基于多形態(tài)稀疏表示的圖像壓縮感知重構(gòu)算法研究.pdf

1、壓縮感知理論是新興起的采樣思想,能夠以很低的信號(hào)采樣率重建信號(hào)并且保證其精確度。自此理論提出以來(lái),我們一直致力于構(gòu)思出良好的稀疏表示算法。在此背景下,本文著重研究的課題是圖像信號(hào)的稀疏表示和相應(yīng)壓縮感知的重構(gòu)算法。本文工作的主要成果和創(chuàng)新總結(jié)如下:
　　(1)研究了多形態(tài)稀疏表示方法,區(qū)別于以往壓縮所用的小波變換,多形態(tài)稀疏表示能良好表示圖像輪廓,紋理邊緣細(xì)節(jié)等信息,能夠?qū)D像從粗分辨率到細(xì)分辨率在各尺度上取得精確近似值。多形態(tài)稀

2、疏表示還可以提供多方向信息,根據(jù)曲線走向,自適應(yīng)地形成長(zhǎng)條形基,來(lái)描述圖像的平滑連續(xù)輪廓,根據(jù)具體的實(shí)驗(yàn)仿真結(jié)果表明多稀疏表示效果優(yōu)于其他的方法。
　　(2)提出了Curvelet變換稀疏表示與迭代硬閾值相結(jié)合的重構(gòu)算法。重構(gòu)時(shí),該重構(gòu)算法在每次迭代更新后,進(jìn)行Curvelet變換,再用小波閾值函數(shù)方法解決信號(hào)的重構(gòu)噪聲問(wèn)題,最終在迭代收斂條件滿足的情況下,輸出重構(gòu)圖像。實(shí)驗(yàn)結(jié)果可以看出,相比于其他重構(gòu)算法,在時(shí)間與重構(gòu)質(zhì)量上都有