学位论文 > 优秀研究生学位论文题录展示

基于图像邻域结构特征的压缩感知算法研究

作　者: 李光耀
导　师: 陈书贞
学　校: 燕山大学
专　业: 通信与信息系统
关键词: 压缩感知稀疏表示图像重构自回归模型非局部相似性
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 181次
引　用: 0次
阅　读: 论文下载

内容摘要

压缩感知理论突破了信号带宽对奈奎斯特采样定理的限制，并且实现了在数据采样的同时进行压缩。传统的压缩感知图像重构系统利用图像在变换域的稀疏性来实现，本文在研究现有算法的基础上，对现有的一些算法进行改进创新，主要完成如下工作。首先，针对高斯投影矩阵存储量大计算复杂的缺点对图像采取分块随机投影的方法，同时考虑到基于一种变换基并不能“最优的”和“最稀疏”的将图像的边缘、纹理及轮廓等几何特征表示出来，由此提出了基于分块模型和混合基交替稀疏表示的压缩感知图像重构算法，实验结果表明，该算法可以提高纹理较为丰富的图像的重构质量。其次，为克服传统压缩感知算法中未利用图像像素的邻域结构信息和图像子块的自相似性的特点，将以非局部全变差度量的非局部相似性作为先验知识运用到压缩感知图像重构中。结合图像的非局部相似性及其在变换域的稀疏性先验知识，提出了基于非局部相似性和交替迭代优化算法的图像压缩感知重构算法,该算法利用迭代阈值法和非局部全变差来交替迭代求解变换域的稀疏性优化问题和非局部相似性的优化问题。最后，分块投影采样提高运算速度的同时却降低了图像重构的质量，为此对图像进行多尺度分块采样。同时考虑到传统压缩感知算法中未利用图像像素的邻域结构信息和图像子块的自相似性的特点，将用自回归模型表示的图像局部相关性和非局部相似性作为先验知识运用到压缩感知图像重构中，提出了基于自回归模型和非局部相似性的多尺度分块压缩感知方法。实验结果表明，该算法可以有效提高图像重构的视觉效果和峰值信噪比。

全文目录

摘要  5-6
Abstract  6-10
第1章绪论  10-16
  1.1 课题研究背景  10
  1.2 国内外研究现状  10-13
    1.2.1 图像稀疏表示研究现状概述  10-11
    1.2.2 随机投影研究现状概述  11
    1.2.3 压缩感知重构研究现状概述  11-13
  1.3 压缩感知应用概述  13-14
  1.4 课题研究的主要内容及论文结构  14-16
    1.4.1 本课题的主要研究内容  14-15
    1.4.2 本文的主要工作和内容安排  15-16
第2章压缩感知图像重构  16-22
  2.1 压缩感知基本原理  16-18
  2.2 随机投影矩阵的设计  18-19
  2.3 压缩感知重构  19-20
  2.4 本章小结  20-22
第3章基于分块模型和混合基交替稀疏表示的压缩感知图像重构  22-34
  3.1 引言  22
  3.2 混合基稀疏表示  22-25
  3.3 基于分块模型的图像压缩感知  25
  3.4 迭代阈值算法  25-28
  3.5 压缩感知图像重构算法实现  28
  3.6 实验结果分析  28-32
  3.7 本章小结  32-34
第4章基于非局部相似性和交替迭代优化算法的图像压缩感知  34-48
  4.1 引言  34
  4.2 双树复数小波  34-36
  4.3 图像的分块压缩感知  36-37
    4.3.1 图像的压缩感知  36
    4.3.2 图像的分块压缩感知  36-37
  4.4 基于非局部相似性的图像压缩感知  37-40
  4.5 图像压缩感知算法实现  40
  4.6 实验结果分析  40-47
  4.7 本章小结  47-48
第5章基于自回归模型和非局部相似性的多尺度分块压缩感知  48-64
  5.1 引言  48-49
  5.2 图像多尺度分块采样的压缩感知  49-50
  5.3 基于字典稀疏表示的压缩感知  50-52
    5.3.1 字典的训练设计  51
    5.3.2 基于自适应的字典稀疏表示的压缩感知  51-52
  5.4 局部相关性和非局部相似性自适应优化  52-53
    5.4.1 自回归模型  52-53
    5.4.2 非局部相似性  53
  5.5 图像压缩感知算法实现  53-54
  5.6 实验结果分析  54-62
  5.7 本章小结  62-64
结论  64-66
参考文献  66-72
攻读硕士学位期间承担的科研任务与主要成果  72-73
致谢  73-74
作者简介  74

基于图像邻域结构特征的压缩感知算法研究

内容摘要

全文目录

相似论文