基于低秩去噪的近似消息传递图像压缩感知重构

发布时间：2021-12-16 10:07

　　作为一种新的信号采样理论,压缩感知理论指出:对于具有稀疏性或者可压缩性的信号,我们可以通过远低于香农采样率的测量数据进行精确重构。压缩感知理论一经提出,就受到了学术界和工业界的广泛关注,在信号处理、模式识别、通信、光学/微波成像等领域展现出良好应用前景。设计重构算法实现从少量测量值恢复原始信号是压缩感知理论的核心之一。传统基于稀疏约束的自然图像压缩感知重构主要面临两个问题,一是自然图像具有的非平稳性使得难以寻找其完美的稀疏表示,二是自然图像的采样数据规模通常很大。前者限制了重构算法的重构效率,而后者会使得重构算法的计算复杂度太高。为此,本文着力开展了基于图像非局部稀疏理论,以及基于近似消息传递框架的图像压缩感知重构方法研究,以期在实现大规模图像信号快速重构的同时,能得到重构效率的有效提升。论文的主要工作与贡献如下:（1）研究了一种基于自适应低秩去噪的近似消息传递图像压缩感知重构方法。图像隐含的非局部低秩先验特性已被成功用于去噪等图像恢复应用。针对自然图像具有的非平稳特性以及迭代重构中图像噪声强度变化的问题,构建了一种自适应低秩去噪的近似消息传递图像压缩感知恢复方法。具体根据迭代重构图像... 

【文章来源】：中南民族大学湖北省

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

压缩感知理论框架图

压缩感知信号测量过程

测量率为0.3时图像Leaves的重构质量比较

【参考文献】：
期刊论文
[1]加权结构组稀疏表示的图像压缩感知重构[J]. 李佳,高志荣,熊承义,周城.  通信学报. 2017(02)
[2]一种用于压缩感知理论的投影矩阵优化算法[J]. 吴光文,张爱军,王昌明.  电子与信息学报. 2015(07)
[3]压缩感知及其应用:从稀疏约束到低秩约束优化[J]. 马坚伟,徐杰,鲍跃全,于四伟.  信号处理. 2012(05)
[4]压缩感知理论及其研究进展[J]. 石光明,刘丹华,高大化,刘哲,林杰,王良君.  电子学报. 2009(05)
[5]基于非常稀疏随机投影的图像重建方法[J]. 方红,章权兵,韦穗.  计算机工程与应用. 2007(22)



本文编号：3537953