基于壓縮感知圖像重構(gòu)算法研究

《基于壓縮感知圖像重構(gòu)算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、學(xué)校代碼10530學(xué)號201330111792分類號TM315密級公開碩士學(xué)位論文基于壓縮感知圖像重構(gòu)算法研究學(xué)位申請人楊柳指導(dǎo)教師李哲濤副教授學(xué)院名稱信息工程學(xué)院學(xué)科專業(yè)電子與通信工程研究方向無線傳感器網(wǎng)絡(luò)二○一六年五月三十日ResearchonimagereconstructionalgorithmofcompressedsensingCandidateYangLiuSupervisorLiZhetaoCollegeCollegeofInformationEngineeringProgramElectronicandCommun

2、icationEngineeringSpecializationWirelessSensorNetworkDegreeProfessionaldegreeUniversityXiangtanUniversityDateMay,30th,2016湘潭大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨立進行研究所?。崳姷玫难芯砍晒?。除了文中特別加Ｗ標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻(xiàn)的個。人和集體，均己在文中明確方式標(biāo)明本人完全意識到本聲明

3、的法律后果由本人承擔(dān)。＂０作者簽名：考參節(jié)曰期：年主月＾曰Ｉ學(xué)位論文臟使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意聲校保留并向國家有關(guān)部ｎ或化構(gòu)送交論文的復(fù)巧件巧電子版，化許論文被查閱和借閱。本人授權(quán)湘潭大學(xué)可Ｗ將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索、縮印或掃描等復(fù)制手段保在巧匯編本學(xué)位，可從采巧影巧論文。涉密論文按學(xué)校規(guī)定處理。ク作者簽名：曰：曰期年又月ｉ年名導(dǎo)師簽名：百期曰皆ｆｔ矣月ｆ摘要21世紀(jì)，隨著智能傳感器網(wǎng)絡(luò)進一步擴展，越來越多的

4、傳感器產(chǎn)品的開始投入實際使用當(dāng)中，高速圖像及信息處理正面臨巨大挑戰(zhàn)，而傳感器設(shè)備所要采集的數(shù)據(jù)將是前所未有的。在20世紀(jì)，絕大多數(shù)用于采集信號的傳感器設(shè)備，基本上都是以Shannon-Nyquist采樣定理為理論指導(dǎo)。因Shannon-Nyquist采樣定理規(guī)定了信息采樣率的最小值，故其成為準(zhǔn)確重構(gòu)原始數(shù)據(jù)信號的必要條件。近年來，突破了Shannon-Nyquist采樣定理的壓縮感知技術(shù)的提出，其不再受最低信息采樣頻率限制，這標(biāo)志著數(shù)據(jù)采集進步史上的一大里程碑。CS理論的思想依據(jù)壓縮感知理論研究采樣率的減少和重構(gòu)率的提升，這為信號處

5、理領(lǐng)域的發(fā)展帶來的新的方法和憧憬，也提高了信號的稀疏度和信號的還原率。經(jīng)過對經(jīng)典重構(gòu)算法的研究分析后，本文提出了兩個改進算法：第一，改進的正交匹配追蹤算法；第二，基于分段正則化子空間追蹤的圖像重構(gòu)算法。本文開展的主要研究工作內(nèi)容如下：提出一種改進的正交匹配追蹤算法。通過闡述已有的的正交匹配追蹤系列算法，得到其共同不足是，在信號重構(gòu)階段，需要以輸入原始信號的稀疏度為前提，且重構(gòu)后出現(xiàn)了精度較低、準(zhǔn)確率不夠等問題，本文提出了一種改進的正交匹配追蹤算法，其主要特征是針對信號稀疏度和支撐集大小具有自適應(yīng)性特點的一種協(xié)作重構(gòu)信號方法。具體步驟

6、如下：通過預(yù)測稀疏度信息，協(xié)作更新與擴展支撐集，減低對支撐集的錯誤估計和錯誤修正。改進的正交匹配追蹤算法不僅在圖像還原上比OMP算法更為優(yōu)越，在重構(gòu)誤差方面也能夠隨測量信號維數(shù)的增加而減少，且下降的趨勢比OMP算法更明顯。提出了一種基于分段正則化子空間追蹤的圖像重構(gòu)（StepwiseRegularizationSubspacePursuit,SRSP）算法。其主要思想是在算法迭代之前，采用閾值處理的方法剔除掉可能為非支撐集中的原子，再正則化處理候選集的原子。實驗證明，當(dāng)采樣率為0.5時，SRSP的圖像重構(gòu)效果、PSNR及重構(gòu)時間要優(yōu)

7、于其他與之相比較的算法（MP、OMP、StOMP、ROMP、CoSaMP和SP）。關(guān)鍵詞：壓縮感知；貪婪算法；匹配追蹤算法；圖像重構(gòu)；子空間IIAbstractWiththefurtherexpansionofintelligentsensornetworkandthecountlesssensorproductscomingintopracticalserviceinthe21stcentury,highspeedimageandinformationprocessingisfacingenormouschallenges,and

8、thedatacollectedbysensordeviceswillbeunprecedented.Inthe20thcentury,thevastmajorityofcollectingsignalofsensordevices,