基于压缩感知的图像稀疏表示方法
压缩感知论文 稀疏表示论文 匹配追踪论文 随机观测论文 重构算法论文
论文详情
本文系统地介绍了压缩感知这一信号处理技术中新兴领域的有关基本概念。压缩感知(CS)理论建立在信号稀疏表示理论的基础上,是一种充分利用信号可压缩性或稀疏性的全新信号获取及处理理论。但无论是压缩感知理论还是稀疏表示理论或是信号重构都仍有许多问题有待进一步研究。本文围绕压缩感知理论展开深入研究,重点研究了图像信号稀疏分解方法和图像信号重建方法,并取得了一定的研究成果。本文的主要工作和研究成果如下:1.详细介绍压缩感知理论框架的三方面内容,即信号的稀疏分解、信号观测矩阵的设计和信号的重构。2.提出一种基于二元树的稀疏分解算法。该算法从已构造好的原子库入手,首先根据其原子库自身结构特点对其进行逐层树状结构划分,然后,在每次分解过程中都利用该树状结构,有目的、有导向性地指引信号的分解方向。原子库的树状层次结构一旦形成可用于适合该类字典的任意信号的分解,因此这种划分只需一次完成就可以一劳永逸地加快信号分解速度,极大降低了分解过程中的计算复杂度。而且,该算法适用于任何类型的过完备字典。3.针对未知稀疏度信号重构,提出了一种改进的稀疏度自适应匹配追踪算法。该算法首先利用一种基于原子匹配测试的方法得到信号稀疏度的初始估计,然后在稀疏度自适应匹配追踪(SAMP)框架下采用变步长分阶段思想实现稀疏度的逼近,在初始阶段利用大步长实现稀疏度的快速粗接近,以提高收敛速度,在随后的迭代中逐渐减小步长,实现稀疏度的精逼近,最终实现信号的精确重构。
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第9-16页 |
1.1 引言 | 第9-10页 |
1.2 压缩感知理论的提出背景 | 第10-12页 |
1.3 压缩感知理论的研究意义 | 第12-13页 |
1.4 压缩感知理论的研究现状 | 第13-15页 |
1.5 本文主要研究内容及章节安排 | 第15-16页 |
第二章 压缩感知的理论框架 | 第16-25页 |
2.1 预备知识及基本原理 | 第16-18页 |
2.2 压缩感知理论的主要内容 | 第18-21页 |
2.2.1 信号的稀疏表示 | 第18-19页 |
2.2.2 观测矩阵 | 第19-21页 |
2.2.3 信号的重构 | 第21页 |
2.3 压缩感知理论的应用 | 第21-24页 |
2.3.1 磁共振成像(MRI) | 第22页 |
2.3.2 天文学 | 第22页 |
2.3.3 编码纠错 | 第22-23页 |
2.3.4 单像素 CS 相机 | 第23-24页 |
2.4 本章小结 | 第24-25页 |
第三章 主要图像信号稀疏方法及比较 | 第25-37页 |
3.1 MP 算法 | 第25-26页 |
3.2 OMP 算法 | 第26-29页 |
3.3 BP 算法 | 第29-31页 |
3.4 一种基于二元树的稀疏表示 | 第31-36页 |
3.4.1 算法基本思想 | 第32页 |
3.4.2 算法复杂度分析 | 第32-33页 |
3.4.3 仿真结果 | 第33-36页 |
3.5 本章小结 | 第36-37页 |
第四章 主要压缩感知信号重构算法及比较 | 第37-46页 |
4.1 OMP 重构算法 | 第37页 |
4.2 ROMP 算法 | 第37-39页 |
4.3 SAMP 算法 | 第39-40页 |
4.4 一种改进的稀疏自适应匹配追踪算法 | 第40-45页 |
4.4.1 稀疏度估计 | 第41页 |
4.4.2 阶段变步长 | 第41-42页 |
4.4.3 改进算法过程 | 第42-43页 |
4.4.4 实验仿真 | 第43-45页 |
4.5 本章小结 | 第45-46页 |
第五章 总结与展望 | 第46-49页 |
5.1 工作总结 | 第46-47页 |
5.2 工作展望 | 第47-49页 |
参考文献 | 第49-55页 |
攻读硕士学位期间发表的论文及所取得的研究成果 | 第55-56页 |
致谢 | 第56页 |
论文购买
论文编号
ABS554474,这篇论文共56页
会员购买按0.30元/页下载,共需支付
16.8。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
28。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文