基于壓縮感知的圖像及視頻重構(gòu)算法研究.pdf

《基于壓縮感知的圖像及視頻重構(gòu)算法研究.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、巧去學(xué)化化義基于壓縮感知的圖像及視頻重構(gòu)算法研究＇；．Ｕ：ｋ牛亞坪麵■ＦＩＰ細(xì)聲二０—五年六月分類號ＴＰ：３９１密級公開ＵＤＣ碩壬學(xué)位論文基于壓縮感知的圖像及視頻重構(gòu)算法研巧牛亞坤學(xué)科專業(yè)計(jì)算化應(yīng)用巧術(shù)指導(dǎo)教師玉振明教授李陶深教授論文答辯日期２０１５．５．３１學(xué)位授予日期２０１５．６．３０答辯委員會(huì)主席陳右初教授級高級工稻師廣西大學(xué)學(xué)位論文原徹性和使用授枚聲明本人聲明所呈交的論文，是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得

2、的研究成果。除己特別加ｍ示注和致謝的地方外，論文不包含任何其他個(gè)人或集體己經(jīng)發(fā)表或撰寫的研究成果，也不包含本人或他人為獲得廣西大一學(xué)或其它單位的學(xué)位而使用過的材料。與我同工作的同事對本論文的研究工作所做的貢獻(xiàn)均己在論文中作了明確說明。本人在導(dǎo)師指導(dǎo)下所完成的學(xué)位論文及相關(guān)的職務(wù)作品，知識產(chǎn)權(quán)歸目屬廣西大學(xué)。本人授權(quán)廣西大學(xué)擁有學(xué)位論文的部分使用權(quán)，Ｐ：學(xué)校有權(quán)保存并向國家有關(guān)部口或機(jī)構(gòu)送交學(xué)位論文的復(fù)印件和電子版，允許論文被查閱和借閱，可Ｗ將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)斤＞檢索和傳播，

3、可１＾１采用影印、縮印或其它復(fù)制手段保存、匯編學(xué)位論文。本學(xué)位論文屬于；□保密，在年解密后適用授權(quán)。因味保密。＂＂請?jiān)冢咨舷鄳?yīng)方框內(nèi)打Ｖ（）＇２論文作者簽名；＞ｉ日期：也／Ｓ．牛坤指導(dǎo)教師簽名橫日期：如爪６．３作者聯(lián)系電話；電子郵箱；基于壓縮感知的圖像及視頻重構(gòu)巧法研究摘要壓縮感知是Ｗ信號的稀疏性或可壓縮性為先驗(yàn)知識，能夠直接感知信號的壓縮形式。，，在信號采樣的同時(shí)完成壓縮因此壓縮感知突破了奈奎斯特定理中采樣率必須依賴于信號頻率的制約。信號的稀疏性或可壓縮性是壓縮感知理

4、論的前提，觀測矩陣是關(guān)鍵，重構(gòu)算法則是重點(diǎn)。觀測矩陣將高維信號投影到低維空間，得到的測量值包含了重構(gòu)原始信號所需的全部信息，重構(gòu)算法通過求解優(yōu)化問題從少量的測量值中精確恢復(fù)原始信號。綜上所述。本文圍繞觀測，對觀測矩陣和重構(gòu)算法的研究具有重大的意義矩陣優(yōu)化和圖像及視頻重構(gòu)算法進(jìn)行研究，旨在設(shè)計(jì)簡單、高效的觀測矩陣優(yōu)他方法和重構(gòu)精度高、穩(wěn)定性強(qiáng)的重構(gòu)算法。本文主要的研究內(nèi)容如．下：一（１）根據(jù)觀測矩陣奇異值與條件數(shù)性質(zhì)，提出種近似奇異值分解的觀測矩陣優(yōu)化方法。該方法縮減隨機(jī)矩陣的奇異值的范圍來降低觀測矩

5、陣的條件數(shù)，使得觀測矩陣與稀疏基的互干性降低。理論分析表明，優(yōu)化后的觀測矩陣與稀疏基的相關(guān)性較小。實(shí)驗(yàn)結(jié)果顯示，與現(xiàn)有的方法相比，。該方法實(shí)現(xiàn)簡單，重構(gòu)信號的質(zhì)量得到改善（２）壓縮采樣匹配追蹤（ＣｏＳａＭＰ）算法中原子的増加和舍棄的原則一不同導(dǎo)致支撐集估汁不夠準(zhǔn)確，為此本文提出種壓縮采樣硬閥值追蹤重構(gòu)算法。該算法每次迭代舍棄原子時(shí)結(jié)合硬闊值追蹤（ＨＴＰ）算法的思想，一ＣｏＳａＭＰ使得選擇與舍棄原子的標(biāo)準(zhǔn)致，同時(shí)保留了ＨＴＰ和算法的優(yōu)點(diǎn)。Ｉ理論證明，提出的算法會(huì)在有限次的迭代內(nèi)收斂。實(shí)驗(yàn)結(jié)果表明

6、，該算法的重構(gòu)精度高于ＨＴＰ算法和ＣｏＳａＭＰ算法，與同類算法相比，該算法具有重構(gòu)精度高和抗噪能力強(qiáng)的特點(diǎn)。（３）變采樣率的分塊視頻壓縮感知在編碼端按照傾間相關(guān)性為不同的圖像塊分配采樣率，這種方式無疑增加了編碼端的復(fù)雜性。多假設(shè)預(yù)測的壓縮感知視頻重構(gòu)中捜索窗的尺寸是固定的，缺乏對頓間相關(guān)性與搜索窗一大小之間關(guān)系的分析。針對上述問題，本文提出種自適應(yīng)的塊視頻多假設(shè)預(yù)測重構(gòu)算法，該算法在接收端為圖像塊分配采樣率實(shí)現(xiàn)變采樣率測量，將圖像塊的判別轉(zhuǎn)移到接收端，根據(jù)視頻不同區(qū)域變化程度自適應(yīng)地一確定搜索窗

7、的尺寸。實(shí)驗(yàn)結(jié)果表明，該重構(gòu)算法能進(jìn)步降低編碼端的復(fù)雜性和傳輸負(fù)擔(dān)，在降低計(jì)算復(fù)雜度的同時(shí)又能提高重構(gòu)質(zhì)量。本文的研巧為觀測矩陣優(yōu)化和圖像及視頻重構(gòu)算法提供了新的方法和研巧思路，取得了有價(jià)值的研究成果。關(guān)鍵詞：壓縮感知觀測矩陣稀疏表示重構(gòu)算法變采樣率ＩＩＲＥＳＥＡＲＣＨＯＮＩＭＡＧＥＡＮＤＶＩＤＥＯＲＥＣＯＮＳＴＲＵＣＴＩＯＮＭＥＴＨＯＤＢＡＳＥＤＯＮＣＯＭＰＲＥＳＳＥＤＳＥＮＳＩＮＧＡＢＳＴＲＡＣＴＴｈｅｒｉｏｒｋｎｏｗｌｅｄｅｏｆｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｉｓ

8、ｔｈａｔｓｉｇｎａｌｉｓｓａｒｓｅｏｒｐｇｇｐｃｏｍｐｒｅｓｓ化ｌｅ．Ｃｏｍｐｒｅｓｓｅｄｓｅｎｓｉｎｇｃａｎａｃｑｕｉｒｅ化ｅｃｏｍｐｒｅｓｓｅｄｆｏｒｍｏｆｓｅｎｓｉｎｇｓｉｇｎａｌｄｉｒｅｃｔｌｙ．