基于多尺度分块压缩感知的图像处理算法研究

发布时间：2017-05-19 21:08

  本文关键词：基于多尺度分块压缩感知的图像处理算法研究，，由笔耕文化传播整理发布。

【摘要】：压缩感知理论突破了奈奎斯特采样率的限制,采样和压缩同步进行,大大降低了传感器的采样和计算成本,因而在众多图像压缩技术中脱颖而出,在科学和工程的许多领域有着重要的理论与实际应用价值。多尺度分块压缩感知根据信号的多分辨分析特性,基于分块压缩感知,提出了分尺度加权分配采样率的调整措施,取得了不错的重构效果。然而,多尺度分块压缩感知忽略了包含大量先验信息的低频系数,且同层小波系数采取一致的采样率。为进一步提高图像的重构质量,本文基于同层小波系数之间的重要性差异,提出了一种结合纹理信息和方向估计的自适应多尺度分块压缩感知算法。该算法首先提取图像在小波域内的低频系数,进行小波逆变换,得到预估计图像。分块后做以下三方面工作:1)计算出代表各块纹理信息的灰度熵,按照一定的转换方式将其转换为初步自适应采样率;2)利用图像的梯度信息,对各层各子带的各图像块进行方向估计;3)将初步自适应采样率按小波域内各层各子带的主方向进行采样率的分配,实现自适应采样。采用六幅纹理复杂度各不相同的测试图像进行仿真,实验表明在各采样率下,该算法能显著提高图像的重构质量和视觉效果,重构图像的PSNR和SSIM比原算法均有提升,PSNR最高可提升1.38dB。本文还对图像重构算法进行了研究和分析,分别是本文采用的平滑投影Landweber算法,凸松弛算法中的最小1l范数算法以及贪婪算法中的压缩采样匹配算法,给出了仿真结果。
【关键词】：多尺度压缩感知 小波变换 自适应采样 灰度熵 方向估计
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-14
• 1.1 研究背景和意义9-11
• 1.2 国内外研究现状及发展趋势11-13
• 1.2.1 基于小波域的多尺度分块压缩感知的发展和现状11-12
• 1.2.2 现有算法存在的问题12-13
• 1.3 本文的内容安排13-14
• 第2章 压缩感知理论简介14-24
• 2.1 压缩感知理论提出14
• 2.2 压缩感知理论框架14-21
• 2.2.1 问题描述14-16
• 2.2.2 信号的稀疏表示16-18
• 2.2.3 观测矩阵的设计18-19
• 2.2.4 信号重构19-21
• 2.3 图像质量的性能评价21-23
• 2.3.1 图像主观质量评价方法21-22
• 2.3.2 图像客观质量评价方法22-23
• 2.4 本章小结23-24
• 第3章 自适应多尺度分块压缩感知算法24-37
• 3.1 多尺度分块压缩感知24-27
• 3.1.1 分块压缩感知24-25
• 3.1.2 多尺度分块压缩感知采样算法25-26
• 3.1.3 多尺度分块压缩感知重构算法26-27
• 3.2 自适应多尺度分块压缩感知（EO-BCS-SPL）27-33
• 3.2.1 小波分解28-29
• 3.2.2 基于灰度熵的纹理信息29-30
• 3.2.3 基于梯度信息的方向估计30-31
• 3.2.4 结合纹理信息和方向估计的自适应多尺度分块压缩感知31-33
• 3.3 性能比较33-36
• 3.3.1 峰值信噪比（PSNR）的比较34-35
• 3.3.2 结构相似度（SSIM）的比较35-36
• 3.4 本章小结36-37
• 第4章 基于自适应多尺度分块压缩感知的图像处理算法37-57
• 4.1 图像的小波变换37-38
• 4.2 图像的观测矩阵38-43
• 4.2.1 图像的纹理信息38-42
• 4.2.2 图像的方向估计42-43
• 4.3 图像的重构结果43-49
• 4.3.1 整体性能对比43-47
• 4.3.2 重构图像的视觉效果对比47-49
• 4.4 重构算法研究49-56
• 4.4.1 最小1l范数算法49-51
• 4.4.2 压缩采样匹配追踪算法51-53
• 4.4.3 平滑投影Landweber（SPL）算法53-56
• 4.5 本章小结56-57
• 总结与展望57-58
• 参考文献58-61
• 攻读学位期间发表论文与研究成果清单61-62
• 致谢62

【相似文献】

中国期刊全文数据库 前10条

1 董宁;文志强;余波;;基于防反射边界的图像分块反降晰研究[J];计算机工程;2011年11期

2 李泉永;;一个使用较少外存的分块直接解法及其在天线结构分析中的一个应用[J];桂林电子工业学院学报;1984年01期

3 金淳浩;周桅;;动态分块快速网格化方法[J];物探化探计算技术;1988年04期

4 韩永飞;分块果园法的证明[J];吉林大学自然科学学报;1989年02期

5 周平;刘晓洁;;基于两级分块的文件同步方法[J];计算机工程与设计;2014年03期

6 舒辉,康绯;一个新的循环分块算法[J];计算机研究与发展;2002年10期

7 刘立祥,谢剑英,张敬辕;利用分块循环矩阵对离散图象进行重建[J];计算机工程与应用;2003年14期

8 王春发 ,陈国华,杨万里,罗马吉;螺旋进气道三维分块结构化贴体网格的生成[J];小型内燃机与摩托车;2003年04期

9 曾璞;吴玲达;文军;;基于分块潜在语义的场景分类方法[J];计算机应用;2008年06期

10 李泉永;;分块解法在天线背架结构计算中的一个应用[J];桂林电子工业学院学报;1982年01期

中国重要会议论文全文数据库 前9条

1 任安禄;邓见;;分块法求解圆球强迫对流场[A];第十一届全国水动力学学术会议暨第二十四届全国水动力学研讨会并周培源诞辰110周年纪念大会文集（上册）[C];2012年

2 陈宜稳;王威;王润生;;分块建模和点建模联合的背景重建方法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

3 伍中平;;双向不等高正交钢管桁架分块整体提升施工技术[A];大型复杂钢结构建筑工程施工新技术与应用论文集[C];2012年

4 邹李;杜小勇;何军;;B3:图间节点相似度分块计算方法[A];NDBC2010第27届中国数据库学术会议论文集A辑二[C];2010年

5 窦朝晖;;影响分块算法性能的主要因素[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

6 肖永浩;黄清南;;基于分块数据结构的冲击问题并行计算[A];中国计算力学大会'2010（CCCM2010）暨第八届南方计算力学学术会议（SCCM8）论文集[C];2010年

7 戴妍峰;刘藻珍;;空间望远镜分块式主镜面形控制系统建模[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年

8 李嘉伟;孙明;;基于分块LAB特征的粒子滤波目标跟踪算法[A];中国农业工程学会2011年学术年会论文集[C];2011年

9 ;大会主题报告[A];2009年全国微波毫米波会议论文集（下册）[C];2009年

中国重要报纸全文数据库 前5条

1 雷明;企业扭亏分块搞活应处理好的几个关系[N];中国企业报;2000年

2 雷明;分块搞活应处理好几个关系[N];中国航空报;2001年

3 覃匡龙 周鸿广 侯俊富;“分块管理”破解警力难题[N];检察日报;2003年

4 王书明;新华中学形成安全管理网络[N];商洛日报;2007年

5 记者 郭凤美;“分块搞活”救了太原制药[N];山西经济日报;2004年

中国博士学位论文全文数据库 前2条

1 邹健;分块稀疏表示的理论及算法研究[D];华南理工大学;2012年

2 何边;复杂网络上的分块问题[D];上海交通大学;2012年

中国硕士学位论文全文数据库 前10条

1 严辉银;求解二乘二分块实线性方程组的块分裂预处理方法[D];兰州大学;2015年

2 沈世达;基于分块压缩感知的图像和视频传输技术研究[D];西南交通大学;2015年

3 张蛟;基于FastDFS的重复数据管理技术的研究与实现[D];电子科技大学;2014年

4 白聪轩;多线索分块匹配的移动机器人目标跟踪[D];北京工业大学;2015年

5 李鹏程;基于张量特征值分析的特征表示及典型应用[D];西安电子科技大学;2015年

6 荣雁霞;基于分块压缩感知的图像重构方法研究[D];南京邮电大学;2015年

7 高东红;基于多尺度分块压缩感知的图像处理算法研究[D];北京理工大学;2016年

8 闵慧;面向语义服务的大规模本体分块映射研究[D];中南大学;2013年

9 王润梅;基于Laplace矩阵的大规模本体分块映射的研究[D];中南大学;2011年

10 齐朗晔;基于分块核函数特征的交通标识识别[D];南京理工大学;2013年

  本文关键词：基于多尺度分块压缩感知的图像处理算法研究，由笔耕文化传播整理发布。

本文编号：379843