壓縮感知理論突破了傳統(tǒng)奈奎斯特采樣定理的約束,證明了稀疏信號能夠以其降維采樣的測量值準確重構。壓縮成像是壓縮感知理論的重要應用方向,在磁共振成像、遙感成像與雷達成像等領域具有廣泛應用前景。壓縮感知圖像的有效重構是壓縮成像應用關心的核心問題之一。目前,基于深度學習的方法為壓縮感知圖像的快速高質(zhì)量重構提供了良好潛能,相關研究引起了該領域研究人員的極大興趣。本文面向壓縮成像實時應用需要,重點圍繞基于深度網(wǎng)絡的圖像壓縮感知重構方法開展研究,特別探討了基于卷積神經(jīng)網(wǎng)絡和深度模型展開的方法,在更好提升重構圖像質(zhì)量以及有效降低深度網(wǎng)絡訓練難度方面,取得了一些有意義的結果。工作內(nèi)容如下:1)提出了一種級聯(lián)模型展開與殘差學習的圖像壓縮感知重構網(wǎng)絡。盡管通常情況下增加深度網(wǎng)絡的深度,一定程度上會改進系統(tǒng)性能,但是網(wǎng)絡深度的加深會導致網(wǎng)絡訓練難度的加大。在研究基于深度模型展開網(wǎng)絡的基礎上,提出在減少原有深度模型展開網(wǎng)絡層數(shù)的基礎上,在其后端級聯(lián)一個獨立的殘差去噪網(wǎng)絡,從而達到圖像重構質(zhì)量提升的同時,有效降低訓練難度。前端的基于模型展開的深度網(wǎng)絡,繼承了模型優(yōu)化方法具有良好可解釋性的優(yōu)點,首先從壓縮測量值中求... 

【文章來源】：中南民族大學湖北省

【文章頁數(shù)】：49 頁

【學位級別】：碩士

【部分圖文】：

05采樣率下Brain1重構對比圖

05采樣率下Brain2重構對比圖

1采樣率下Leaves重構對比圖

【參考文獻】：
期刊論文
[1]加權結構組稀疏表示的圖像壓縮感知重構[J]. 李佳,高志榮,熊承義,周城.  通信學報. 2017(02)
[2]基于近似消息傳遞算法的壓縮感知雷達成像方法[J]. 唐琳,焦淑紅.  智能系統(tǒng)學報. 2015(04)
[3]信號壓縮重構的正交匹配追蹤類算法綜述[J]. 楊真真,楊震,孫林慧.  信號處理. 2013(04)
[4]壓縮感知的冗余字典及其迭代軟閾值實現(xiàn)算法[J]. 趙慧民,倪霄.  電路與系統(tǒng)學報. 2013(01)
[5]迭代硬閾值壓縮感知重構算法——IIHT[J]. 張宗念,李金徽,黃仁泰.  計算機應用. 2011(08)
[6]壓縮感知回顧與展望[J]. 焦李成,楊淑媛,劉芳,侯彪.  電子學報. 2011(07)



本文編號：3066489