基于分塊的壓縮采樣方法研究.pdf

1、伴隨信息技術(shù)的迅猛發(fā)展，對數(shù)據(jù)的處理、存儲和傳輸成為了學(xué)者研究的熱點。壓縮感知技術(shù)突破了經(jīng)典香農(nóng)定理采樣的瓶頸，給信息獲取指明了新的方向。但是現(xiàn)今信號量逐步加大，給壓縮感知算法存儲和計算帶來很大的負(fù)擔(dān)。同時，實際中信號信息量都是不均勻分布的，傳統(tǒng)壓縮感知方法中沒有將信號特征考慮在內(nèi)，這為后續(xù)壓縮感知研究帶來很大的改進空間。
　　本文主要研究分塊壓縮感知方法在不同領(lǐng)域的應(yīng)用。圖像領(lǐng)域，在以往均勻分塊方法基礎(chǔ)上提出聚類分塊算法，根據(jù)圖

2、像特征信息來優(yōu)化分塊和采樣率分配。傳感器網(wǎng)絡(luò)領(lǐng)域，在隨機游走機制中引入分塊壓縮感知的思想，優(yōu)化了采樣結(jié)果。論文主要工作如下:
　　(1)提出基于顯著性的圖像聚類分塊壓縮采樣方法。該方法預(yù)獲取圖像的顯著性信息，根據(jù)圖像顯著性值，對均勻分塊的子塊進行分割，將特征相似的部分聚集在一起，然后根據(jù)區(qū)域的顯著值權(quán)重來自適應(yīng)分配采樣率。實驗結(jié)果表明，本文提出的基于顯著性的圖像聚類分塊壓縮采樣方法在相同采樣值的前提下，提高了圖像的重構(gòu)質(zhì)量，同時使

3、得圖像重要部分恢復(fù)的更好，子塊之間的誤差縮小，視覺上更為優(yōu)質(zhì)。
　　(2)提出基于起點分塊的傳感器網(wǎng)絡(luò)隨機游走采樣方法。該方法在傳感器網(wǎng)絡(luò)中數(shù)據(jù)隨機游走采樣的算法基礎(chǔ)上，預(yù)采樣得到信號的稀疏分布或信息熵，然后將網(wǎng)絡(luò)分塊，計算網(wǎng)絡(luò)子塊信號特征權(quán)重。根據(jù)子塊特征權(quán)重來分配隨機游走路線的起點，使得重要區(qū)域節(jié)點數(shù)據(jù)被多采樣，非重要區(qū)域節(jié)點消耗少量采樣次數(shù)。通過優(yōu)化隨機游走路線初始點的選擇，達到優(yōu)化采樣結(jié)果、提高了重構(gòu)效果的結(jié)果。實驗結(jié)果表