本文關(guān)鍵詞：遙感圖像的快速壓縮算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：在大數(shù)據(jù)時代,處理數(shù)據(jù)的規(guī)模輕易的就能超過兆字節(jié),FFT的處理速度已經(jīng)跟不上“快”的步伐。最近國內(nèi)外稀疏信號處理最受歡迎的兩個趨勢：壓縮感知和稀疏傅里葉變換。壓縮感知和稀疏快速傅里葉變換分別被評為2007年和2012年美國《技術(shù)評論》上10項改變世界的新技術(shù)之一。本文在壓縮感知CS和稀疏快速傅里葉變換SFFT的理論基礎(chǔ)上,以遙感衛(wèi)星圖像作為研究對象,深入探討了CS的三種經(jīng)典重構(gòu)算法OMP, SAMP, StOMP,并提出改進的算法,最后創(chuàng)新性的將改進的SFFT算法用于遙感圖像的壓縮,使得重構(gòu)圖像在效率和質(zhì)量上都達到很高的水平。本文的主要工作如下：首先對CS關(guān)鍵技術(shù)中重構(gòu)算法：OMP, SAMP以及StOMP進行性能比較。綜合考慮重構(gòu)時間和重構(gòu)圖像質(zhì)量,本文創(chuàng)新性地提出了基于梯度追蹤GP的StOMP算法,也即StOGP算法。它在原子選擇上使用StOMP算法,該算法運行效率高,且能夠在稀疏度K未知的情況下,采用一種步長的思想來實現(xiàn)信號自適應(yīng)的逼近。在余量更新時使用GP算法,該算法重構(gòu)信號效果好,復(fù)雜度不高。通過對遙感圖像的實驗結(jié)果可以看出,StOGP算法在保證很高的實時效率的同時提高了圖像重建效果,較傳統(tǒng)算法性能更佳；接著討論了實現(xiàn)SFFT算法的具體流程,詳細探討了三種改進的SFFT算法的不同,并通過實驗仿真衡量三種算法的性能,然后將綜合性能最好的改進SFFT3算法用于遙感圖像的壓縮,通過與壓縮感知重構(gòu)算法中時間效率最高的StOMP算法和重構(gòu)質(zhì)量最好SAMP算法進行仿真對比,結(jié)果表明,基于改進的SFFT3算法重構(gòu)時間遠遠低于CS的StOM P,重構(gòu)質(zhì)量也高于CS的SAMP�？梢奡FFT算法在未來信號處理領(lǐng)域具有很好的應(yīng)用前景。
【關(guān)鍵詞】：遙感圖像壓縮 壓縮感知 稀疏快速傅里葉變換 梯度追蹤
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP751
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-20
• 1.1 課題研究背景和意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 壓縮感知理論的研究現(xiàn)狀13-14
• 1.2.2 稀疏快速傅里葉變換的研究現(xiàn)狀14-16
• 1.3 圖像壓縮重構(gòu)質(zhì)量的評價16-18
• 1.3.1 主觀評價方法16-17
• 1.3.2 客觀評價方法17-18
• 1.4 論文的研究內(nèi)容和結(jié)構(gòu)安排18-20
• 2 壓縮感知和稀疏快速傅里葉變換關(guān)鍵技術(shù)20-35
• 2.1 引言20
• 2.2 壓縮感知理論研究20-25
• 2.2.1 信號的稀疏表示20-23
• 2.2.2 測量矩陣23-24
• 2.2.3 信號重構(gòu)24-25
• 2.3 稀疏快速傅里葉變換理論25-34
• 2.3.1 SFFT的算法原理26-28
• 2.3.2 隨機頻率分箱28-29
• 2.3.3 窗函數(shù)29-30
• 2.3.4 子采樣和FFT30
• 2.3.5 單一頻率恢復(fù)30-32
• 2.3.6 濾波分離頻率32-34
• 2.4 本章小結(jié)34-35
• 3 基于壓縮感知的遙感圖像的壓縮算法35-46
• 3.1 引言35
• 3.2 壓縮感知重構(gòu)算法分析35-41
• 3.2.1 正交匹配追蹤OMP算法36-37
• 3.2.2 稀疏自適應(yīng)匹配追蹤SAMP算法37-38
• 3.2.3 步移正交匹配追蹤算法StOMP算法38
• 3.2.4 性能分析比較38-41
• 3.3 基于梯度追蹤的STOMP算法41-45
• 3.3.1 基于優(yōu)化的StOMP遙感圖像的壓縮42-43
• 3.3.2 仿真實驗結(jié)果43-45
• 3.4 本章小結(jié)45-46
• 4 基于稀疏快速傅里葉變換的遙感圖像的壓縮46-63
• 4.1 引言46
• 4.2 三種不同SFFT算法的比較46-53
• 4.2.1 SFFT1算法47-49
• 4.2.2 SFFT2算法49-50
• 4.2.3 SFFT3算法50-52
• 4.2.4 三種算法的比較52-53
• 4.3 基于改進的SFFT3的遙感圖像的快速算法53-61
• 4.3.1 進制搜索技術(shù)53-56
• 4.3.2 濾波器的設(shè)計56
• 4.3.3 算法驗證56-60
• 4.3.4 稀疏性研究60-61
• 4.4 本章小結(jié)61-63
• 5 結(jié)論63-65
• 5.1 工作總結(jié)63-64
• 5.2 工作展望64-65
• 參考文獻65-69
• 作者簡歷及攻讀碩士/博士學(xué)位期間取得的研究成果69-71
• 學(xué)位論文數(shù)據(jù)集71

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張麗芳;;3種聚類算法性能比較分析[J];長江大學(xué)學(xué)報(自然科學(xué)版)理工卷;2009年02期

2 張宏哲;;FFT算法的一種改進[J];長安大學(xué)學(xué)報(自然科學(xué)版);1988年01期

3 江少鋒,楊素華;一種簡單高效的圖象縮小算法[J];南昌航空工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2003年04期

4 蔡濤,王潤生;分開合并算法的若干討論和改進[J];國防科技大學(xué)學(xué)報;2000年04期

5 樊祥;方義強;程正東;朱斌;施展;;基于AHP的跟蹤算法性能評價研究[J];彈箭與制導(dǎo)學(xué)報;2013年02期

6 秦緒紅;趙杰;程俊廷;;手持式三維激光掃描儀定位算法的研究[J];科學(xué)技術(shù)與工程;2013年23期

7 武志昊;林友芳;田盛豐;唐銳;;高度重疊社區(qū)的社區(qū)合并優(yōu)化算法[J];北京交通大學(xué)學(xué)報;2011年03期

8 唐偉;;基于軟件實現(xiàn)的誤差算法自動分析處理[J];硅谷;2012年16期

9 范曉平;;最小生成樹(MST)的“分級選樹”算法[J];西南交通大學(xué)學(xué)報;1983年01期

10 陳廣江;用MUSIC算法處理非均勻間隔采樣數(shù)據(jù)[J];系統(tǒng)工程與電子技術(shù);1998年09期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強算法[A];四川省通信學(xué)會一九九二年學(xué)術(shù)年會論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計算機輔助增強、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價值[A];中華醫(yī)學(xué)會第十次全國超聲醫(yī)學(xué)學(xué)術(shù)會議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

4 鄭存紅;;復(fù)雜背景下相關(guān)跟蹤算法研究及DSP實現(xiàn)[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術(shù)新進展——第十三屆全國青年通信學(xué)術(shù)會議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標(biāo)TBD算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機器人設(shè)計[A];2011年全國電子信息技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對稱分片復(fù)制連接算法優(yōu)化技術(shù)研究[A];第29屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復(fù)結(jié)構(gòu)的多尺度快速檢測算法[A];第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵金祥;;基于棱邊方向檢測的運動自適應(yīng)去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 國泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍首?[N];上海證券報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復(fù)旦大學(xué);2013年

2 許玉杰;云計算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學(xué);2014年

3 李琰;基于貓群算法的高光譜遙感森林類型識別研究[D];東北林業(yè)大學(xué);2015年

4 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學(xué);2014年

5 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學(xué);2015年

6 雷雨;面向考試時間表問題的啟發(fā)式進化算法研究[D];西安電子科技大學(xué);2015年

7 熊霖;大數(shù)據(jù)下的數(shù)據(jù)選擇與學(xué)習(xí)算法研究[D];西安電子科技大學(xué);2015年

8 周雷;基于圖結(jié)構(gòu)的目標(biāo)檢測與分割算法研究[D];上海交通大學(xué);2014年

9 王冰;人工蜂群算法的改進及相關(guān)應(yīng)用的研究[D];北京理工大學(xué);2015年

10 蔣亦樟;多視角和遷移學(xué)習(xí)識別方法和智能建模研究[D];江南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 姚鑫宇;EMD去噪與MUSIC算法在DOA估計中的聯(lián)合應(yīng)用[D];昆明理工大學(xué);2015年

2 陸進;面向含噪數(shù)據(jù)聚類相關(guān)算法的研究[D];復(fù)旦大學(xué);2014年

3 李家昌;基于能量約束的超聲圖像自動分割算法[D];華南理工大學(xué);2015年

4 陳堅;基于密度和約束的數(shù)據(jù)流聚類算法研究[D];蘭州大學(xué);2015年

5 高健;基于Zynq7000平臺的去霧算法研究及實現(xiàn)[D];南京理工大學(xué);2015年

6 顧磊;基于Hadoop的聚類算法的數(shù)據(jù)優(yōu)化及其應(yīng)用研究[D];南京信息工程大學(xué);2015年

7 楊燕霞;基于Hadoop平臺的并行關(guān)聯(lián)規(guī)則挖掘算法研究[D];四川師范大學(xué);2015年

8 王羽;基于MapReduce的社區(qū)發(fā)現(xiàn)算法的設(shè)計與實現(xiàn)[D];南京理工大學(xué);2015年

9 許振佳;流式數(shù)據(jù)的并行聚類算法研究[D];曲阜師范大學(xué);2015年

10 董琴;人工蜂群算法的改進與應(yīng)用[D];大連海事大學(xué);2015年

  本文關(guān)鍵詞：遙感圖像的快速壓縮算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：443296