作為二十一世紀(jì)初期最新的信號(hào)處理技術(shù),壓縮感知打破了奈奎斯特采樣定理對(duì)采樣速率的苛刻要求,實(shí)現(xiàn)了圖像信號(hào)的同時(shí)采樣和壓縮。其利用圖像信號(hào)具有稀疏性或在某個(gè)域內(nèi)可以稀疏表示的特點(diǎn),通過(guò)觀測(cè)矩陣獲得的少量測(cè)量值和重構(gòu)算法精確重構(gòu)原始信號(hào)。由于從少量的觀測(cè)值恢復(fù)原始信號(hào)是一個(gè)病態(tài)的問(wèn)題,不能獲得唯一解,因此充分利用圖像的先驗(yàn)信息是保障圖像高精度重構(gòu)的關(guān)鍵。本文基于圖像稀疏表示的先驗(yàn)信息對(duì)重構(gòu)算法進(jìn)行了深入研究,取得的創(chuàng)新性成果如下:1.針對(duì)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(méi)有考慮圖像的局部平滑特性,從而導(dǎo)致圖像的細(xì)節(jié)出現(xiàn)過(guò)度平滑這一問(wèn)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(hào)的稀疏性、非局部相似性和平滑性三種先驗(yàn)信息,針對(duì)傳統(tǒng)的加權(quán)全變分模型采用全局加權(quán)會(huì)引入錯(cuò)誤信息這一問(wèn)題,采用一種新的加權(quán)策略,只對(duì)圖像的高頻分量設(shè)置權(quán)重,有效地保護(hù)了圖像的細(xì)節(jié)信息。此外,針對(duì)硬閾值迭代法忽略低頻的主分量系數(shù)這一問(wèn)題,采用硬閾值模平方法來(lái)更好地保護(hù)非主分量系數(shù)。實(shí)驗(yàn)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(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

四幅標(biāo)準(zhǔn)測(cè)試圖像

House在各重

重慶郵電大學(xué)碩士學(xué)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(duì)比圖通過(guò)不同算法的重構(gòu)圖像和原圖進(jìn)行對(duì)比來(lái)驗(yàn)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(jué)質(zhì)量對(duì)比，其對(duì)應(yīng)的采樣率分別為0.05、0.10、0.10、和0.40。通過(guò)視覺(jué)觀察可知，在圖3.3中NLRTV算法在圖像邊緣、紋理等細(xì)節(jié)方面沒(méi)有得到較好的保護(hù)，重構(gòu)圖像視覺(jué)質(zhì)量較差，GSR算法由于沒(méi)有考慮圖像的平滑特性，因此在精細(xì)的紋理部分出現(xiàn)平滑現(xiàn)象，GSR-WTV算法對(duì)GSR算法做了改進(jìn)，將局部平滑模型轉(zhuǎn)化到正則項(xiàng)中，來(lái)防止圖像出現(xiàn)過(guò)平滑，對(duì)精細(xì)的紋理部分有更好地保護(hù)作用，說(shuō)明了本章提出的算法重構(gòu)出的圖像較好地保護(hù)了圖像的紋理和邊緣的細(xì)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(jué)對(duì)比圖


本文編號(hào)：3100872