در دنیای مدرن امروزی در بسیاری از کاربردها از جمله دوربین های دیجیتال، تلفن های هوشمند و سیستم های نظارتی و در زمینه های تصویربرداری پزشکی و تصویربرداری راداری، حسگرهای تصویربردار CMOS مورداستفاده قرار می گیرند. در تصویربردارهایی با میزان تفکیک بالا حجم اطلاعات حاصل از تصویر زیاد است که پردازش و ذخیره سازی آن از چالش های اصلی این تصویربردارها است که منجر به افزایش توان مصرفی، کاهش سرعت و افزایش سطح تراشه می شود. ضمن آنکه پهنای باند موردنیاز برای انتقال اطلاعات به خارج از تراشه افزایش می یابد. از اینرو در بسیاری از کاربردها استفاده از الگوریتم های فشرده سازی ضروری است.
در این پژوهش ابتدا فرآیند تصویربرداری و روش های مختلف فشرده سازی اطلاعات تصاویر مورد بررسی قرار گرفته است و با توجه به مزایا و معایب روش های مختلف، روش حسگری فشرده به منظور فشرده سازی اطلاعات تصویر انتخاب شده است. در این راستا ساختارهای مختلف حسگرهای تصویربردار که مبتنی بر روش حسگری فشرده هستند مورد مطالعه قرار گرفته است.
حسگری فشرده یکی از روش های پردازش سیگنال است که برای سیگنال های به اندازه کافی تنک اجازه می دهد اطلاعات با تعداد نمونه برداری کمتر از آنچه در روش های سنتی لازم است، بازیابی شده و در عین حال کیفیت سیگنال حفظ شود. این امر در شرایطی که تصویربرداری پرهزینه یا زمانبر باشد بسیار مفید است. بنابراین به کمک این روش و با بهره گیری از ویژگی های خاص سیگنال های تصاویر، می توان حجم داده ی موردنیاز برای انجام پردازش، ذخیره در تراشه و یا انتقال به خارج از تراشه را کاهش داد.
در روش حسگری فشرده، فشرده سازی اطلاعات به کمک یک ماتریس اندازه گیری انجام می شود که این ماتریس می تواند از نوع تصادفی و یا معین باشد. به منظور انتخاب ساختاری با عملکرد مناسب، ابتدا ساختارهای حسگرهای معرفی شده در کارهای پیشین و مزایا و معایب آنها مورد مطالعه قرار گرفته است. نتایج ارائه شده در کارهای قبلی نشان می دهد که فشرده سازی با ماتریس های تصادفی نیاز به محاسبات بیشتری برای جمع آوری داده ها و بازیابی اطلاعات دارد ضمن آنکه پیاده سازی پیچیده تری دارد و برای هر بار جمع آوری داده ها ممکن است نیاز به تولید مجدد ماتریس باشد، با این حال شرایط بازیابی سیگنال را به خوبی فراهم می کند. از سوی دیگر فشرده سازی با ماتریس های اندازه گیری معین سرعت بالاتری در جمع آوری داده و بازسازی آن دارد ضمن آنکه انجام محاسبات ساده تر و سریع تر است. پیاده سازی ماتریس معین ساده و قابل تکرار است و به دلیل ماهیت تصاویر طبیعی نتایج بهتری بدست می آید. از اینرو در این رساله به منظور بررسی تاثیر نوع ماتریس اندازه گیری بر روی عملکرد تصویربردار و کیفیت تصاویر بازیابی شده، مجموعه وسیعی از ماتریس های معین در کنار ماتریس تصادفی مورد بررسی قرار گرفته است و با توجه به نتایج حاصل از پیاده سازی ساختار با ماتریس های اندازه گیری معین سه ساختار با بهترین نتایج، به صورت سخت افزاری پیاده سازی شده است. با توجه به ضرورت داشتن تصویربرداری که قابلیت تشخیص اجسام متحرک را داشته باشد در ساختارهای ارائه شده ساختار پیکسل به گونه ای طراحی شده است که بتواند در سطح پیکسل تصویر حاصل از تفاضل فریم های متوالی از یک ویدئو را ایجاد نماید. بنابراین هر یک از آرایه های تصویربردار پیشنهادی توانایی کار در حالت تصویربرداری از صحنه و تولید تصاویر تفاضلی از حرکت اجسام متحرک را دارد. پس از دریافت تصویر، فشرده سازی بر روی اطلاعات تصویر موجود (عادی یا تفاضلی) انجام می شود. به منظور بررسی صحت عملکرد حالت های مختلف هر تصویربردار، سیگنال های خروجی هر ساختار دریافت شده و به صورت رفتاری سیگنال های فشرده شده بازیابی و تصویر متناظر با آن تولید شده است. نتایج حاصل از شبیه سازی هر ساختار درستی عملکرد آن را نشان می دهد. در ساختار اول و در حالت تصویربرداری عادی و تفاضلی مقدار بیشینه نسبت سیگنال به نویز، PSNR، به ترتیب 25.48dB و 32.15dB و میانگین انحراف از یک در معیار حفظ لبه 0.2567 و 0.0699 است. مقدار PSNR در ساختار دوم در حالت عادی 25.63dB و در حالت تفاضلی 33.62dB و در ساختار سوم در حالت عادی 23.02dB و در حالت تفاضلی 29.53dB بدست آمده است. همچنین پارامتر انحراف از یک در ساختار دوم در حالت تصویربرداری عادی 0.0545 و در حالت تصویربرداری تفاضلی 0.2042 و در ساختار سوم در حالت تصویربرداری عادی 0.0485 و در حالت تصویربرداری تفاضلی 0.7522 بدست آمده است. بر اساس نتایج حاصل کیفیت تصاویر تفاضلی بازیابی شده نسبت به تصاویر عادی بیشتر است. همچنین ساختار دوم و پس از آن ساختار اول نتیجه بهتری از نظر معیار PSNR دارد. در حالیکه ساختار سوم لبه های تصویر را بهتر بازیابی کرده اس