在當(dāng)今社會(huì),由于信息的快速發(fā)展,使得人們對(duì)圖像處理和視頻處理的需求越來(lái)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(fèi)大量硬件資源等缺點(diǎn),已經(jīng)不能滿足當(dāng)今社會(huì)對(duì)圖像處理越來(lái)越高的要求。由于壓縮感知理論以亞奈奎斯特速率獲取測(cè)量值并恢復(fù)圖像,因此被廣泛應(yīng)用于圖像處理中。雖然傳統(tǒng)的壓縮感知重構(gòu)算法在一定程度上解決了圖像重構(gòu)方面的缺陷,比如:抗干擾能力差、復(fù)雜度高、浪費(fèi)資源等問題,但是傳統(tǒng)的壓縮感知重構(gòu)算法也面臨著一些問題:傳統(tǒng)的壓縮感知重構(gòu)算法大多都是迭代的,因此這些重構(gòu)算法有計(jì)算成本昂貴,重構(gòu)耗時(shí)久等問題。近幾年,隨著深度學(xué)習(xí)的不斷發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)進(jìn)入了人們的視野。卷積神經(jīng)網(wǎng)絡(luò)因其自適應(yīng)能力強(qiáng),自動(dòng)提取特征,局部感知和權(quán)值共享等優(yōu)勢(shì),已經(jīng)成為另一個(gè)研究熱點(diǎn)。將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于壓縮感知重構(gòu)算法,可有效避免傳統(tǒng)重構(gòu)算法計(jì)算量大的缺點(diǎn),并構(gòu)建一個(gè)良好的重構(gòu)圖像,加快重構(gòu)時(shí)間,達(dá)到實(shí)時(shí)重構(gòu)的效果。本文主要針對(duì)基于卷積神經(jīng)網(wǎng)絡(luò)的壓縮感知重構(gòu)算法進(jìn)行改進(jìn),主要工作如下:(1)提出一種新的壓縮感知重構(gòu)網(wǎng)絡(luò)CombNet,它由一個(gè)線性映射網(wǎng)絡(luò)和十二層的全卷積網(wǎng)絡(luò)構(gòu)成,線性映射網(wǎng)絡(luò)用全連接層來(lái)表示...

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
    1.3 卷積神經(jīng)網(wǎng)絡(luò)的國(guó)內(nèi)外研究現(xiàn)狀
    1.4 本文主要內(nèi)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(cè)量矩陣
        2.1.3 重構(gòu)算法
    2.2 傳統(tǒng)的壓縮感知重構(gòu)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(gòu)算法評(píng)價(jià)標(biāo)準(zhǔn)
3 卷積神經(jīng)網(wǎng)絡(luò)
    3.1 卷積神經(jīng)網(wǎng)絡(luò)簡(jiǎn)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(jīng)網(wǎng)絡(luò)工作原理
    3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的壓縮感知重構(gòu)算法
        3.3.1 Recon Net
        3.3.2 FCMN
        3.3.3 DR2-Net
4 基于卷積神經(jīng)網(wǎng)絡(luò)的壓縮感知重構(gòu)算法
    4.1 線性映射網(wǎng)絡(luò)
    4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的壓縮感知重構(gòu)算法
    4.3 重構(gòu)網(wǎng)絡(luò)
        4.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.2 重構(gòu)模型
    4.4 網(wǎng)絡(luò)訓(xùn)練
    4.5 仿真實(shí)驗(yàn)
        4.5.1 實(shí)驗(yàn)環(huán)境
        4.5.2 實(shí)驗(yàn)結(jié)果及分析
    4.6 本章小結(jié)
5 基于殘差網(wǎng)絡(luò)的壓縮感知重構(gòu)算法
    5.1 殘差網(wǎng)絡(luò)原理
    5.2 基于殘差網(wǎng)絡(luò)的壓縮感知重構(gòu)算法
    5.3 重構(gòu)網(wǎng)絡(luò)
        5.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
        5.3.2 重構(gòu)模型
    5.4 網(wǎng)絡(luò)訓(xùn)練
    5.5 仿真實(shí)驗(yàn)
        5.5.1 實(shí)驗(yàn)環(huán)境
        5.5.2 實(shí)驗(yàn)結(jié)果及分析
    5.6 本章小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果



本文編號(hào)：3824024