压缩感知重构算法及其应用研究

《压缩感知重构算法及其应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、：：Ｖ巧电巧；巧诘：—ｒｗ狄觀１０１１０分类号Ｉ１＾３９１．攀徑：学ｇＳ１３賴７縣転ＮｏｒｔｈＵｎｉｖｅｒｓｉｔｙＯｆＣＷｎａ硕±学位论文．压缩感知重构算法及其应用研究／＇Ｉ．．．．硕古硏究生徐立军、．＇指导毅师杨秋翔．１＇学科专业计驚槪科攀与披术＂誦年：５ｍ里０ｇＪＪＩＩ一原创性声明本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独立进行硏究所取得的成果。除女中百经注明引用的内容外，本论女不包含其他个人或集体已经发表或撰写过的科研成果。对本

2、文的硏究作出重要贡献的个人和集体，均已在文中＾乂明确方式标明。本黄明的法律责任由本人承担。论文作者签名－：癖１爭日期：关于学位论女使用权的说明本人完全了解中北大学有关保管、使用学位论文的规定，其中包括；①学校有权保管、并向有关部口送交学位论文的原件与复印件；②学校可ｋ乂采用影印、缩印或其它复制手段复制并保存学位论文；③学校可允许学位论文被查拥或借飼；④学校可从学术交流为目的，复制赠送和交换学位＾论文⑤学校可１乂公布学位论文的全部或部分内容（保密学位论文在解密；后遵守此规定）。签名：履＾妥日期：ｗ／叫．期：１Ｍ导师签名：貪私

3、日和图书分类号TP391密级非密注1UDC全日制工学硕士学位论文压缩感知重构算法及其应用研究指导教师（姓名、职称）杨秋翔教授申请学位级别工学硕士所在领域（研究方向）计算机软件与理论论文提交日期2016年04月10日论文答辩日期2016年05月21日学位授予日期年月日论文评阅人陈立潮潘广贞答辩委员会主席李茹2016年05月21日压缩感知重构算法及其应用研究摘要压缩感知(CompressedSensing,CS)作为一种新的信号采样和处理理论，其核心思想是将压缩和采样合二为一，打破了传统的Nyquist采样定理的限制。该理论指出在某个变换域，信号只要具有稀疏性或者是可压缩的，就能通

4、过一个与变换基不相干的测量矩阵，将原信号投影为一个低维观测向量，最后通过相关最优化重构算法，实现原始信号的高概率重构。这种新型的采样方式克服了传统奈奎斯特采样先采样再压缩的缺点，降低了采样率，缓解了信号采样端的压力，从而有效的节省了信息的获取时间和存储空间。目前，压缩感知理论在众多领域中得到了学者的广泛关注，并在实际中实现了初步应用。本文的主要工作如下：(1)分析了国内外在图像去噪和压缩感知理论研究现状，进一步深入学习了压缩感知理论相关知识。主要从信号的稀疏表示方法、构造观测矩阵和信号的最优化重构算法等三个方面进行了详细的介绍。(2)对压缩感知理论的贪婪类重构算法进行了重点的研究

5、，并对其进行了分析对比，总结了各算法的优缺点。本文针对稀疏度自适应匹配追踪(SAMP)算法的不足，提出了改进的SAMP算法，通过仿真实验，验证了本文提出的改进的SAMP算法与原SAMP算法相比，在保证算法重构性能的同时极大的缩短了算法的运行时间。(3)将压缩感知理论应用于图像去噪中。首先对传统的图像去噪算法进行了介绍，分析了其优缺点，然后在压缩感知图像去噪框架的基础上，重点研究了全变分的图像去噪方法，并对传统的TV模型进行了改进。最后，将压缩感知理论与全变分去噪思想相结合，提出了一种基于压缩感知的改进全变分图像去噪算法，最后通过仿真实验进一步验证了本文改进算法的有效性。关键词：压

6、缩感知，重构算法，稀疏自适应匹配追踪算法，全变分算法，图像去噪ResearchonCompressedSensingAlgorithmsandApplicationsAbstractAsanewsignalsamplingtheory,CompressedSensingbreakthroughthelimitationoftraditionalNyquistsamplingtheory,itscoreideasistomergethecompressedandsamplingprocess.Itputsforwardthatifthesignalissparseorcompres

7、sibleinatransformdomain,airrelevantmeasurematrixcanbeusedtotransformthehigh-dimensionalsignaltothelowdimensionalvector,andthenreconstructtheoriginalsignalwithrelevantoptimizationreconstructionalgorithm.Thenewtypeofsamplingmethodnotonlyovercom