图像压缩感知重构算法研究

《图像压缩感知重构算法研究》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、硕士学位论文图像压缩感知重构算法研究作者姓名万成宏学科专业信号与信息处理指导教师杨春玲教授所在学院电子与信息学院论文提交日期2016年6月TheResearchofImageReconstructionAlgorithmBasedonCompressiveSensingADissertationSubmittedfortheDegreeofMasterCandidate：WanChenghongSupervisor：Prof.YangChunlingSouthChinaUniversityofTechnologyGuangzhou,China分类号：TN919.81学校代

2、号：10561学号：201320109354华南理工大学硕士学位论文图像压缩感知重构算法研究作者姓名：万成宏指导教师姓名、职称：杨春玲教授申请学位级别：工学硕士学科专业名称：信号与信息处理研究方向：图像处理与视频信号处理论文提交日期：2016年06月12日论文答辩日期：2016年06月08日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：马丽红委员：杜明辉刘杰平杨春玲摘要传统图像采集与压缩技术，先以奈奎斯特采样率对信号进行高速采样，再通过复杂的压缩算法丢弃大量冗余数据的方式，不仅造成了采样资源的巨大浪费，同时给系统的处理能力和硬件设备带来了很大的挑战。

3、压缩感知理论给出了一种全新的方法，通过同时进行采样和压缩的方式，大大减轻了采样资源的负担和系统的计算复杂度。重构算法是压缩感知理论研究的核心问题，本文主要针对图像压缩感知重构算法的相关内容进行深入研究，如何利用图像的已知先验信息与重构端的观测数据进行更好的信号重构是本文的研究重点。本文的主要工作和研究成果如下：1、通过深入研究发现，在二维投影梯度重构算法的重构过程中，阈值参数的变化很大程度上影响系统的恢复效果。本文根据不同自然图像的纹理细节特性，结合采样率与小波域系数全变差值的变化特点，提出了重构过程中阈值参数的自适应生成公式。实验结果表明，与阈值参数固定的方式相比较，阈

4、值参数自适应生成的压缩感知算法，在重构图像的视觉效果与重构质量上，都具备明显的优势。2、二维投影梯度重构算法的重构过程由迭代凸投影和双变量阈值收缩组成，其中迭代凸投影操作保证信号始终满足重构过程的基本条件，双变量阈值收缩对信号进行稀疏和滤波操作。随着迭代过程进行，双变量阈值收缩操作的滤波效果受到一定局限性，信号的重构性能趋于稳定状态。本文在压缩感知重构算法的基础上，结合小波域高斯过程回归模型，提出了高斯回归模型下的压缩感知重构后处理方法，对信号进行二次滤波处理，进而提高图像的重构质量。关键词：压缩感知；重构算法；图像重构；自适应阈值参数；高斯过程回归IIIAbstract

5、Intraditionalimagesamplingandcompressionmodel，thesignalisfirstsampledatNyquistrate,thenalargenumberofredundantdataisdiscardviacomplexcompressivealgorithm.Thismethodnotonlycausesthehugewasteofsamplingresource,butalsotakesagreatchallengetothesystemprocessingpowerandhardware.Compressivesensi

6、ngtheoryimplementssamplingandcompressingsimultaneously,whichgreatlyreducesthesamplingresource.Reconstructionalgorithmisthemajorissueofcompressivesensing,thisthesisfocusesontheresearchofimagecompressivesensingreconstructionalgorithm,howtousethepriorinformationandtheobservationdataobtainedb

7、ysamplingtoreconstructthesignalistheresearchemphasis.Themajorworkandresearchresultsofthisthesisareasfollows:1.Bydeeplyresearch,itisfoundthatthresholdparameterusedintwo-dimensionalprojectedgradient(2DPG)algorithmhasagreateffectonthereconstructionperformance.Basedonth