无线传感器图像采集传输系统

技术领域

本发明涉及无线传感器网络领域，尤其是一种基于压缩感知的无线传输系统。

背景技术

近年来，物联网技术的提出大大的改变了世界，物联网可以通过无线传感器技术实时的对所需检测的目标物体进行各类信息采集，也可通过各种无线网络通信技术实现人与各种物体之间的智能化管理、识别和感知。无线传感器技术在军事安全、智能家居、工业生产等各方面发挥着至关重要的作用。

已知，传感器的使用寿命和生命周期是一个无线传感器网络的重要技术指标，这要求传感器在低功耗低带宽的条件下仍能传输诸多复杂信息，尤其在传输图像方面，传统的图像采集与压缩需要耗费大量的存储空间，发送时的大数据量也加剧了传感器节点的能量损耗，而且传感器无线通信存在着大量的数据丢失和不稳定因素，不完整的数据传输也可能导致接收端无法获得图像信息。并且传统的野外图像获取设备多为本地SD卡存储，由于设备需要在一个地方长期放置，大量的图像信息则保存在本地SD卡，存储空间不足的弊端大大凸显，而且要想获取采集到的图像，还需要人工的去实地查找设备取回SD卡，这样并不能实现物联网概念中所涉及的人与物体之间的智能化管理。

如何在减少采集数据量的同时获得丰富信息，以及如何在降低设备功耗的同时获取图像信息，都是目前图像信息采集领域迫切需要解决的问题。为此，我们提供了一种基于压缩感知的无线传感器图像采集传输系统。

发明内容

本发明目的在于提供一种成本低、兼容扩展性强、功耗低的基于压缩感知的无线传感器图像采集传输系统。

为实现上述目的，采用了以下技术方案：本发明所述系统由若干终端节点、汇聚节点和PC机组成；

所述每个终端节点包括图像采集模块、卡片式电脑、Zigbee无线通信模块、被动式热释电红外传感器、红外LED、SD卡和供电模块；图像采集模块的输出端通过数据线与卡片式电脑连接，图像采集模块获取的图像信息传输至卡片式电脑；被动式热释电红外传感器的输出端通过数据线与卡片式电脑连接，被动式热释电红外传感器获取到红外信号后将高电平信号传输至卡片式电脑；红外LED的输入端通过数据线与卡片式电脑连接，卡片式电脑控制红外LED的开启关闭；Zigbee无线通信模块通过数据线与卡片式电脑互通连接，终端节点上的Zigbee无线通信模块与汇聚节点上的Zigbee无线通信模块形成网络并进行通信；供电模块与卡片式电脑相连提供电能，SD卡与卡片式电脑连接用于信息储存；

所述汇聚节点是以终端节点为基体，在终端节点中增设了WiFi模块或3G模块，该WiFi模块或3G模块的信号输入端通过USB数据线与卡片式电脑的USB接口相连，卡片式电脑通过WiFi模块或3G模块将信息发送至互联网中，通过互联网与PC机相连进行数据传输；汇聚节点上的Zigbee无线通信模块与终端节点上的Zigbee无线通信模块形成网络并进行通信；

终端节点能对图像信息进行采集和压缩，并通过Zigbee无线通信模块形成的网络将图像信息发送至汇聚节点；汇聚节点也能对图像信息进行采集和压缩，通过Zigbee无线通信模块形成的网络接收终端节点的图像信息，并通过WiFi模块或3G模块将已经压缩的图像信息发送至互联网中，通过互联网与PC机相连进行数据传输，PC机完成图像信息的重构与获取，形成基于压缩感知的无线传感器图像采集传输系统。

进一步的，所述终端节点与汇聚节点对图像信息进行压缩时采用压缩感知图像压缩算法，运用Matlab2014a/Simulink软件作为卡片式电脑的软件开发环境，通过Simulink搭建程序硬件控制模型，通过M-function实现对图像信息的压缩；Simulink模型和M-funtion经转换形成mex文件和C语言文件，由卡片式电脑将C语言文件编译成嵌入式可执行程序。

进一步的，所述卡片式电脑采用RaspberryPi树莓派开发板。

进一步的，所述的图像采集模块由摄像头和OV5647传感器组成，摄像头与OV5647传感器连接后通过CSI接口与树莓派连接。

进一步的，所述压缩感知图像压缩算法的具体方法如下：运用Simulink的卡片式电脑以10次每秒的频率检测GPIO23号引脚，当检测到高电平时，将25号引脚至高电平，同时调用图像采集模块，将图像采集模块的摄像头输出格式设置为YCbCr，设备名选择/dev/video0，通过Resize图像调整模块将输出图像大小调整为256×256，通过M-function提取Y通道信息，进行小波变换和观测得到观测值y，并保存于/home/pi目录下，对图像进行小波变化和观测，所用的小波和观测矩阵以.mat格式封装保存于/home/pi目录下，在程序流程进行到小波变换和观测时进行调用。

进一步的，终端节点和汇聚节点在获取图像信息的同时进行压缩感知编码，在压缩感知算法的图像处理中，将N×N的图像首先进行9/7小波变换，然后构造测量矩阵Ψ，测量矩阵采用结构化随机矩阵，利用Ψ对全部的小波变换系数进行测量，得到M×N大小的测量系数；M和N为图片高度和宽度的像素值，K＝M/N，K为采样率。

进一步的，PC机接收到汇聚节点发来的已经压缩的图像信息后，通过压缩感知SAMP重构算法和一种基于神经网络的步长确定方法重构出原图像；所述基于神经网络的步长确定方法如下：

首先设计两组神经网络及训练数据，第一种：最高精度恢复步长s，是寻找能够最佳最清晰重构图像的步长；第二种：精度固定最短重构时间步长s1，是认为在达到一定PSNR时图像清晰度已符合要求所寻找的最短重构时间的步长；

PC机重构图像时需要的训练步长由最高精度恢复步长神经网络和精度固定最短重构时间步长神经网络训练得出；

根据训练要求设计神经网络结构，所述神经网络采用输入层、隐层、输出层的三层结构，根据实际训练结果，选择隐层10个隐层节点、输入层2个节点，分别输入图像大小数据和采样率，输出为步长s或s1；

神经网络选用BP神经网络，BP隐层传递函数采用正切Sigmoid函数tansig，输出层神经元采用线性函数purelin；

第一种神经网络训练数据，选择10张不同大小N×N的图像(N×N为图片分辨率大小，例如1366*766，N*N代表图片高度和宽度的像素值相乘)，分别在30％，50％，70％的采样率下人为寻找最大重构精度的步长s，这10张图片的大小数据和采样率作为输入，寻找到的步长s作为输出；

第二种神经网络数据，选择10张不同大小N×N的图像(N×N为图片分辨率大小，例如1366*766，N*N代表图片高度和宽度的像素值相乘)，分别在30％，50％，70％的采样率下寻找在PSNR达到30db的情况下时间最短的步长s1。

与现有技术相比，本发明具有如下优点：终端节点和汇聚节点构成无线传感器网络，通过汇聚节点实现传感器网络通信协议与TCP/IP协议的转换，可以实现图像经无线传感器网络到3G网络或者WiFi网络的紧密连接，实现图像信息的即时获取，大大节省了人力和时间。同时汇聚节点在担任协议转换的同时也进行图像采集，避免了传统无线传感器网络需要单独架设网关的必要，且汇聚节点具有较强扩展性，可适用于多种通信协议的转换。与传统无线传感器网络相比，图像采集发送采用压缩感知算法，实现了压缩感知算法与硬件节点的兼容结合，实现了在低带宽条件下发送复杂多媒体信息的目的，数据发送量大幅降低，功耗减少，而且本发明节点装置更加廉价，兼容性扩展性更强。

附图说明

图1为本发明系统的终端节点的硬件结构示意图。

图2为本发明系统的汇聚节点的硬件结构示意图。

图3为本发明系统的无线传感器网络工作流程图。

图4为本发明系统中压缩感知图像压缩算法的流程图。

图5为本发明系统的压缩感知图像压缩算法的恢复图片与原图片的对比图。

图6为本发明系统的压缩感知编码端程序流程图。

具体实施方式

下面结合附图对本发明做进一步说明：

如图1所示，终端节点硬件包括卡片式电脑即RaspberryPi树莓派开发板、图像采集模块、SD卡、被动式热释电红外传感器、红外LED、供电模块和zigbee无线通信模块。

被动式热释电红外传感器和红外LED通过GPIO与树莓派连接，实现移动生物体的检测。图像采集模块的摄像头通过树莓派CIS接口与树莓派连接实现图像采集功能。zigbee无线通信模块通过串口与树莓派主板连接，实现终端节点与汇聚节点之间的文件发送和通信；供电模块与卡片式电脑相连提供电能，SD卡与卡片式电脑连接用于信息储存。

如图2所示，汇聚节点硬件包括卡片式电脑即RaspberryPi树莓派开发板、图像采集模块、SD卡、被动式热释电红外传感器、红外LED、供电模块、zigbee无线通信模块以及WiFi或3G模块。

被动式热释电红外传感器和红外LED通过GPIO与树莓派连接，实现移动生物体的检测。图像采集模块的摄像头通过树莓派CIS接口与树莓派连接实现图像采集功能。zigbee无线通信模块通过串口与树莓派主板连接，实现终端节点与汇聚节点之间的文件发送和通信；供电模块与卡片式电脑相连提供电能，SD卡与卡片式电脑连接用于信息储存。WiFi或3G模块按照汇聚节点的安装环境不同而选择安装，WiFi或3G模块通过树莓派主板的USB接口连接。当本发明系统布置于野外时可采用3G模块通过手机移动网络连接互联网，可以将传感器网络获取的信息发送至互联网云端服务器；当布置于室内或者有WiFi网络的环境中可以安装WiFi模块实现传感器网络与PC端的通信。汇聚节点在完成图像采集任务的同时担任着协议转换的工作，工作性质等同于网关，完成zigbee协议与TCP/IP协议转换功能。

终端节点能对图像信息进行采集和压缩，并通过Zigbee无线通信模块形成的网络将图像信息发送至汇聚节点；汇聚节点也能对图像信息进行采集和压缩，通过Zigbee无线通信模块形成的网络接收终端节点的图像信息，并通过WiFi模块或3G模块将已经压缩的图像信息发送至互联网中，通过互联网与PC机相连进行数据传输，PC机完成图像信息的重构与获取，形成基于压缩感知的无线传感器图像采集传输系统。

图3为本发明系统的无线传感器网络工作流程图。在一般状态下，终端节点、汇聚节点处于待机状态，当检测到移动生物体时，被动式热释电红外传感器(PIR热释电传感器)对树莓派GPIO的23号引脚发送高电平，树莓派检测到该引脚输入高电平后，将25号引脚置高电平打开补光LED同时打开摄像头拍摄图片，整个程序以23号引脚高电平输入为触发，打开摄像头将图像信息转化为YCbCr格式，对图像信息Y通道信息进行提取从而进行压缩感知编码压缩并保存文件。终端节点然后将新拍摄的图片通过zigbee网络发送至汇聚节点，由于图片信息已经通过程序转化成了观测值，且数据量很少，zigbee网络完全有能力发送这些信息。汇聚节点在接到发送请求后开始接收从终端节点传来的信息，并保存下来，汇聚节点检测到新接收的图像信息后，通过3G网络或者WiFi网络发送至云端服务器或者局域网PC端。最终图像信息在PC端重构获取。

图6为本发明系统的压缩感知编码端程序流程图。对将压缩感知图像压缩算法运用于树莓派方法的具体步骤进行详述：运用Matlab2014a/Simulink软件作为卡片式电脑的软件开发环境，通过Simulink搭建程序硬件控制模型，通过M-function实现对采集图像压缩感知算法压缩。运用Simulink的树莓派GPIO模块以10次每秒的频率检测GPIO23号引脚，当检测到高电平时，将25号引脚至高电平，同时调用图像采集模块，将摄像头输出格式设置为YCbCr，设备名选择/dev/video0，通过Resize图像调整模块将输出图像大小调整为256×256，通过M-function提取Y通道信息，进行小波变换，根据采样率要求设置采样次数，本发明设置采样率为30％，大小256×256的图片采样次数设置19660次，经观测得到观测值y，并保存于/home/pi目录下，对图像进行小波变化和观测时所用的小波和观测矩阵以.mat格式封装保存于/home/pi目录下，在程序流程进行到小波变换和观测时进行调用。整个程序以Simulink模型为程序原型，经转换变为mex文件和C语言文件，将C语言代码文件传输到树莓派中，运用编译工具gcc最终将最初的Simulink模型转换为嵌入式可执行程序。

图4为本发明系统中压缩感知图像压缩算法的流程图。具体方法为：

无线传感器网络节点受能量以及本身计算能力的限制无法进行较为复杂的运算和图像编码。根据易编码，重解码的思想，将图像压缩感知算法分为两部分：图像压缩编码和图像重构解码。图像压缩编码由终端节点或汇聚节点完成，解码重构由PC机完成。

编码端(终端节点或汇聚节点)负责将采集的图像信息转换为能够准确重构原图像的观测值数据包。编码端首先将采集到的图像修正为N＝N′*N′的图像数据矩阵，其中N′由人为对程序设定，根据压缩感知理论信号稀疏性原则，首先对原始信号矩阵进行9/7小波变换——设定N′＝256，取矩阵N的某一行，经边缘变换成一个一维信号x(n)，再经滤波算法得到128个高频数值h和128个低频数值l。对矩阵每一行进行相关计算，得到所有高频部分组成高频矩阵H，其大小为256×128，所有低频部分得到低频矩阵L，其大小与高频矩阵相同。再取高频矩阵H中的某一列经边缘变换后为一个一维信号x(m)，再经滤波算法得到128个高频部分h和低频部分l。对于高频部分矩阵进行相关计算得到高频新矩阵HH，低频新矩阵HL。对于低频矩阵L，分别得到LH和LL。

对经小波变换后的新矩阵F，进行观测，首先构造测量矩阵Ψ。本发明测量矩阵Ψ采用结构化测量矩阵，包括部分正交测量矩阵、部分哈达玛测量矩阵、部分循环测量矩阵与结构化随机矩阵。

观测矩阵对变换后的图像进行M次观测(M＜N)，得到采样值y。

其中y＝F,Ψ，y为图像经变换后在观测矩阵Ψ上的投影。

其中采样次数M根据采样率需求设定，采样率K＝M/N。

至此，传感器编码端工作完毕，原始图像信息已经经终端节点或汇聚节点转换为仅为原图像数值K倍的的采样值(K＜1)。整个节点编码程序由图6部分所述的方法完成。终端节点和汇聚节点先将采样值保存于本地存储器中，经树莓派串口发送至zigbee模块，通过无线传感器网络发送至汇聚节点。PC端通过访问汇聚节点获取采样值信息。

PC机重构采用改进的SAMP重构算法，具体实施步骤为：

算法输入：测量矩阵Ψ，采样值y，训练步长s；

算法输出：位置输入信号x的K稀疏的逼近x′；

初始化：x′＝0，残差r′＝y，支撑集F₀为空集，支撑集大小L′＝s，k＝1。

循环执行以下步骤1至6：

步骤1：计算|Ψ*r_k-1|，取最大的L个值所对应的脚标，存入集合S_k，得到选集C_k＝F_k-1∪S_k；

步骤2：计算取最大的L个值所对应的脚标，存入支撑集F，计算残差 $r=y-{\mathrm{\Ψ}}_F{\mathrm{\Ψ}}_F^{\mathrm{\φ}}y;$

步骤3：判断是否停止迭代条件||x′_k-x′_k-1||≤T，若满足，则停止迭代，输出x′，若不满足，执行步骤4；

步骤4：判断是否满足||r||₂≥||r_k-1||₂，若满足，执行步骤5，若不满足执行步骤6；

步骤5：进入下一阶段，支撑集F大小的大小增大为L＝L+s，k＝k+1；

步骤6：更新支撑集F_k＝F，更新残差r_k＝r，k＝k+1。

采用SAMP算法并不需要得知采样率K，这样在实际数据应用中，数据在发送中有丢包现象导致数据缺失，采样率不能保证在程序设定的基础上。而可以通过一个个阶段的累加来不断扩大支撑集大小，从而不断逼近原有信号。

在测量矩阵Ψ和采样值y已经确定的情况下，算法输入步长s，就成了恢复图像效果的重要参数，然而目前并没有一个有效的步长确定方法，对于恢复图像信号而言，当步长s过小所带来的重构图像的时间代价难以接受，当s过大重构效果又会大打折扣，因此本发明在此基础上提出一种基于神经网络的步长确定方法，具体实施方法如下：

首先设计两组神经网络及训练数据，第一种：最高精度恢复步长s，是寻找能够最佳最清晰重构图像的步长；第二种：精度固定最短重构时间步长s1，是认为在达到一定PSNR时图像清晰度已符合要求所寻找的最短重构时间的步长；

重构图像时需要的训练步长由最高精度恢复步长神经网络和精度固定最短重构时间步长神经网络训练得出。

根据训练要求设计神经网络结构，所述神经网络采用输入层、隐层、输出层的三层结构，根据实际训练结果，选择隐层10个隐层节点、输入层2个节点，分别输入图像大小数据和采样率，输出为步长s或s1；

神经网络选用BP神经网络，BP隐层传递函数采用正切Sigmoid函数tansig，输出层神经元采用线性函数purelin；

第一种神经网络训练数据，选择10张不同大小N×N的图像(N×N为图片分辨率大小，例如1366*766，N*N代表图片高度和宽度的像素值相乘)，分别在30％，50％，70％的采样率下人为寻找最大重构精度的步长s，这10张图片的大小数据和采样率作为输入，寻找到的步长s作为输出；

第二种神经网络数据，选择10张不同大小N×N的图像(N×N为图片分辨率大小，例如1366*766，N*N代表图片高度和宽度的像素值相乘)，分别在30％，50％，70％的采样率下寻找在PSNR达到30db的情况下时间最短的步长s1。

最后选择一张与10张图片大小都不同由传感器采集到的图像进行神经网络的验证。结果证明在不同采样率下的该神经网络都有较好的步长预测。

图5是在30％的采样率下重构图片与原图像的对比，左侧为原图片，右侧为重构图片，在30％的采样率下，步长确定方法选择第一种最佳重构效果，恢复图片的PSNR仍在30db以上，恢复效果良好，与传统步长确定方法有2至3db的提升。

以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (7)

1.一种基于压缩感知的无线传感器图像采集传输系统，其特征在于：所述系统由若干终端节点、汇聚节点和PC机组成；

所述每个终端节点包括图像采集模块、卡片式电脑、Zigbee无线通信模块、被动式热释电红外传感器、红外LED、SD卡和供电模块；图像采集模块的输出端通过数据线与卡片式电脑连接，图像采集模块获取的图像信息传输至卡片式电脑；被动式热释电红外传感器的输出端通过数据线与卡片式电脑连接，被动式热释电红外传感器获取到红外信号后将高电平信号传输至卡片式电脑；红外LED的输入端通过数据线与卡片式电脑连接，卡片式电脑控制红外LED的开启关闭；Zigbee无线通信模块通过数据线与卡片式电脑互通连接，终端节点上的Zigbee无线通信模块与汇聚节点上的Zigbee无线通信模块形成网络并进行通信；供电模块与卡片式电脑相连提供电能，SD卡与卡片式电脑连接用于信息储存；

所述汇聚节点是以终端节点为基体，在终端节点中增设了WiFi模块或3G模块，该WiFi模块或3G模块的信号输入端通过USB数据线与卡片式电脑的USB接口相连，卡片式电脑通过WiFi模块或3G模块将信息发送至互联网中，通过互联网与PC机相连进行数据传输；汇聚节点上的Zigbee无线通信模块与终端节点上的Zigbee无线通信模块形成网络并进行通信；

终端节点能对图像信息进行采集和压缩，并通过Zigbee无线通信模块形成的网络将图像信息发送至汇聚节点；汇聚节点也能对图像信息进行采集和压缩，通过Zigbee无线通信模块形成的网络接收终端节点的图像信息，并通过WiFi模块或3G模块将已经压缩的图像信息发送至互联网中，通过互联网与PC机相连进行数据传输，PC机完成图像信息的重构与获取，形成基于压缩感知的无线传感器图像采集传输系统。

2.根据权利要求1所述的一种基于压缩感知的无线传感器图像采集传输系统，其特征在于：所述终端节点与汇聚节点对图像信息进行压缩时采用压缩感知图像压缩算法，运用Matlab2014a/Simulink软件作为卡片式电脑的软件开发环境，通过Simulink搭建程序硬件控制模型，通过M-function实现对图像信息的压缩；Simulink模型和M-funtion经转换形成mex文件和C语言文件，由卡片式电脑将C语言文件编译成嵌入式可执行程序。

3.根据权利要求1或2所述的一种基于压缩感知的无线传感器图像采集传输系统，其特征在于：所述卡片式电脑采用RaspberryPi树莓派开发板。

4.根据权利要求1所述的一种基于压缩感知的无线传感器图像采集传输系统，其特征在于：所述的图像采集模块由摄像头和OV5647传感器组成，摄像头与OV5647传感器连接后通过CSI接口与树莓派连接。

5.根据权利要求2所述的一种基于压缩感知的无线传感器图像采集传输系统，其特征在于，所述压缩感知图像压缩算法的具体方法如下：运用Simulink的卡片式电脑以10次每秒的频率检测GPIO23号引脚，当检测到高电平时，将25号引脚至高电平，同时调用图像采集模块，将图像采集模块的摄像头输出格式设置为YCbCr，设备名选择/dev/video0，通过Resize图像调整模块将输出图像大小调整为256×256，通过M-function提取Y通道信息，进行小波变换和观测得到观测值y，并保存于/home/pi目录下，对图像进行小波变化和观测，所用的小波和观测矩阵以.mat格式封装保存于/home/pi目录下，在程序流程进行到小波变换和观测时进行调用。

6.根据权利要求2所述的一种基于压缩感知的无线传感器图像采集传输系统，其特征在于：终端节点和汇聚节点在获取图像信息的同时进行压缩感知编码，在压缩感知算法的图像处理中，将N×N的图像首先进行9/7小波变换，然后构造测量矩阵Ψ，测量矩阵采用结构化随机矩阵，利用Ψ对全部的小波变换系数进行测量，得到M×N大小的测量系数；M和N为图片高度和宽度的像素值，K＝M/N，K为采样率。

7.根据权利要求1所述的一种基于压缩感知的无线传感器图像采集传输系统，其特征在于，PC机接收到汇聚节点发来的已经压缩的图像信息后，通过压缩感知SAMP重构算法和一种基于神经网络的步长确定方法重构出原图像；所述基于神经网络的步长确定方法如下：

首先设计两组神经网络及训练数据，第一种：最高精度恢复步长s，是寻找能够最佳最清晰重构图像的步长；第二种：精度固定最短重构时间步长s1，是认为在达到一定PSNR时图像清晰度已符合要求所寻找的最短重构时间的步长；

PC机重构图像时需要的训练步长由最高精度恢复步长神经网络和精度固定最短重构时间步长神经网络训练得出；

根据训练要求设计神经网络结构，所述神经网络采用输入层、隐层、输出层的三层结构，根据实际训练结果，选择隐层10个隐层节点、输入层2个节点，分别输入图像大小数据和采样率，输出为步长s或s1；

神经网络选用BP神经网络，BP隐层传递函数采用正切Sigmoid函数tansig，输出层神经元采用线性函数purelin；

第一种神经网络训练数据，选择10张不同大小N×N的图像，N×N为图片分辨率大小，分别在30％，50％，70％的采样率下人为寻找最大重构精度的步长s，这10张图片的大小数据和采样率作为输入，寻找到的步长s作为输出；

第二种神经网络数据，选择10张不同大小N×N的图像，N×N为图片分辨率大小，分别在30％，50％，70％的采样率下寻找在PSNR达到30db的情况下时间最短的步长s1。