基于分塊壓縮感知的圖像重構(gòu)方法研究.pdf

1、壓縮感知理論（Compressed Sensing,CS）突破了傳統(tǒng)圖像采樣定理的限制，使圖像采樣和壓縮同時(shí)進(jìn)行，并以遠(yuǎn)低于Nyquist采樣率的速度進(jìn)行采樣。在CS理論基礎(chǔ)上，Lu Gan提出了分塊壓縮感知（Block Compressed Sensing,BCS），該理論先將圖像分成若干大小相等的圖像塊，對(duì)每個(gè)圖像塊分別進(jìn)行觀測(cè)和重構(gòu)，以此加快釆樣和重構(gòu)速度。針對(duì)圖像的分塊壓縮感知理論，本文對(duì)圖像的稀疏表示及重構(gòu)方法進(jìn)行了深入研究，

2、主要完成工作如下：
　?。?）本文研究了常用的三種正交基稀疏表示方式，通過仿真表明了不同正交基下圖像的不同稀疏特點(diǎn)。在此基礎(chǔ)上，利用正交匹配追蹤算法（Orthogonal Matching Pursuit,OMP），實(shí)現(xiàn)了對(duì)一維信號(hào)的重構(gòu)以及對(duì)二維圖像的直接CS重構(gòu)。針對(duì)整幅圖像的直接CS重構(gòu)所需時(shí)間長(zhǎng)、觀測(cè)矩陣存儲(chǔ)空間大等問題，本文提出了基于離散余弦變換（DCT）的圖像分塊重構(gòu)方法，該方法相對(duì)于直接CS重構(gòu)方法大大減少了重構(gòu)時(shí)間

3、。
　?。?）基于DCT變換對(duì)圖像的每個(gè)子塊單獨(dú)處理時(shí)，會(huì)使重構(gòu)圖像出現(xiàn)不連續(xù)的虛假邊界。本文首先將圖像塊進(jìn)行分類處理，即根據(jù)其稀疏度的不同自適應(yīng)的選擇觀測(cè)值數(shù)目，從而在觀測(cè)值減少的前提下，獲得較高的重構(gòu)圖像質(zhì)量。然后采用均值濾波算法對(duì)平滑塊和紋理快相鄰處的虛假邊界進(jìn)行處理，并提出一種改進(jìn)的全變差方法對(duì)處理后的重構(gòu)圖像進(jìn)行調(diào)整，該方法提高了重構(gòu)圖像的峰值信噪比（PSNR）值，重構(gòu)圖像的塊效應(yīng)得到明顯改善。
　　（3）小波變換