圖像結構信息驅動的壓縮感知重建算法及重建質量評測.pdf

1、基于信號的稀疏性或可壓縮性，壓縮感知理論突破了傳統(tǒng)奈奎斯特-香農采樣定理的限制，證明了可通過獲取遠低于奈奎斯特采樣率的采樣數(shù)據(jù)來精確重建原始信號，從而實現(xiàn)了信號采樣和壓縮過程的同時完成。作為一種新的高效信號獲取方式，壓縮感知為研究低功耗帶寬受限的成像系統(tǒng)提供了理論基礎。壓縮感知理論包括三部分主要內容:稀疏表示、線性壓縮采樣和非線性重建。其中，非線性重建算法的優(yōu)劣決定了信號的重建精度和質量，從而影響了后續(xù)對信號的分析和處理。因此，非線性重

2、建的重要作用使其成為壓縮感知理論研究中的關鍵問題和主要內容?？紤]線性壓縮采樣過程確定的情況下，壓縮感知重建是一個不適定的反問題，可通過深入挖掘信號的稀疏性和其它先驗信息，并引入重建過程，提高算法的重建性能。針對重建信號，如何給出合適的質量評測準則來定量分析其重建質量，也可反過來指導重建算法的設計。論文以二維圖像作為研究對象，對圖像結構信息和稀疏性先驗驅動的壓縮感知重建算法及重建質量評測算法進行相關研究，取得的主要研究成果和創(chuàng)新點包括:<

3、br>　　(1)針對壓縮感知圖像重建問題，以圖像的梯度模稀疏性先驗為基礎，分析傳統(tǒng)全變差(Total Variation，TV)最小化重建模型容易導致重建結果過度平滑的缺點，提出一種非局部結構相似約束的加權TV壓縮感知重建算法。論文模型在圖像梯度信息的基礎上利用魯棒函數(shù)來估計加權TV的權重，并使用ROF(Rudin-Osher-Fatemi)去噪模型對權重進行進一步優(yōu)化，從而減少計算權重時受噪聲的影響，以達到克服傳統(tǒng)TV正則化會導致重建

4、圖像的邊緣和紋理細節(jié)部分模糊或丟失的缺點的目的。其次，利用結構相似性指標來描述圖像的非局部相似性先驗，同時利用邊緣自適應steering核模型來描述局部自相似性先驗，將它們引入提出的加權TV模型，得到最終的復合正則化重建模型。最后，結合投影法和算子分裂法對優(yōu)化模型求解。實驗結果表明，相對于其它基于TV正則化模型或復合正則化重建模型，所提模型和算法的重建性能無論是在視覺效果還是在客觀評價指標上都有明顯的提高，可以較好的保持圖像邊緣等結構細

5、節(jié)信息。
　　(2)考慮圖像的TV正則化先驗，不能有效描述圖像邊緣和紋理的方向性信息，同時容易造成恢復圖像的過平滑效應，而方向TV由于考慮了圖像幾何結構的方向信息，可在一定程度上避免邊緣紋理等結構部分的過平滑效應，但是易受噪聲等因素的影響，提出一種方向性結構驅動的自適應方向TV壓縮感知重建算法。整個模型分為兩步交替迭代進行:一步是用重建的圖像對方向TV的方向場精細化估計;另一步是用估計的方向場對壓縮感知圖像進行重建。實驗結果顯示，

6、圖像結構方向的考慮和精細化估計，有助于提高邊緣和紋理等有明顯方向性的圖像結構部分的重建效果，與其它重建算法相比，在峰值信噪比的提高和結構保持方面明顯改善。
　　(3)壓縮感知照相機網(wǎng)絡是分布式壓縮感知網(wǎng)絡的熱點問題，通常采用單視圖像壓縮感知的逐一獨立重建算法，沒有考慮多視圖像間的幾何相關性和結構性，聯(lián)合重建能力較弱。我們利用多視圖像間的極線幾何關系，建立空間相關性的觀測模型。利用多視圖像幾何相關性的參數(shù)化變換觀測模型，本文提出了一

7、個視間相關性和低秩背景引導的多視圖像壓縮感知聯(lián)合重建模型。針對該模型的求解，論文設計了基于變量分裂和交替迭代技術的求解算法。仿真實驗驗證了所提模型算法的合理性和有效性，以及對噪聲的魯棒性。
　　(4)傳統(tǒng)基于像素誤差的圖像質量評測方法的缺點主要集中在不能對人類視覺系統(tǒng)感興趣的幾何結構等信息進行比較判別。而最近出現(xiàn)的基于結構相似的質量評價方法及相關改進算法，充分利用了這種結構相似性質，在圖像質量評測方面取得了一些進展。但它們都沒有考

8、慮到人眼觀察圖像時的感知誤差掩蓋現(xiàn)象，致使評價準確度有待進一步提高。鑒于此，本章提出一種視覺掩蓋與結構相似驅動的圖像感知質量評測算法。該算法以能夠有效描述圖像結構信息的結構張量為基礎，給出幾何結構方向的定義，并將其引入結構比較度量，用來提升度量效果。同時，考慮視覺掩蓋現(xiàn)象對圖像評估的影響，特別以Coutourlet變換域下的圖像特征為基礎，將視覺掩蓋中的對比度掩蓋和鄰域掩蓋融入到對比度比較度量中，從而提升對比度比較度量效果。在國際公認圖