非線性壓縮成像理論與實現(xiàn)研究.pdf

1、壓縮感知理論(Compressed Sensing,CS)是最近幾年發(fā)展起來的一種全新的信息獲取與處理的理論框架,其核心思想為:通過對可壓縮信號的低維非相關(guān)性測量,能夠?qū)崿F(xiàn)高維信號的精確重構(gòu)。該理論能夠突破奈奎斯特采樣速率的限制,實現(xiàn)信息的高效獲取與利用,在成像領(lǐng)域得到了成功的應(yīng)用。然而,已有壓縮感知技術(shù)均基于信號的線性稀疏假設(shè),未考慮信號在非線性空間上的稀疏性以及壓縮感知問題。對于物理世界中存在的大部分實際信號而言,通常具有非線性編碼

2、下的稀疏性。針對該特點,本文研究了非線性壓縮感知理論,以及其中涉及的幾個關(guān)鍵問題。面向光譜成像的應(yīng)用,研究了基于非線性壓縮感知的高效光譜成像方法。具體工作如下:
　　(1)設(shè)計了基于非線性壓縮感知的空譜域聯(lián)合高光譜壓縮成像方法。在研究光譜成像與非線性壓縮感知理論的基礎(chǔ)上,提出了基于非線性壓縮感知的空譜域聯(lián)合光譜壓縮成像方案;通過研究光譜成像原理設(shè)計了易于實現(xiàn)的采樣矩陣,根絕高光譜數(shù)據(jù)的三維特性,設(shè)計了通過在空域和譜域聯(lián)合采樣及恢復(fù)

3、的方法,該方法可以充分利用高光譜數(shù)據(jù)的空譜域相關(guān)性。通過用美國印第安納州西北部印第安遙感試驗區(qū)的高光譜圖像作為實驗數(shù)據(jù),證明了本文提出的采樣方案可以在采樣率比較低的情況下(5％)獲得比較好的重構(gòu)效果,本方法結(jié)合了高光譜圖像的空譜域信息,可以突破高光譜成像的空譜域分辨率限制,大幅度提高高光譜圖像的空譜分辨率,降低采樣率,減少數(shù)據(jù)量。
　　(2)提出了視覺顯著性驅(qū)動的自適應(yīng)壓縮成像方法。視覺顯著性已經(jīng)在計算機視覺領(lǐng)域得到廣泛應(yīng)用。壓縮

4、成像場景中的目標具有稀疏特性,現(xiàn)實應(yīng)用中關(guān)注的是與任務(wù)相關(guān)的目標信息,如何高效獲取任務(wù)相關(guān)的目標信息,是壓縮成像中的關(guān)鍵問題之一。本文通過結(jié)合GroupTesting理論和壓縮感知理論,把壓縮采樣問題轉(zhuǎn)化為一般抑制劑模型進行求解,可以從壓縮感知觀測結(jié)果中確定圖像的顯著圖。然后結(jié)合視覺顯著性提出視覺顯著性驅(qū)動的自適應(yīng)壓縮成像方法,該方法可以根據(jù)區(qū)域的顯著性分配采樣資源,可以在采資源一定的情況下,提高恢復(fù)圖像的視覺效果,提高采樣資源的利用效

5、率。通過實驗證明了該方法可以在同等采樣率條件下,減少采樣數(shù)據(jù)量,提高重構(gòu)圖像的質(zhì)量。
　　(3)提出了統(tǒng)計先驗正則下的非線性壓縮感知恢復(fù)和數(shù)據(jù)驅(qū)動的自適應(yīng)壓縮感知采樣及恢復(fù)方法。首先研究了圖像塊的統(tǒng)計特性,通過圖像塊的統(tǒng)計特性,提取圖像塊的特征,結(jié)合高斯混合模型對圖像塊按照紋理分類并且進行快速高斯混合建模。然后結(jié)合最大后驗概率估計,提出了統(tǒng)計先驗正則下的非線性壓縮感知恢復(fù)方法。最后通過利用分類訓練字典,分類構(gòu)造觀測矩陣,通過采樣數(shù)