基于壓縮感知圖像重構(gòu)算法研究.pdf

1、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)

2、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

3、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。具體步驟如下：通過預(yù)測稀疏度信息，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量信號(hào)維數(shù)的增加而減少，且下降的趨勢比OMP