壓縮感知視頻圖像重構(gòu)算法綜述

《壓縮感知視頻圖像重構(gòu)算法綜述》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

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，實現(xiàn)了對信號采樣的同時完成壓縮過程。本文首先簡要介紹了壓縮感知理論的基本框架并給出了三種信號重構(gòu)質(zhì)量評價標準；然后綜述了幾種常用算法的實現(xiàn)過程和改進了平滑投影Landoothedprojectedland　　關(guān)鍵詞：壓縮感知；信號采樣；視頻圖像處理；重構(gòu)算法　　中圖分類號：TP18文獻標識碼：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。而有效的處理、壓縮這些海量的視頻圖像信息是信號處理領(lǐng)域要解決的一個關(guān)鍵問題。在傳統(tǒng)的信號理論中，香農(nóng)-奈奎斯特定理要求采樣頻率至少為信號帶寬的兩倍才能無失真地恢復(fù)原始信號。然而，視頻圖像的帶寬較大，這對香農(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題，CS理論突破了香農(nóng)-奈奎斯特定理的限制，實現(xiàn)了對信號采樣的同時完成壓縮過程。CS主要包括稀疏表示、

3、投影測量和重構(gòu)算法這三個過程。重構(gòu)算法作為其不可或缺組成部分，是根據(jù)觀測向量[y（m）]（[M]維）和觀測矩陣[Φ]來恢復(fù)[N（M?N）]維稀疏信號[x]的過程，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)是一個非凸的最優(yōu)化問題，針對該問題，本文總結(jié)了較為典型的四類重構(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.