資源描述：
《基于圖像稀疏表示與非線性壓縮感知的相位恢復(fù)算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、碩士學(xué)位論文MASTER’SDISSERTATION論文題目基于圖像稀疏表示與非線性壓縮感知的相位恢復(fù)算法研究作者姓名魏天姣學(xué)科專業(yè)信息與通信工程指導(dǎo)教師練秋生教授2016年5月中圖分類號：TN911.73學(xué)校代碼：10216UDC：621.39密級：公開工學(xué)碩士學(xué)位論文基于圖像稀疏表示與非線性壓縮感知的相位恢復(fù)算法研究碩士研究生：魏天姣導(dǎo)師：練秋生教授申請學(xué)位：工學(xué)碩士學(xué)科專業(yè)：信息與通信工程所在單位：信息科學(xué)與工程學(xué)院答辯日期：2016年5月授予學(xué)位單位：燕山大學(xué)ADissertationinInformationandComm
2、unicationEngineeringTHERESEARCHOFPHASERETRIEVALALGORITHMBASEDONIMAGESPARSEREPRESENTATIONANDNONLINERCOMPRESSEDSENSINGByWeiTianjiaoSupervisor:ProfessorLianQiushengYanshanUniversity2016.5燕山大學(xué)碩士學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：此處所提交的碩士學(xué)位論文《基于圖像稀疏表示與非線性壓縮感知的相位恢復(fù)算法研究》，是本人在導(dǎo)師指導(dǎo)下，在燕山大學(xué)攻讀碩士學(xué)位期間
3、獨立進(jìn)行研究工作所取得的成果。論文中除已注明部分外不包含他人已發(fā)表或撰寫過的研究成果。對本文的研究工作做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式注明。本聲明的法律結(jié)果將完全由本人承擔(dān)。作者簽字：日期：年月日燕山大學(xué)碩士學(xué)位論文使用授權(quán)書《基于圖像稀疏表示與非線性壓縮感知的相位恢復(fù)算法研究》系本人在燕山大學(xué)攻讀碩士學(xué)位期間在導(dǎo)師指導(dǎo)下完成的碩士學(xué)位論文。本論文的研究成果歸燕山大學(xué)所有，本論文的研究內(nèi)容不得以其它單位的名義發(fā)表。本人完全了解燕山大學(xué)關(guān)于保存、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向有關(guān)部門送交論文的復(fù)印件和電子版本，允許
4、論文被查閱和借閱。本人授權(quán)燕山大學(xué)，可以采用影印、縮印或其它復(fù)制手段保存論文，可以公布論文的全部或部分內(nèi)容。保密□，在年解密后適用本授權(quán)書。本學(xué)位論文屬于不保密□。（請在以上相應(yīng)方框內(nèi)打“√”）作者簽名：日期：年月日導(dǎo)師簽名：日期：年月日摘要摘要相位恢復(fù)問題是指僅通過信號傅立葉變換(或其它線性變換)的幅值恢復(fù)原始信號。由于相位信息的缺失，該問題是一個不適定問題，因此需要利用先驗知識確保信號精確重建。在圖像處理中，基于正則項的各種圖像處理算法得到廣泛應(yīng)用，包括稀疏正則項，全變差正則項等。本文基于非線性壓縮感知框架，利用先驗知識完成了相
5、位恢復(fù)算法的研究，主要研究內(nèi)容如下：首先，稀疏先驗知識是圖像重構(gòu)的前提，根據(jù)不同的稀疏度量，包括lp范數(shù)、ln范數(shù)以及組稀疏，提出了基于不同稀疏正則項的稀疏信號的相位恢復(fù)算法。最后通過實驗對比，驗證了所提算法的有效性。其次，基于非線性壓縮感知框架，提出了利用自然圖像在梯度算子下的稀疏性進(jìn)行相位恢復(fù)的算法。該算法將全變差正則項融合到基于支撐約束以及幅值約束的相位恢復(fù)問題中，并利用交替方向乘子法(ADMM)對所對應(yīng)的非凸優(yōu)化問題進(jìn)行求解。通過實驗結(jié)果，表明了該算法明顯優(yōu)于HIO，RAAR等經(jīng)典的相位恢復(fù)算法，并對噪聲具有魯棒性。最后，基
6、于廣義全變差能改善一階全變差中產(chǎn)生的階梯效應(yīng)這一優(yōu)勢，提出了基于廣義全變差正則項的相位恢復(fù)算法，在無支撐約束的條件下，利用ADMM算法進(jìn)行優(yōu)化求解。通過對多幅圖像進(jìn)行實驗，體現(xiàn)了該算法的有效性。關(guān)鍵詞：相位恢復(fù)；非線性壓縮感知；稀疏性；梯度算子；全變差；廣義全變差-I-燕山大學(xué)工學(xué)碩士學(xué)位論文AbstractTheproblemofphaseretrieval,namely,isrecoveryofasignalonlyfromthemagnitudeofitsFouriertransform,orofanyotherlineart
7、ransform.Duetothelossofphaseinformation,thisproblemisill-posed.Therefore,thepriorknowledgeisrequiredtoenableitsaccuratereconstruction.Manykindsofregularizationsarewidelyusedonimageprocessingalgorithm,includingsparseregularization,totalvariationregularization.Inthispape
8、r,basedontheframeworkofnonlinearcompressivesensing,usingpriorknowledgetocompletetheresearchofphaseretrieval.Themainco
