基于卷积神经网络的压缩感知重构算法

发布时间：2023-05-27 05:53

　　在当今社会,由于信息的快速发展,使得人们对图像处理和视频处理的需求越来越高。奈奎斯特采样定律因其采样成本大,冗余数据多,浪费大量硬件资源等缺点,已经不能满足当今社会对图像处理越来越高的要求。由于压缩感知理论以亚奈奎斯特速率获取测量值并恢复图像,因此被广泛应用于图像处理中。虽然传统的压缩感知重构算法在一定程度上解决了图像重构方面的缺陷,比如:抗干扰能力差、复杂度高、浪费资源等问题,但是传统的压缩感知重构算法也面临着一些问题:传统的压缩感知重构算法大多都是迭代的,因此这些重构算法有计算成本昂贵,重构耗时久等问题。近几年,随着深度学习的不断发展,卷积神经网络进入了人们的视野。卷积神经网络因其自适应能力强,自动提取特征,局部感知和权值共享等优势,已经成为另一个研究热点。将卷积神经网络应用于压缩感知重构算法,可有效避免传统重构算法计算量大的缺点,并构建一个良好的重构图像,加快重构时间,达到实时重构的效果。本文主要针对基于卷积神经网络的压缩感知重构算法进行改进,主要工作如下:(1)提出一种新的压缩感知重构网络CombNet,它由一个线性映射网络和十二层的全卷积网络构成,线性映射网络用全连接层来表示...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 选题背景及意义
    1.2 压缩感知国内外研究现状
    1.3 卷积神经网络的国内外研究现状
    1.4 本文主要内容及章节安排
2 图像压缩感知原理
    2.1 压缩感知原理
        2.1.1 稀疏性
        2.1.2 测量矩阵
        2.1.3 重构算法
    2.2 传统的压缩感知重构算法
        2.2.1 BP算法
        2.2.2 匹配追踪(MP)算法
        2.2.3 正交匹配追踪(OMP)算法
        2.2.4 D-AMP算法
    2.3 分块图像压缩感知原理
    2.4 重构算法评价标准
3 卷积神经网络
    3.1 卷积神经网络简介
        3.1.1 卷积层
        3.1.2 池化层
        3.1.3 全连接层
        3.1.4 激活函数
    3.2 卷积神经网络工作原理
    3.3 基于卷积神经网络的压缩感知重构算法
        3.3.1 Recon Net
        3.3.2 FCMN
        3.3.3 DR2-Net
4 基于卷积神经网络的压缩感知重构算法
    4.1 线性映射网络
    4.2 基于卷积神经网络的压缩感知重构算法
    4.3 重构网络
        4.3.1 网络结构
        4.3.2 重构模型
    4.4 网络训练
    4.5 仿真实验
        4.5.1 实验环境
        4.5.2 实验结果及分析
    4.6 本章小结
5 基于残差网络的压缩感知重构算法
    5.1 残差网络原理
    5.2 基于残差网络的压缩感知重构算法
    5.3 重构网络
        5.3.1 网络结构
        5.3.2 重构模型
    5.4 网络训练
    5.5 仿真实验
        5.5.1 实验环境
        5.5.2 实验结果及分析
    5.6 本章小结
结论
致谢
参考文献
攻读学位期间的研究成果



本文编号：3824024