基于壓縮感知圖像重構(gòu)算法研究

《基于壓縮感知圖像重構(gòu)算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、學(xué)校代碼10530學(xué)號(hào)201330111792分類號(hào)TM315密級(jí)公開碩士學(xué)位論文基于壓縮感知圖像重構(gòu)算法研究學(xué)位申請(qǐng)人楊柳指導(dǎo)教師李哲濤副教授學(xué)院名稱信息工程學(xué)院學(xué)科專業(yè)電子與通信工程研究方向無線傳感器網(wǎng)絡(luò)二○一六年五月三十日ResearchonimagereconstructionalgorithmofcompressedsensingCandidateYangLiuSupervisorLiZhetaoCollegeCollegeofInformationEngineeringProgramElectronicandCommun

2、icationEngineeringSpecializationWirelessSensorNetworkDegreeProfessionaldegreeUniversityXiangtanUniversityDateMay,30th,2016湘潭大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所?。崳姷玫难芯砍晒３宋闹刑貏e加Ｗ標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)。人和集體，均己在文中明確方式標(biāo)明本人完全意識(shí)到本聲明

3、的法律后果由本人承擔(dān)。＂０作者簽名：考參節(jié)曰期：年主月＾曰Ｉ學(xué)位論文臟使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意聲校保留并向國家有關(guān)部ｎ或化構(gòu)送交論文的復(fù)巧件巧電子版，化許論文被查閱和借閱。本人授權(quán)湘潭大學(xué)可Ｗ將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索、縮印或掃描等復(fù)制手段保在巧匯編本學(xué)位，可從采巧影巧論文。涉密論文按學(xué)校規(guī)定處理。ク作者簽名：曰：曰期年又月ｉ年名導(dǎo)師簽名：百期曰皆ｆｔ矣月ｆ摘要21世紀(jì)，隨著智能傳感器網(wǎng)絡(luò)進(jìn)一步擴(kuò)展，越來越多的

4、傳感器產(chǎn)品的開始投入實(shí)際使用當(dāng)中，高速圖像及信息處理正面臨巨大挑戰(zhàn)，而傳感器設(shè)備所要采集的數(shù)據(jù)將是前所未有的。在20世紀(jì)，絕大多數(shù)用于采集信號(hào)的傳感器設(shè)備，基本上都是以Shannon-Nyquist采樣定理為理論指導(dǎo)。因Shannon-Nyquist采樣定理規(guī)定了信息采樣率的最小值，故其成為準(zhǔn)確重構(gòu)原始數(shù)據(jù)信號(hào)的必要條件。近年來，突破了Shannon-Nyquist采樣定理的壓縮感知技術(shù)的提出，其不再受最低信息采樣頻率限制，這標(biāo)志著數(shù)據(jù)采集進(jìn)步史上的一大里程碑。CS理論的思想依據(jù)壓縮感知理論研究采樣率的減少和重構(gòu)率的提升，這為信號(hào)處

5、理領(lǐng)域的發(fā)展帶來的新的方法和憧憬，也提高了信號(hào)的稀疏度和信號(hào)的還原率。經(jīng)過對(duì)經(jīng)典重構(gòu)算法的研究分析后，本文提出了兩個(gè)改進(jìn)算法：第一，改進(jìn)的正交匹配追蹤算法；第二，基于分段正則化子空間追蹤的圖像重構(gòu)算法。本文開展的主要研究工作內(nèi)容如下：提出一種改進(jìn)的正交匹配追蹤算法。通過闡述已有的的正交匹配追蹤系列算法，得到其共同不足是，在信號(hào)重構(gòu)階段，需要以輸入原始信號(hào)的稀疏度為前提，且重構(gòu)后出現(xiàn)了精度較低、準(zhǔn)確率不夠等問題，本文提出了一種改進(jìn)的正交匹配追蹤算法，其主要特征是針對(duì)信號(hào)稀疏度和支撐集大小具有自適應(yīng)性特點(diǎn)的一種協(xié)作重構(gòu)信號(hào)方法。具體步驟

6、如下：通過預(yù)測(cè)稀疏度信息，協(xié)作更新與擴(kuò)展支撐集，減低對(duì)支撐集的錯(cuò)誤估計(jì)和錯(cuò)誤修正。改進(jìn)的正交匹配追蹤算法不僅在圖像還原上比OMP算法更為優(yōu)越，在重構(gòu)誤差方面也能夠隨測(cè)量信號(hào)維數(shù)的增加而減少，且下降的趨勢(shì)比OMP算法更明顯。提出了一種基于分段正則化子空間追蹤的圖像重構(gòu)（StepwiseRegularizationSubspacePursuit,SRSP）算法。其主要思想是在算法迭代之前，采用閾值處理的方法剔除掉可能為非支撐集中的原子，再正則化處理候選集的原子。實(shí)驗(yàn)證明，當(dāng)采樣率為0.5時(shí)，SRSP的圖像重構(gòu)效果、PSNR及重構(gòu)時(shí)間要優(yōu)

7、于其他與之相比較的算法（MP、OMP、StOMP、ROMP、CoSaMP和SP）。關(guān)鍵詞：壓縮感知；貪婪算法；匹配追蹤算法；圖像重構(gòu)；子空間IIAbstractWiththefurtherexpansionofintelligentsensornetworkandthecountlesssensorproductscomingintopracticalserviceinthe21stcentury,highspeedimageandinformationprocessingisfacingenormouschallenges,and

8、thedatacollectedbysensordeviceswillbeunprecedented.Inthe20thcentury,thevastmajorityofcollectingsignalofsensordevices,