基于壓縮感知的塊稀疏信號(hào)重構(gòu)和圖像分塊采樣算法研究.pdf

1、壓縮感知理論(Compressed Sensing，CS)是一種以壓縮和采樣同時(shí)進(jìn)行為核心思想的信號(hào)處理技術(shù)。它突破了傳統(tǒng)奈奎斯特采樣定理的采樣限制，以較小的采樣樣本可以高保真地還原信號(hào)，使得其在信號(hào)處理、圖像處理以及無(wú)線通信等領(lǐng)域的應(yīng)用受到人們高度的關(guān)注。在CS理論的基礎(chǔ)上，塊稀疏信號(hào)和圖像分塊壓縮感知是近年來(lái)兩個(gè)熱門的研究方向。本文針對(duì)塊稀疏信號(hào)的重構(gòu)問(wèn)題和圖像分塊壓縮感知下圖像塊的采樣問(wèn)題進(jìn)行了深入研究，主要的研究?jī)?nèi)容如下:

2、>　　本文首先對(duì)CS理論中常用的測(cè)量矩陣和經(jīng)典的貪婪追蹤算法的優(yōu)缺點(diǎn)進(jìn)行了分析和總結(jié)。在壓縮感知理論的基礎(chǔ)上，針對(duì)塊稀疏度需要先驗(yàn)以及階段長(zhǎng)的初始參數(shù)設(shè)定對(duì)算法性能影響較大的問(wèn)題，提出了基于塊稀疏度估計(jì)的壓縮感知自適應(yīng)重構(gòu)算法;該算法采用塊稀疏度估計(jì)計(jì)算得到塊稀疏度的估計(jì)值，并依據(jù)該估計(jì)值對(duì)階段長(zhǎng)和殘差進(jìn)行初始化，同時(shí)結(jié)合子空間追蹤、相關(guān)最大化原則以及正則化原則重構(gòu)塊稀疏信號(hào)。在Matlab2015a平臺(tái)上對(duì)基于塊稀疏度估計(jì)的壓縮感知自

3、適應(yīng)重構(gòu)算法加以實(shí)現(xiàn)并結(jié)合相應(yīng)的仿真實(shí)驗(yàn)驗(yàn)證算法的有效性，實(shí)驗(yàn)表明，該算法不僅能獲得較優(yōu)的重構(gòu)成功概率，還能有效縮短信號(hào)重構(gòu)所需的運(yùn)行時(shí)間。
　　然后針對(duì)圖像分塊壓縮感知下采用相同采樣率導(dǎo)致重構(gòu)時(shí)易產(chǎn)生塊效應(yīng)的問(wèn)題，提出了基于圖像信息量差異的自適應(yīng)塊壓縮感知方法;該方法采用所定義的圖像信息量差異系數(shù)區(qū)分圖像塊的信息含量差異，并采用所提出的擇優(yōu)分配自適應(yīng)采樣策略對(duì)圖像塊采樣，依據(jù)采樣結(jié)果重構(gòu)各圖像塊后將各圖像塊組合成完整的圖像。在M