壓縮感知理論打破了傳統(tǒng)Nyquist采樣定理對采樣速率的限制,是一種更為簡潔的圖像采樣壓縮方法。該理論針對稀疏信號或可稀疏表示的信號,以遠(yuǎn)低于信號帶寬2倍的速率對信號進(jìn)行采樣,通過獲得少量測量值,并根據(jù)相應(yīng)的重建優(yōu)化算法精確或高概率地重建出原始信號。從少量的測量值中重建出原始圖像本質(zhì)上是一個欠定問題,可利用自然圖像的先驗?zāi)Ｐ蛯獾目臻g進(jìn)行正則化約束,從而逼近真實解,其中圖像的先驗信息在重建算法中起到了關(guān)鍵作用。因此,本文從圖像的非局部自相似先驗?zāi)Ｐ统霭l(fā),對壓縮感知重建算法展開研究,具體研究內(nèi)容如下:1.針對基于傳統(tǒng)全變分模型的圖像壓縮感知重建算法不能有效地恢復(fù)圖像細(xì)節(jié)和紋理,從而導(dǎo)致圖像的過平滑問題,本文提出了一種基于結(jié)構(gòu)組全變分模型的圖像壓縮感知重建算法。該算法利用圖像的非局部自相似性和結(jié)構(gòu)稀疏特性,將圖像的重建問題轉(zhuǎn)化為由非局部自相似圖像塊構(gòu)建的結(jié)構(gòu)組全變分模型的最小化問題。算法以結(jié)構(gòu)組全變分模型為正則化約束項構(gòu)建優(yōu)化模型,利用分裂Bregman迭代將算法分離成多個子問題,并分別采用最速梯度下降算法和原始對偶算法進(jìn)行求解。所提出的算法利用圖像自身的信息和結(jié)構(gòu)稀疏特性來保護(hù)圖像的細(xì)節(jié)... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【圖文】：

圖像的結(jié)構(gòu)組構(gòu)造

第 3 章 基于結(jié)構(gòu)組全變分模型的圖像壓縮感知重建3.4 仿真實驗及結(jié)果分析在實驗中，選取了內(nèi)容豐富、特征鮮明、結(jié)構(gòu)復(fù)雜以及紋理和細(xì)節(jié)較豐富的最具代表的 6 幅圖像作為測試圖像，如圖 3.2 所示。同時為降低計算的復(fù)雜度，采取分塊 CS 的方法，將圖像劃分大小為32 32的不重疊圖像塊，對每一個圖像塊，按相同采樣率進(jìn)行采樣獲得測量值。算法中的測量矩陣采用高斯隨機測量矩陣。

本章提出的 SGTV 算法重建圖像的主觀視覺效果最好，不僅在平滑區(qū)域沒有混疊信號，同時對圖像的細(xì)節(jié)和紋理保護(hù)得非常好，特別是對紋理和細(xì)節(jié)豐富的 Barba圖像提升性能最為顯著，在所有的采樣率下 PSNR 都至少提高了 4dB，這是由于圖像的非局部自相似塊構(gòu)建的結(jié)構(gòu)組在梯度域中展現(xiàn)出的稀疏性有利于圖像 CS 重建，使得重建的圖像具有更加尖銳的邊緣和更豐富的細(xì)節(jié)。(a) 原始圖像 (b)DWT (PSNR=24.09dB;FSIM=0.8383)(c)TV(PSNR=23.79dB;FSIM=0.8202)

【參考文獻(xiàn)】：
期刊論文
[1]基于非局部相似塊低秩的壓縮感知圖像重建算法[J]. 宋云,李雪玉,沈燕飛,楊高波.  電子學(xué)報. 2017(03)
[2]壓縮感知回顧與展望[J]. 焦李成,楊淑媛,劉芳,侯彪.  電子學(xué)報. 2011(07)



本文編號：3222536