隨著多媒體技術(shù)的快速發(fā)展和各種智能電子設(shè)備的日益普及,以圖像為代表的多媒體通信已成為現(xiàn)代網(wǎng)絡(luò)通信的主流形式。圖像信號不同于普通的文本音頻數(shù)據(jù),具有大數(shù)據(jù)量、高冗余度、強像素相關(guān)性的特點,因而如何安全地將圖像傳送到接收端,并將其高精度恢復(fù)成為圖像處理領(lǐng)域的一項研究熱點。壓縮感知（CS,Compressed Sensing）通過對圖像的壓縮測量,同時對信號進行壓縮和采樣,且測量過程具有較強的安全性,在重構(gòu)端通過求解優(yōu)化問題從少量的低維投影測量值中,以高概率重構(gòu)出原始高維信號。CS理論的應(yīng)用顯著降低了數(shù)據(jù)采集、存儲和傳輸?shù)拇鷥r,節(jié)省了信號的處理時間和設(shè)備成本,能夠為圖像處理在多媒體通信的應(yīng)用提供理論基礎(chǔ)。本論文基于CS理論,以實現(xiàn)圖像的安全傳輸和高效重構(gòu)為目的,研究了圖像信號的分類字典構(gòu)造方法,并基于此構(gòu)造超分辨率重構(gòu)算法,然后研究了面向安全傳輸?shù)膱D像重構(gòu)方法,最后將CS理論應(yīng)用于智能交通中,實現(xiàn)對車輛類別的快速識別檢測。本論文的具體工作概括如下:第一,首先基于CS理論,說明了圖像的頻域特征和CS測量域特征呈近似線性相關(guān)性;然后基于測量域的相關(guān)性特征,對圖像塊按照其結(jié)構(gòu)特點分為平滑塊、紋理塊... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：130 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 壓縮感知理論現(xiàn)狀
    1.3 圖像安全傳輸與超分辨率重構(gòu)研究現(xiàn)狀
        1.3.1 超分辨率重構(gòu)研究現(xiàn)狀
        1.3.2 圖像安全傳輸研究現(xiàn)狀
    1.4 課題來源及主要貢獻(xiàn)
    1.5 論文結(jié)構(gòu)
第二章 論文相關(guān)理論及方法介紹
    2.1 壓縮感知理論簡介
        2.1.1 壓縮感知基本框架
    2.2 超分辨率簡介
        2.2.1 超分辨率的主要重建算法
        2.2.2 超分辨率在壓縮感知理論上的建模
    2.3 基于壓縮感知的圖像安全傳輸
        2.3.1 壓縮感知與圖像加密的內(nèi)在聯(lián)系
    2.4 小結(jié)
第三章 基于測量域特征的分類字典構(gòu)造方法
    3.1 圖像測量域與頻域的近似線性相關(guān)性
        3.1.1 圖像頻域相關(guān)性
        3.1.2 圖像測量域相關(guān)性
        3.1.3 測量域與頻域相關(guān)度的近似線性關(guān)系
    3.2 基于測量域特征構(gòu)造分類字典
        3.2.1 基于測量域特征對圖像塊進行分類
        3.2.2 自適應(yīng)分配采樣率
        3.2.3 字典訓(xùn)練
    3.3 實驗結(jié)果
        3.3.1 基于測量域特征分類結(jié)果
        3.3.2 字典訓(xùn)練結(jié)果
        3.3.3 重構(gòu)圖像質(zhì)量
    3.4 小結(jié)
第四章 基于字典學(xué)習(xí)與相似性約束的超分辨率重構(gòu)算法
    4.1 分類字典訓(xùn)練
    4.2 圖像內(nèi)部與圖像間相似性分析
    4.3 相似性約束與分類字典的聯(lián)合重構(gòu)算法
    4.4 標(biāo)準(zhǔn)測試圖像實驗結(jié)果
        4.4.1 評價標(biāo)準(zhǔn)
        4.4.2 主觀質(zhì)量
        4.4.3 客觀質(zhì)量
    4.5 應(yīng)用于腦部MRI圖像的聯(lián)合超分辨率重構(gòu)
    4.6 小結(jié)
第五章 面向圖像安全傳輸?shù)膲嚎s感知重構(gòu)方法
    5.1 基于單輪訓(xùn)練字典與隨機索引的圖像加密傳輸
        5.1.1 混沌序列控制的測量矩陣
        5.1.2 利用Sigmoid函數(shù)對測量值進行量化
        5.1.3 單輪訓(xùn)練字典
    5.2 安全傳輸性能分析
        5.2.1 密鑰空間
        5.2.2 密鑰敏感度
        5.2.3 像素相關(guān)性分布情況
    5.3 重構(gòu)圖像質(zhì)量
    5.4 小結(jié)
第六章 測量域圖像處理在車型識別中的應(yīng)用
    6.1 基于測量域特征的顯著圖
        6.1.1 圖像在測量域與頻域的特征關(guān)系
        6.1.2 測量域顯著圖
        6.1.3 基于顯著圖的窗口標(biāo)定
    6.2 用CSCNN進行分類
        6.2.1 CS-CNN框架
        6.2.2 結(jié)合測量域顯著圖的CSCNN車輛分類
    6.3 實驗結(jié)果
        6.3.1 顯著圖和窗口標(biāo)定實驗結(jié)果
        6.3.2 車輛分類結(jié)果
    6.4 小結(jié)
第七章 總結(jié)與展望
    7.1 總結(jié)
    7.2 下一步工作
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于稀疏表示的超分辨率圖像重建[J]. 周林園,蘇彩霞,曹永鋒.  計算機工程與設(shè)計. 2016(12)
[2]基于壓縮感知的魯棒可分離的密文域水印算法[J]. 肖迪,鄧秘密,張玉書.  電子與信息學(xué)報. 2015(05)
[3]基于Gabor特征和字典學(xué)習(xí)的高斯混合稀疏表示圖像識別[J]. 詹曙,王俊,楊福猛,方琪.  電子學(xué)報. 2015(03)
[4]壓縮感知回顧與展望[J]. 焦李成,楊淑媛,劉芳,侯彪.  電子學(xué)報. 2011(07)
[5]一次一密體制的安全性分析與改進[J]. 王勇,朱芳來.  四川大學(xué)學(xué)報(工程科學(xué)版). 2007(S1)



本文編號：3012787