基于壓縮感知的塊稀疏信號重構和圖像分塊采樣算法研究.pdf

1、壓縮感知理論(Compressed Sensing，CS)是一種以壓縮和采樣同時進行為核心思想的信號處理技術。它突破了傳統(tǒng)奈奎斯特采樣定理的采樣限制，以較小的采樣樣本可以高保真地還原信號，使得其在信號處理、圖像處理以及無線通信等領域的應用受到人們高度的關注。在CS理論的基礎上，塊稀疏信號和圖像分塊壓縮感知是近年來兩個熱門的研究方向。本文針對塊稀疏信號的重構問題和圖像分塊壓縮感知下圖像塊的采樣問題進行了深入研究，主要的研究內(nèi)容如下:

2、>　　本文首先對CS理論中常用的測量矩陣和經(jīng)典的貪婪追蹤算法的優(yōu)缺點進行了分析和總結(jié)。在壓縮感知理論的基礎上，針對塊稀疏度需要先驗以及階段長的初始參數(shù)設定對算法性能影響較大的問題，提出了基于塊稀疏度估計的壓縮感知自適應重構算法;該算法采用塊稀疏度估計計算得到塊稀疏度的估計值，并依據(jù)該估計值對階段長和殘差進行初始化，同時結(jié)合子空間追蹤、相關最大化原則以及正則化原則重構塊稀疏信號。在Matlab2015a平臺上對基于塊稀疏度估計的壓縮感知自

3、適應重構算法加以實現(xiàn)并結(jié)合相應的仿真實驗驗證算法的有效性，實驗表明，該算法不僅能獲得較優(yōu)的重構成功概率，還能有效縮短信號重構所需的運行時間。
　　然后針對圖像分塊壓縮感知下采用相同采樣率導致重構時易產(chǎn)生塊效應的問題，提出了基于圖像信息量差異的自適應塊壓縮感知方法;該方法采用所定義的圖像信息量差異系數(shù)區(qū)分圖像塊的信息含量差異，并采用所提出的擇優(yōu)分配自適應采樣策略對圖像塊采樣，依據(jù)采樣結(jié)果重構各圖像塊后將各圖像塊組合成完整的圖像。在M