基于變采樣率和預(yù)測(cè)的圖像壓縮感知算法及應(yīng)用.pdf

1、壓縮感知（Compressed Sensing）是一種可以用來(lái)對(duì)信號(hào)進(jìn)行采樣、恢復(fù)等處理的新的辦法。它突破了傳統(tǒng)的奈奎斯特采樣定律對(duì)信號(hào)采樣頻率的要求，可以用更少的采樣值來(lái)表示原始信號(hào)，并用這些采樣值精確的恢復(fù)出原始信號(hào)。使用CS方法時(shí)要求待處理的信號(hào)必須稀疏，且它能同時(shí)完成對(duì)信號(hào)的采樣和壓縮操作。與傳統(tǒng)的信號(hào)處理方法相比，壓縮感知理論在一定程度上提高了信號(hào)的采樣效率，減少了恢復(fù)信號(hào)所需要的采樣值個(gè)數(shù)。但是在使用壓縮感知理論處理圖像信號(hào)

2、時(shí)，如果仍然對(duì)圖像整體采用隨機(jī)采樣的方法來(lái)處理，采樣效率將達(dá)不到最理想的結(jié)果。因此，論文結(jié)合人眼的視覺(jué)特點(diǎn)、圖像不同區(qū)域?qū)χ貥?gòu)精度的貢獻(xiàn)度和圖像預(yù)測(cè)算法，對(duì)現(xiàn)有的壓縮感知算法進(jìn)行了改進(jìn)，提出了適用于處理圖像信號(hào)的基于變采樣率和預(yù)測(cè)的圖像壓縮感知算法，并將其應(yīng)用于光譜圖像處理，以提高圖像的采樣效率，降低數(shù)據(jù)處理量。
　　本研究主要內(nèi)容包括：⑴針對(duì)CS方法在處理圖像信號(hào)時(shí)采樣效率低這一問(wèn)題，提出了一種基于變采樣率和預(yù)測(cè)的圖像壓縮感知算

3、法。該算法結(jié)合了人眼的視覺(jué)特點(diǎn)，分別采用不同方法來(lái)處理圖像的不同部分，即對(duì)圖像邊緣區(qū)域進(jìn)行密集采樣和恢復(fù)，對(duì)按照一定規(guī)則抽取的圖像非邊緣區(qū)域進(jìn)行稀疏采樣并恢復(fù)，未被抽取的圖像非邊緣區(qū)域則通過(guò)預(yù)測(cè)得到。仿真結(jié)果表明，在采樣量相同的情況下，本文所提出的算法和已有算法相比，對(duì)實(shí)驗(yàn)圖像的恢復(fù)信噪比至少可提高1.4dB，且恢復(fù)得到的圖像結(jié)構(gòu)相似度較好，圖像紋理細(xì)節(jié)較清晰。因而在相同的恢復(fù)質(zhì)量下，本算法所需要的采樣值較少，采樣效率較高。此外，由于所

4、提出算法整體采樣量較小、處理復(fù)雜度較低，在相同軟硬件環(huán)境下對(duì)實(shí)驗(yàn)圖像的處理時(shí)間和已有算法相比至少可降低50％。⑵針對(duì)衛(wèi)星鏈路資源緊缺，光譜圖像所含信息非常多等問(wèn)題，結(jié)合光譜圖像相鄰譜帶之間的相關(guān)性，借助于差分模型，將所提出的基于變采樣率和預(yù)測(cè)的圖像壓縮感知算法應(yīng)用于光譜圖像處理。在差分模型中，只需要對(duì)一個(gè)參考譜帶和其它的差值譜帶進(jìn)行處理，而差值譜帶的稀疏度非常小，需要的采樣值個(gè)數(shù)也較少。仿真結(jié)果表明，在差分模型下基于變采樣率和預(yù)測(cè)的圖像