基于魯棒的圖像壓縮感知處理方法研究.pdf

1、當今社會已進入信息時代，而且數(shù)字圖像在各個方面應用越來越廣泛，圖像所攜帶的信息量已經(jīng)遠遠大于語音數(shù)據(jù)，它具有切實、直觀、具體生動、高效等特點，因此，圖像通信已經(jīng)成為人類重要的通信手段之一。傳統(tǒng)的數(shù)字圖像壓縮技術以高效存儲為目標的方法已經(jīng)不適應數(shù)字圖像多服務的不可靠信道傳輸。壓縮感知理論的出現(xiàn)突破了傳統(tǒng)圖像信號處理領域中的兩個難點:奈奎斯特準則對采樣頻率的過高限定而導致對硬件要求的提高;信號處理框架先采樣后壓縮的方式使得效率較低并且浪費存

2、儲空間。本文著重研究圖像壓縮感知技術中的圖像稀疏表示問題，提出了一種針對自然圖像稀疏變換后的基于分塊壓縮采樣模式的壓縮感知處理方案以及與之相對應的模型化CS恢復算法，在保證其圖像恢復能力的同時能提高了CS處理對圖像壓縮的魯棒性。主要的工作如下:
　　 (1)小波變換DWT作為最常用的圖像稀疏變換，應用于壓縮感知處理當中作為圖像信號的稀疏表示。本文對圖像小波系數(shù)能量分布與系數(shù)相關性進行了實驗分析。發(fā)現(xiàn)小波變換后包含重要信息部分的低

3、頻系數(shù)是影響圖像恢復效果和魯棒性的關鍵所在。對低頻系數(shù)的有效處理是提高圖像壓縮感知處理效果的關鍵。
　　 (2)研究并提出壓縮感知圖像處理過程中圖像分塊的方法。多維圖像數(shù)據(jù)在做CS處理時則需要十分龐大的測量矩陣來進行測量，測量過程中要消耗大量的存儲空間來保存測量矩陣，測量速度驟減，恢復算法效率也會降低，因此有效的圖像分塊方式將提高圖像壓縮感知處理的效率和恢復效果，本文對比相應的分塊方法并提出全新的小波域樹形分塊方式，以及相應的恢

4、復算法，通過實驗驗證了這種方法的可行性。
　　 (3)模型化壓縮感知恢復算法的研究和實現(xiàn)，圖像分塊技術要結合相應的恢復算法才能的到更好的圖像恢復效果，本文對比實現(xiàn)了基于塊稀疏模型的BOMP恢復算法并進行了實驗。
　　 (4)研究壓縮感知處理后對圖像信號魯棒性的提升。魯棒性，也就是抗干擾能力，原始圖像經(jīng)過隨機采樣后，它的每一項都是重要的或者說是不重要的，即使丟失了其中某些項，仍然能完美重構，無需向圖像壓縮編碼流中添加糾、檢