在當今社會,由于信息的快速發(fā)展,使得人們對圖像處理和視頻處理的需求越來越高。奈奎斯特采樣定律因其采樣成本大,冗余數(shù)據(jù)多,浪費大量硬件資源等缺點,已經不能滿足當今社會對圖像處理越來越高的要求。由于壓縮感知理論以亞奈奎斯特速率獲取測量值并恢復圖像,因此被廣泛應用于圖像處理中。雖然傳統(tǒng)的壓縮感知重構算法在一定程度上解決了圖像重構方面的缺陷,比如:抗干擾能力差、復雜度高、浪費資源等問題,但是傳統(tǒng)的壓縮感知重構算法也面臨著一些問題:傳統(tǒng)的壓縮感知重構算法大多都是迭代的,因此這些重構算法有計算成本昂貴,重構耗時久等問題。近幾年,隨著深度學習的不斷發(fā)展,卷積神經網(wǎng)絡進入了人們的視野。卷積神經網(wǎng)絡因其自適應能力強,自動提取特征,局部感知和權值共享等優(yōu)勢,已經成為另一個研究熱點。將卷積神經網(wǎng)絡應用于壓縮感知重構算法,可有效避免傳統(tǒng)重構算法計算量大的缺點,并構建一個良好的重構圖像,加快重構時間,達到實時重構的效果。本文主要針對基于卷積神經網(wǎng)絡的壓縮感知重構算法進行改進,主要工作如下:(1)提出一種新的壓縮感知重構網(wǎng)絡CombNet,它由一個線性映射網(wǎng)絡和十二層的全卷積網(wǎng)絡構成,線性映射網(wǎng)絡用全連接層來表示...

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景及意義
    1.2 壓縮感知國內外研究現(xiàn)狀
    1.3 卷積神經網(wǎng)絡的國內外研究現(xiàn)狀
    1.4 本文主要內容及章節(jié)安排
2 圖像壓縮感知原理
    2.1 壓縮感知原理
        2.1.1 稀疏性
        2.1.2 測量矩陣
        2.1.3 重構算法
    2.2 傳統(tǒng)的壓縮感知重構算法
        2.2.1 BP算法
        2.2.2 匹配追蹤(MP)算法
        2.2.3 正交匹配追蹤(OMP)算法
        2.2.4 D-AMP算法
    2.3 分塊圖像壓縮感知原理
    2.4 重構算法評價標準
3 卷積神經網(wǎng)絡
    3.1 卷積神經網(wǎng)絡簡介
        3.1.1 卷積層
        3.1.2 池化層
        3.1.3 全連接層
        3.1.4 激活函數(shù)
    3.2 卷積神經網(wǎng)絡工作原理
    3.3 基于卷積神經網(wǎng)絡的壓縮感知重構算法
        3.3.1 Recon Net
        3.3.2 FCMN
        3.3.3 DR2-Net
4 基于卷積神經網(wǎng)絡的壓縮感知重構算法
    4.1 線性映射網(wǎng)絡
    4.2 基于卷積神經網(wǎng)絡的壓縮感知重構算法
    4.3 重構網(wǎng)絡
        4.3.1 網(wǎng)絡結構
        4.3.2 重構模型
    4.4 網(wǎng)絡訓練
    4.5 仿真實驗
        4.5.1 實驗環(huán)境
        4.5.2 實驗結果及分析
    4.6 本章小結
5 基于殘差網(wǎng)絡的壓縮感知重構算法
    5.1 殘差網(wǎng)絡原理
    5.2 基于殘差網(wǎng)絡的壓縮感知重構算法
    5.3 重構網(wǎng)絡
        5.3.1 網(wǎng)絡結構
        5.3.2 重構模型
    5.4 網(wǎng)絡訓練
    5.5 仿真實驗
        5.5.1 實驗環(huán)境
        5.5.2 實驗結果及分析
    5.6 本章小結
結論
致謝
參考文獻
攻讀學位期間的研究成果



本文編號：3824024