基于神经网络的压缩感知图像重构算法研究

发布时间：2025-01-05 22:56

　　当今多媒体通信中高图像质量的要求,需要处理更多的数据。奈奎斯特定律指导方法对采样及存储等设备造成巨大压力。CS(Compressed Sensing)以远小于Nyquist采样定理的采样率在编码端对信号做非相关测量,利用对非线性方程求最优解在解码端对原始的信号进行复原。从基于人工设计(Hand-Designed,HD)的方法到基于神经网络(Neural Network,NN)的方法,学者们对CS图像重构进行了广泛研究,致力于寻找运行速度快、重构质量高的CS图像重构算法。HD具有理论收敛保障性,但存在许多需要人工选择的参数。NN可以自适应选择参数,从大量数据中学习真实信号先验,但基于黑匣子操作,缺乏理论收敛保障。近年来将迭代展开成深度网络的混合人工设计与数据驱动的方法得到长足发展,具有较大研究潜质,在性能和效率方面有望对CS重构算法做进一步的提升。本文研究混合人工设计与数据驱动的CS图像重构算法,该类方法首先利用经验知识设置重构算法,然后使用训练数据来学习算法先验,在保障理论收敛的同时最大化利用数据先验。具体研究内容如下:(1)研究了基于去噪的CS图像重构算法。由于直接对深度网络进行端到端...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
    1.2 国内外研究现状及分析
        1.2.1 传统压缩感知图像重构算法研究现状及分析
        1.2.2 基于神经网络的压缩感知重构算法研究现状及分析
        1.2.3 混合人工设计与数据驱动的压缩感知重构算法研究现状及分析
        1.2.4 当前研究存在的问题与不足
    1.3 本文主要内容和结构安排
第2章 图像压缩感知与神经网络基本理论
    2.1 引言
    2.2 压缩感知理论基础
        2.2.1 压缩感知基本理论及问题描述
        2.2.2 传统压缩感知图像重构算法介绍
    2.3 神经网络理论基础
        2.3.1 神经网络的基本理论
        2.3.2 神经网络经典架构
    2.4 本章小结
第3章 基于神经网络的图像去噪算法研究
    3.1 引言
    3.2 图像去噪算法的研究
        3.2.1 基于非局部自相似先验的图像去噪算法(BM3D)
        3.2.2 基于神经网络的图像去噪算法(DnCNN)
        3.2.3 联合神经网络与非局部自相似的图像去噪算法(BMCNN)
    3.3 仿真结果与对比分析
    3.4 本章小结
第4章 数据驱动的压缩感知图像重构算法研究
    4.1 引言
    4.2 迭代展开的近似消息传递算法
        4.2.1 迭代展开近似消息传递算法基本原理
        4.2.2 状态演化分析
    4.3 固定去噪器融合的压缩感知图像重构算法
        4.3.1 典型去噪器融合的压缩感知图像重构
        4.3.2 性能仿真及分析
    4.4 多去噪器融合的压缩感知图像重构算法
        4.4.1 特征驱动自适应选择去噪器的压缩感知图像重构策略
        4.4.2 多去噪器多先验联合利用的压缩感知图像重构算法
        4.4.3 性能仿真及分析
    4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：4023401