基于非局部自相似模型的图像压缩感知重建

发布时间：2021-06-10 14:22

　　压缩感知理论打破了传统Nyquist采样定理对采样速率的限制,是一种更为简洁的图像采样压缩方法。该理论针对稀疏信号或可稀疏表示的信号,以远低于信号带宽2倍的速率对信号进行采样,通过获得少量测量值,并根据相应的重建优化算法精确或高概率地重建出原始信号。从少量的测量值中重建出原始图像本质上是一个欠定问题,可利用自然图像的先验模型对解的空间进行正则化约束,从而逼近真实解,其中图像的先验信息在重建算法中起到了关键作用。因此,本文从图像的非局部自相似先验模型出发,对压缩感知重建算法展开研究,具体研究内容如下:1.针对基于传统全变分模型的图像压缩感知重建算法不能有效地恢复图像细节和纹理,从而导致图像的过平滑问题,本文提出了一种基于结构组全变分模型的图像压缩感知重建算法。该算法利用图像的非局部自相似性和结构稀疏特性,将图像的重建问题转化为由非局部自相似图像块构建的结构组全变分模型的最小化问题。算法以结构组全变分模型为正则化约束项构建优化模型,利用分裂Bregman迭代将算法分离成多个子问题,并分别采用最速梯度下降算法和原始对偶算法进行求解。所提出的算法利用图像自身的信息和结构稀疏特性来保护图像的细节... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：70 页

【学位级别】：硕士

【图文】：

图像的结构组构造

第 3 章 基于结构组全变分模型的图像压缩感知重建3.4 仿真实验及结果分析在实验中，选取了内容丰富、特征鲜明、结构复杂以及纹理和细节较丰富的最具代表的 6 幅图像作为测试图像，如图 3.2 所示。同时为降低计算的复杂度，采取分块 CS 的方法，将图像划分大小为32 32的不重叠图像块，对每一个图像块，按相同采样率进行采样获得测量值。算法中的测量矩阵采用高斯随机测量矩阵。

本章提出的 SGTV 算法重建图像的主观视觉效果最好，不仅在平滑区域没有混叠信号，同时对图像的细节和纹理保护得非常好，特别是对纹理和细节丰富的 Barba图像提升性能最为显著，在所有的采样率下 PSNR 都至少提高了 4dB，这是由于图像的非局部自相似块构建的结构组在梯度域中展现出的稀疏性有利于图像 CS 重建，使得重建的图像具有更加尖锐的边缘和更丰富的细节。(a) 原始图像 (b)DWT (PSNR=24.09dB;FSIM=0.8383)(c)TV(PSNR=23.79dB;FSIM=0.8202)

【参考文献】：
期刊论文
[1]基于非局部相似块低秩的压缩感知图像重建算法[J]. 宋云,李雪玉,沈燕飞,杨高波.  电子学报. 2017(03)
[2]压缩感知回顾与展望[J]. 焦李成,杨淑媛,刘芳,侯彪.  电子学报. 2011(07)



本文编号：3222536