基于自适应压缩感知的图像处理算法研究

《基于自适应压缩感知的图像处理算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于自适应压缩感知的图像处理算法研究许雪2016年01月中图分类号：TN911.73UDC分类号：621.3基于自适应压缩感知的图像处理算法研究作者姓名许雪学院名称信息与电子学院指导教师王晓华副教授答辩委员会主席费泽松教授申请学位工学硕士学科专业信息与通信工程学位授予单位北京理工大学论文答辩日期2016年01月ImageProcessingAlgorithmsbasedonAdaptiveCompressedSensingCandidateName：XueXuSchoolorDepartment:InformationandElect

2、ronicsFacultyMentor:ViceProf.XiaohuaWangChair,ThesisCommittee:Prof.ZesongFeiDegreeApplied:MasterofEngineeringMajor：InformationandCommunicationEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence：January，2016研究成果声明本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。尽我

3、所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机构的学位或证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名：日期：北京理工大学硕士学位论文摘要压缩感知理论是信号处理方面一个新兴的革命性理论。在采样阶段，依据各图像块的稀疏度不同自适应选择采样率，可以有效提高压缩采样效率，节省存储和传输资源。因此自适应采样方法成为压缩感知研究领域的一个热点。图像边缘提取后的边缘信息与离散余弦变换系数都是衡

4、量图像块复杂度的重要标准。本文针对应用压缩感知理论自适应压缩采样图像时，采样率及稀疏度阈值确定具有很强的主观性，提出一种基于稀疏度拟合的精确自适应采样方法。该算法通过循环迭代来确定各个稀疏度下满足PSNR要求的最低采样率，利用最小二乘法对稀疏度及采样率数据进行拟合，得到稀疏度-采样率选取的最佳目标函数。基于TVAL3重构算法对上述自适应采样算法进行了实验仿真，结果表明，重构图像的PSNR均高于用相同值的固定采样率重构得到的PSNR值，其中纹理特征区分明显的图像此PSNR差值能达到3.5dB以上。相比粗糙自适应算法，在平均采样率比其降低

5、的同时，重构图像仍得到了更高的PSNR值。另外，本文结合Bessel边缘检测算法和利用边缘检测信息的多尺度分块压缩感知采样方法，提出一种更准确的利用边缘检测信息自适应决定采样率的算法,与原有算法相比在相同采样率下，接收端图像获得了更好的重构质量，尤其对于纹理复杂图像也有明显的改进效果。关键词：压缩感知；自适应采样；稀疏度；数据拟合；Bessel边缘检测I北京理工大学硕士学位论文AbstractCompressedsensingtheoryisarevolutionarytheoryofsignalprocessing.Inthesam

6、plingstage,theefficiencyofcompressioncanbeeffectivelyimprovedandstorageandtransportresourcescanbesavedbysamplingadaptivelyaccordingtothesparsityofdifferentimageblocks.Sotheadaptivesamplingmethodbecomesaresearchhotspotinthefieldofcompressedsensing.Edgeinformationfromimag

7、eedgedetectionandandthecoefficientofdiscretecosinetransformareimportantmeasuringstandardofblockcomplexity.Whentheimageiscompressedadaptivelywithcompressedsensingtheory,thedeterminationofsamplingrateandsparsitythresholdarehighlysubjective.Inordertosolvetheproblem,anaccur

8、atelyadaptivesamplingalgorithmwithsparsityfittingisproposedinthispaper.Theminimumsamplingrateundercertainspars