資源描述：
《壓縮感知視頻圖像重構(gòu)算法綜述》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、壓縮感知視頻圖像重構(gòu)算法綜述摘要：壓縮感知（pressedSensing，CS）理論突破了香農(nóng)-奈奎斯特定理的限制，實(shí)現(xiàn)了對(duì)信號(hào)采樣的同時(shí)完成壓縮過(guò)程。本文首先簡(jiǎn)要介紹了壓縮感知理論的基本框架并給出了三種信號(hào)重構(gòu)質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)；然后綜述了幾種常用算法的實(shí)現(xiàn)過(guò)程和改進(jìn)了平滑投影Landoothedprojectedland 關(guān)鍵詞：壓縮感知；信號(hào)采樣；視頻圖像處理；重構(gòu)算法 中圖分類(lèi)號(hào)：TP18文獻(xiàn)標(biāo)識(shí)碼：A：1009-3044（2017）05-0148-03 1概述 隨著信息技術(shù)的發(fā)展，人們對(duì)各種信息的需求量與日俱增。有研究表明，大約有70%的信息是通過(guò)人眼獲得的視頻圖像信息
2、。視頻圖像作為人們最重要的獲取信息的方式之一，其具有信息豐富、數(shù)據(jù)量大等特點(diǎn)。而有效的處理、壓縮這些海量的視頻圖像信息是信號(hào)處理領(lǐng)域要解決的一個(gè)關(guān)鍵問(wèn)題。在傳統(tǒng)的信號(hào)理論中，香農(nóng)-奈奎斯特定理要求采樣頻率至少為信號(hào)帶寬的兩倍才能無(wú)失真地恢復(fù)原始信號(hào)。然而，視頻圖像的帶寬較大，這對(duì)香農(nóng)-奈奎斯特采樣定理為基本框架的視頻圖像采集和編碼提出了嚴(yán)峻挑戰(zhàn)。2006年，由Donoho、Candes和Tao等[1]人提出的壓縮感知（pressedSensing，CS）理論可在一定程度上解決這一問(wèn)題，CS理論突破了香農(nóng)-奈奎斯特定理的限制，實(shí)現(xiàn)了對(duì)信號(hào)采樣的同時(shí)完成壓縮過(guò)程。CS主要包括稀疏表示、
3、投影測(cè)量和重構(gòu)算法這三個(gè)過(guò)程。重構(gòu)算法作為其不可或缺組成部分，是根據(jù)觀測(cè)向量[y（m）]（[M]維）和觀測(cè)矩陣[Φ]來(lái)恢復(fù)[N（M?N）]維稀疏信號(hào)[x]的過(guò)程，其性能的好壞直接關(guān)系到視頻圖像重構(gòu)的質(zhì)量。在數(shù)學(xué)領(lǐng)域，視頻圖像的重構(gòu)是一個(gè)非凸的最優(yōu)化問(wèn)題，針對(duì)該問(wèn)題，本文總結(jié)了較為典型的四類(lèi)重構(gòu)算法：1）貪婪算法：正交匹配追蹤（OrthogonalmatchingPursuit，OMP）、正?t化正交匹配追蹤（RegularizedOrthogonalMatchingPursuit，ROMP）和子空間追蹤（SubspacePursuit，SP）[2，3]算法等；2）凸優(yōu)化算法：梯度投
4、影法（GradientProjectionforSparseReconstruction，GPSR）、迭代收縮閾值（IterativeShrinkageThresholding，IST）、全變分（TotalVariation，TV）、平滑投影LandoothedProjectedLandationTheory，2006，52（4）：1289-1306. [2]MallatSG，ZhangZ.MatchingPursuitse-frequencyDictionaries[J].IEEETransactionsonSignalProcessing，1993：3397-3415. [
5、3]NeedellD，VershyninR，Uniformuncertaintyprincipleandsignalrecoveryviaregularizedorthogonalmatchingpursuit[J].FoundationsofputationalMathematics，2008，9（3）：317-334. [4]YinJ.ImagingScience，2008，1（1）：143-168. [5]RanL，ZongliangG，XiuchangZ，SmoothedprojectedLandagepressedsensingreconstructionusingh
6、ardthresholdingbasedonprincipalponentsanalysis[J].JournalofImageandGraphics，2013，18（5）：504-514. [6]JiSH，XueY，CarinL.BayesianpressiveSensing[J].IEEETransSignalProcessing，2008，56（6）：2346-2356.
