矿井无人工作区监控图像信息量较大，在图像的传输、存储阶段对硬件性能要求较高，造成传感器节点耗能增大、寿命骤减等问题，目前Gause、Bernoulli等压缩感知测量矩阵在重建矿井监控图像信号时精度较低。针对上述问题，设计了一种新的基于帕斯卡矩阵的块状压缩感知测量(BPCSM)矩阵。BPCSM矩阵利用时域非均匀采样与分块思想，将多个相同的小尺寸帕斯卡矩阵以对角线方式排列，同时结合联合正交匹配追踪算法实现矿井监控图像信号的压缩采样与重建，利用帕斯卡矩阵行元素有序排列的特点加强对图像信号低频段的采样，提高重建精度。实验结果表明：BPCSM矩阵对矿井监控图像信号的重建精度远高于Gause、Bernoulli等常用测量矩阵，当采样率为0.2时，基于BPCSM矩阵重建的矿工图像的峰值信噪比(PSNR)约为22dB，矿工面部轮廓较为清晰；当采样率为0.5时，基于BPCSM矩阵重建的矿工图像的PSNR已达30dB，几乎可以恢复矿工图像的全部细节，表明BPCSM矩阵具有较好的重建性能；通过选择合适的帕斯卡矩阵尺寸能够进一步提高图像信号的重建性能，满足矿井环境应用要求。

0 引言

1 基本理论

   1.1 压缩感知

   1.2 约束等距条件与相干系数

2 BPCSM矩阵构建

   2.1 帕斯卡矩阵

   2.2 BPCSM矩阵构建步骤及性能分析

3 基于BPCSM矩阵的图像重建

4 实验与分析

5 结论