基于压缩感知理论的图像重构技术

通过CS理论在工程应用上典型的正交匹配追踪算法,实现了一维信号和二维图像的精确重构,针对该方法中出现对整幅图像进行采样计算时需要大量的观测矩阵存储空间,并且重构过程中耗费了大量的时间等问题,提出了一种基于OMP算法的改进方案,将图像进行分块压缩感知。通过实验分析,以上问题得到了解决,重构图像的质量在没有增加计算复杂度的前提下也得到了提高。     

用于压缩感知信号重建的正则化自适应匹配追踪算法

压缩感知理论是一种充分利用信号稀疏性或者可压缩性的全新的信号采样理论。该理论表明,通过采集少量的信号值就可实现稀疏或可压缩信号的精确重建。该文在研究和总结已有重建算法的基础上,提出了一种新的基于正则化的自适应匹配追踪算法(Regularized Adaptive Matching Pursuit,RAMP)用于压缩感知信号的重建。该算法可在信号稀疏度未知的情况下,通过自适应过程自动调节候选集原子的个数,利用正则化过程实现支撑集的二次筛选,最终实现了信号的精确重建。实验结果表明,在相同测试条件下,该算法的重建效果无论从主观视觉上还是客观数据上均优于其它同类方法。     

基于压缩传感的重构算法研究

传统的奈奎斯特采样定理规定采样率必须是频率带宽两倍,浪费大量采样资源。如果信号可以稀疏表示,那么可以采用压缩传感技术重构原始信号,压缩传感能在采样的同时对数据进行适当压缩,节省系统资源。现存的压缩传感重构算法对图像边缘和纹理的重构效果都不太理想,提出一种基于全变差的图像重构算法,该算法能稳定有效地重构图像的边缘和纹理。     

分块压缩感知的全变差正则化重构算法

针对分块压缩感知(BCS)重建图像质量较差问题,该文提出一种最小化l₀范数的分块压缩感知全变差(TV)正则化迭代阈值图像重构算法(BCS-TVIT)。BCS-TVIT算法考虑图像的局部平滑、有界变差等性质,将最小化l₀范数与图像的全变差TV正则项结合,构建目标函数。针对目标函数中l₀范数项和分块测量约束项无法直接优化问题,采用迭代阈值法使重构图像l₀范数最小化,并通过凸集投影保证满足约束条件,完成了目标函数的优化求解。实验表明,与基于l₀范数最小化的分块压缩感知平滑投影算法(BCS-SPL)相比,BCS-TVIT算法重构图像峰值信噪比提高2 dB,能消除BCS-SPL的“亮斑”效应,且在视觉效果上明显优于BCS-SPL算法;与最小全变差算法相比,BCS-TVIT算法重构图像峰值信噪比提升1 dB,且能降低重构时间约2个数量级。     

一种改进的压缩感知重构算法

压缩感知理论提供了一种全新的信号获取方式:引入信号的稀疏性,利用少量观测值,通过重构算法实现信号的高精度重构。构建快速、稳定的重构算法是压缩感知理论的主要研究方向之一。为了解决子空间追踪算法依赖于稀疏度的先验信息和重构质量较差的问题,提出一种改进的自适应子空间追踪算法。算法在选择原子的过程中,引入弱选择标准自适应地选择初始候选集,接着通过正则化过程对初始候选集中的原子进行筛选,算法在选择最终支撑集过程中,可以自适应调节支撑集原子个数。应用一维随机信号和二维图像进行重构实验,测试算法的稳定性、重构精度和重构时间,与正交匹配追踪算法、子空间追踪算法、正则化正交匹配追踪算法和稀疏度自适应匹配追踪算法进行对比实验,实验结果表明所提算法可以实现信号的高精度重构,重构稳定性和重构精度与同类算法相比有明显提升。     

基于自适应分块和联合优化光滑l0范数的二维压缩感知算法

传统的压缩感知模型和重构方法，虽能有效减少数据量，但压缩和重构性能不佳，故该文提出一种基于自适应分块和联合优化光滑l₀范数(SL0)的2维压缩感知算法。压缩过程利用灰度熵和四叉树算法进行自适应分块和采样率分配，同时对压缩模型改进，使用混沌循环矩阵作为测量矩阵，提升了压缩性能。重构过程基于SL0算法，采用陡峭性更高的拟合函数，结合拟牛顿法和动态迭代的方案提高重构质量和效率。该算法峰值信噪比和结构相似性指数相比现有算法平均提升了5.44 dB和21.08%，平均计算时间仅需1.59 s，表明该算法能稳定、快速地实现图像的压缩感知和精确重构，为压缩感知和图像重构提供了新方法。     

基于压缩感知的正则化子空间追踪算法

压缩感知理论是一种新的在采样的同时实现压缩的采样过程,只要被采样信号是稀疏或可压缩的,就可以保证精确重建。通过研究总结已有的贪婪追踪类重建算法,提出了一种正则化子空间追踪算法(Regularized Subspace Pursuit,RSP)。正则化正交匹配追踪算法(Regularized Orthogonal Matching Pursuit,ROMP)的正则化方法对原子的能量分级思想,对信号的重建精度和重建速度有很大影响。首先对该方法的不合理性进行改进,然后将改进的正则化步骤引入到子空间追踪算法(Subspace Pursuit,SP)中,最终达到对原始信号的快速精确重建。实验仿真表明,该算法比SP算法更高效,更具有实际应用意义。     

一种基于精细化稀疏自适应匹配追踪算法的图像检索方法研究

基于压缩感知理论,研究了一种精细化稀疏自适应匹配追踪（Meticulous Sparsity Adaptive Matching Pur-suit,MSAMP）算法,在此基础上提出了一种新的数字图像检索方法。首先对图像的RGB颜色、灰度共生矩阵按照列优先次序形成颜色及纹理的原始信号,然后对这两类信号采用分块压缩感知测量方法对图像进行分块测量,得到代表颜色特征和纹理特征的分块测量向量。其次利用MSAMP算法进行分块重构,计算出分块原始信号差量及其稀疏值。最后在图像检索时,通过计算图像的整体相似度,重点对差量的稀疏性进行估计,不需要精确恢复原始信号,从而减少迭代次数,加快检索速度。仿真实验表明,应用MSAMP算法的图像检索方法在检索速度和查准率等指标上具有较高的性能。     

基于Bandelet变换的图像压缩传感

提出并讨论了一种基于Bandelet变换的图像压缩传感算法。该算法可自适应跟踪图像的正则方向,提高对图像的稀疏表示能力,进而提高重构后的图像质量。对一幅图像在不同测试矩阵下利用小波法、DCT法和Bandelet法压缩传感算法进行图像重建仿真,仿真结果表明,该算法具备更为出色的图像还原质量和更优的PSNR。     

基于压缩传感的分块DCT域灰度图像水印算法

文中研究了压缩传感方法和图像水印算法,提出了一种基于压缩传感的分块余弦变换域灰度图像水印算法。该算法首先将原始二值水印图像采用压缩传感方法对其观测,从而得到观测矩阵,并将观测矩阵进行arnold置乱(阿诺德置乱)后生成待嵌入的水印图像;在嵌入水印阶段,首先将载体灰度图像进行了分块,分块的大小取决于水印图像的大小,然后将每个小分块进行二维余弦变换,计算其每个小分块中心像素的邻居(上下左右)像素均值,比较均值与对应水印像素位大小,以确定其嵌入数据,从而实现水印嵌入。为验证此算法的鲁棒性,我们进行了实验,实验表明该算法能承受一定的裁剪攻击。