基于MCA圖像表示的壓縮傳感圖像處理.pdf

1、傳統(tǒng)的信息處理過程中，Nyquist采樣定理要求采樣速率至少是信號帶寬兩倍。隨著信息數(shù)據(jù)量的增大，這一條件對傳統(tǒng)信號獲取過程帶來了極大的壓力。2004年， D．Donoho、E．Candes等提出的壓縮傳感理論打破了 Nyquist采樣定理的采樣要求，在多種領(lǐng)域得到廣泛應(yīng)用。本文就該理論在圖像領(lǐng)域的應(yīng)用開展了如下研究工作：
　?。?）在詳細(xì)分析基于壓縮傳感的圖像處理技術(shù)的基礎(chǔ)上，采用 Curvelet基稀疏表示圖像，結(jié)合快速迭代收

2、縮閾值算法（Fast Iterative Shrinkage-Thresholding Algorithm， FIST），提出了 Curvelet- FIST算法，并且利用改進(jìn)的測量矩陣（偽星形采樣矩陣）將Curvelet-FIST應(yīng)用到圖像超分辨率重建。結(jié)果顯示Curvelet-FIST對不同信息（光滑、紋理等）圖像的超分辨率重建的效果，比傳統(tǒng)插值及Wavelet-FIST算法均有提高。
　　（2）根據(jù)圖像的形態(tài)成分學(xué)原理，一幅

3、完整圖像包含很多不同的結(jié)構(gòu)成分，用單一稀疏基函數(shù)稀疏表示難免會有誤差。利用不同稀疏函數(shù)對圖像不同成分表示的符合程度，選取合適的稀疏函數(shù)，對圖像進(jìn)行形態(tài)成分分析（Morphological Component Analysis， MCA），將圖像表示成多個不同稀疏函數(shù)的組合。在此基礎(chǔ)上，融合壓縮傳感技術(shù)，提出了基于MCA圖像表示的壓縮傳感圖像處理方法，并應(yīng)用到圖像的修復(fù)及超分辨率重建中，相比于單個稀疏基稀疏表示的情況，重建效果都有提高。<