学位论文 > 优秀研究生学位论文题录展示

基于压缩感知的图像编码研究

作　者: 赵美
导　师: 王安红
学　校: 太原科技大学
专　业: 电路与系统
关键词: 压缩感知先验信息自适应观测深度图像编码可变密度成对观测死区量化
分类号: TN919.81
类　型: 硕士论文
年　份: 2014年
下　载: 6次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来，压缩感知(Compressed Sensing/Compressive sampling，CS)理论的提出从根本上突破了奈奎斯特采样定理的限制，在采样的同时对信号进行了压缩，其采样频率远低于奈奎斯特采样频率，最终可以通过求解一个优化问题从少量的观测值中高概率地重构出原始信号。本论文深入研究了压缩感知的相关理论和应用，针对CS理论在2D和3D图像编码中的应用展开研究，主要工作和创新点如下：1.基于先验信息(Prior Information)的观测矩阵的设计和渐进编码方案。传统的压缩感知方案中，观测矩阵为随机矩阵，其设计过程没有考虑到信号的具体特征。该方案中，考虑到图像在变换域的分布特性，我们采用自适应分阶段的观测：第一阶段，编码端对图像分块观测，以很小的观测率只观测几个重要的低频系数，解码端恢复得到的图像作为基本层；在解码端对恢复的图像进行块DCT系数分析，将大于某一阈值的DCT系数通过反馈信道传输到编码端，作为先验信息指导下一阶段观测矩阵的更新，编码端开始进行第二阶段的观测；在第二阶段，解码端利用新得到的观测值和第一个阶段的观测值进行重构，图像质量逐渐变好，以达到渐进编码的效果，如此反复。实验结果表明，所提出的观测方案较传统的非自适应观测方案取得了更高的恢复质量。2.基于压缩感知的深度图像的优化观测和量化编码方案。该方案中，编码端对深度图像进行可变密度成对观测，对所得观测值进行死区量化(dead-zone quantization)和算术编码；解码端恢复重构时采用共轭梯度算法，同时利用深度图像在像素域的稀疏性，添加TV(Total Variation)约束以保证深度图像边缘的正确恢复。通过实验寻找观测率和量化死区之间的优化关系，使得该算法的率失真性能达到最优。实验结果表明，该方案比传统的JPEG和JPEG2000方法更能很好的保持深度图像的边缘信息，指导合成的虚拟视点图像的视觉效果更好。

全文目录

中文摘要  5-6
ABSTRACT  6-10
第一章绪论  10-14
  1.1 研究背景与意义  10-11
  1.2 研究现状  11-12
  1.3 本论文的主要研究内容及章节安排  12-14
    1.3.1 论文主要研究内容  12-13
    1.3.2 论文章节安排  13-14
第二章压缩感知基本理论及深度图像介绍  14-22
  2.1 CS 基本理论  14-18
    2.1.1 信号的稀疏表示  14-16
    2.1.2 观测矩阵的设计  16-17
    2.1.3 信号的重构算法  17-18
  2.2 深度图像概念介绍  18-20
  2.3 本章小结  20-22
第三章基于先验信息的观测矩阵的设计和渐进编码方案  22-32
  3.1 引言  22
  3.2 块压缩感知  22-23
  3.3 基于先验信息的图像块压缩感知  23-30
    3.3.1 分阶段的观测矩阵的设计及解码重构  25-26
    3.3.2 阈值的选择  26-27
    3.3.3 实验结果及分析  27-29
    3.3.4 方案分析  29-30
  3.4 本章小结  30-32
第四章基于压缩感知的深度图像优化观测和量化编码方案  32-42
  4.1 引言  32
  4.2 基于压缩感知的深度图像优化观测和量化编码  32-40
    4.2.1 可变密度成对随机观测  33-34
    4.2.2 死区量化（Dead-zone Quantization）  34-35
    4.2.3 观测率和量化死区之间的优化问题  35-36
    4.2.4 深度图像解码重构  36
    4.2.5 实验结果分析  36-40
  4.3 本章小结  40-42
第五章总结与展望  42-44
  5.1 工作总结  42
  5.2 工作展望  42-44
参考文献  44-48
致谢  48-50
攻读学位期间取得的研究成果  50-51

基于压缩感知的图像编码研究

内容摘要

全文目录

相似论文