作為二十一世紀初期最新的信號處理技術(shù),壓縮感知打破了奈奎斯特采樣定理對采樣速率的苛刻要求,實現(xiàn)了圖像信號的同時采樣和壓縮。其利用圖像信號具有稀疏性或在某個域內(nèi)可以稀疏表示的特點,通過觀測矩陣獲得的少量測量值和重構(gòu)算法精確重構(gòu)原始信號。由于從少量的觀測值恢復原始信號是一個病態(tài)的問題,不能獲得唯一解,因此充分利用圖像的先驗信息是保障圖像高精度重構(gòu)的關鍵。本文基于圖像稀疏表示的先驗信息對重構(gòu)算法進行了深入研究,取得的創(chuàng)新性成果如下:1.針對基于組稀疏表示的重構(gòu)算法只考慮圖像的稀疏性和非局部相似性,沒有考慮圖像的局部平滑特性,從而導致圖像的細節(jié)出現(xiàn)過度平滑這一問題,本文提出了一種基于組稀疏表示和加權(quán)全變分的圖像壓縮感知重構(gòu)算法。該算法考慮信號的稀疏性、非局部相似性和平滑性三種先驗信息,針對傳統(tǒng)的加權(quán)全變分模型采用全局加權(quán)會引入錯誤信息這一問題,采用一種新的加權(quán)策略,只對圖像的高頻分量設置權(quán)重,有效地保護了圖像的細節(jié)信息。此外,針對硬閾值迭代法忽略低頻的主分量系數(shù)這一問題,采用硬閾值模平方法來更好地保護非主分量系數(shù)。實驗結(jié)果表明,與主流的壓縮感知重構(gòu)算法相比,所提算法的峰值信噪比和結(jié)構(gòu)相似度均取... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

四幅標準測試圖像

House在各重

重慶郵電大學碩士學位論文第3章基于組稀疏表示和加權(quán)全變分的圖像壓縮感知重構(gòu)算法243.視界效果對比圖通過不同算法的重構(gòu)圖像和原圖進行對比來驗證算法的有效性，圖3.2、圖3.3、圖3.4和圖3.5分別表示House、Barbara、Monarch和Starfish在各相同采樣率下比較算法重構(gòu)圖像的主觀視覺質(zhì)量對比，其對應的采樣率分別為0.05、0.10、0.10、和0.40。通過視覺觀察可知，在圖3.3中NLRTV算法在圖像邊緣、紋理等細節(jié)方面沒有得到較好的保護，重構(gòu)圖像視覺質(zhì)量較差，GSR算法由于沒有考慮圖像的平滑特性，因此在精細的紋理部分出現(xiàn)平滑現(xiàn)象，GSR-WTV算法對GSR算法做了改進，將局部平滑模型轉(zhuǎn)化到正則項中，來防止圖像出現(xiàn)過平滑，對精細的紋理部分有更好地保護作用，說明了本章提出的算法重構(gòu)出的圖像較好地保護了圖像的紋理和邊緣的細節(jié)信息。(a)原圖像(b)NLRTV(PSNR=25.62dB)(c)GSR-NCR(PSNR=27.69dB)(d)ALSB(PSNR=28.03dB)(e)GSR(PSNR=27.67dB)(f)GSR-WTV(PSNR=29.22dB)圖3.2House在各重構(gòu)算法下的視覺對比圖


本文編號：3100872