学位论文 > 优秀研究生学位论文题录展示

压缩感知重构及其增强方法研究

作　者: 王沪
导　师: 刘芳
学　校: 西安电子科技大学
专　业: 计算机应用技术
关键词: 压缩感知取样图像增强重构测量
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 458次
引　用: 0次
阅　读: 论文下载

内容摘要

压缩感知(Compressed Sensing或CS)不同于传统的数据获取理论,它可以使用远比传统方法少的测量或者样本来恢复确定的信号或图像。为了实现这个目标,CS依赖于两个规则：稀疏性和非相关性。前者属于信号中我们感兴趣的那部分,后者属于感知形态。压缩感知处理信号的一般流程为,信号的稀疏化,感知测量,信号重构。本文主要研究了压缩感知的重构算法,以及对重构后图像的增强方法,以利于后续的处理。GPSR-BB是Mario Figueiredo, Robert Nowak和Stephen Wright在2007年提出的一种用于CS和其他可逆问题重构的算法,它具有易于实现,重构结果良好,通用性强的特点。通过对该算法的进一步研究,发现了它存在几点不足。GPSR-BB算法正是由Newton法中的阻尼牛顿法发展而来。GPSR-BB方法虽然用了一种近似的方法来逼近Hessen矩阵,降低了计算量,但同时也损失了算法性能。与阻尼牛顿法相比,无约束优化中的共轭梯度法是一类无需计算二阶导数并且收敛速度快的方法。在该想法的基础上,本文提出了CGSR-FR (Fletcher-Reeves)方法。与GPSR-BB算法相比,本文的算法在重构图像的精度和视觉效果方面均有较好表现。在低测量率的情况下,不仅在这两方面表现较好,在计算时间上也有优势。压缩感知提供了一个使用亚奈奎斯特测量率恢复图像的框架。对于稀疏信号,CS可以保证精确重构。而对于本身就含有噪声的遥感图像和红外图像来说,相干斑噪声的存在使得图像信号,在经过稀疏变换之后,只能得到近似稀疏的变换系数,这就导致了图像信号无法精确重构,会存在一些细节上的损失。因此,在CS的理论框架下,我们提出了对重构后的图像进行增强的思想。本文在Ehsan和Mohammad提出的增强函数的基础上,利用增强弱信息,抑制强信息的思想,提出了一个新的增强函数,该函数对于CS重构后的图像,增强效果显著,有效提升了图像中的目标和边缘,图像增强前后图像均值、标准差、图像熵等指标均有改善,图像的对比度得到了大幅度增强。从而达到了增强重构后的图像,有利于后续处理(分类,分割等)的目的。

全文目录

摘要  3-4
Abstract  4-8
第一章绪论  8-12
  1.1 压缩感知理论研究现状  8-9
  1.2 图像技术的研究现状  9-10
  1.3 图像增强概述  10
  1.4 本文的主要内容  10-12
第二章压缩感知理论及传统的图像增强方法  12-24
  2.1 压缩感知成像  12-16
    2.1.1 压缩测量  12-14
    2.1.2 不确定性规则和稀疏重构  14-15
    2.1.3 l_1恢复和不确定性规则  15-16
  2.2 传统的图像增强方法  16-24
    2.2.1 空间域增强方法  16-19
    2.2.2 变换域增强方法  19-22
    2.2.3 基于参数优化的增强方法  22-24
第三章共轭梯度重构算法  24-32
  3.1 压缩测量  24-25
    3.1.1 稀疏表示  24
    3.1.2 随机/不连贯性投影  24-25
    3.1.3 通过l_1最优化恢复信号  25
  3.2 GPSR-BB方法  25-26
    3.2.1 问题背景  25-26
    3.2.2 GPSR-BB算法的局限性  26
  3.3 CGSR-FR方法  26-27
  3.4 实验结果及分析  27-32
    3.4.1 自然图像重构  27-29
    3.4.2 SAR图像重构  29-32
第四章基于压缩感知的图像增强  32-44
  4.1 基于压缩感知的图像增强  32
  4.2 基于压缩感知的图像增强算法  32-36
  4.3 基于压缩感知的图像增强实验  36-44
    4.3.1 增强效果的评价方法  36
    4.3.2 试验设置、结果及分析  36-44
第五章总结与展望  44-46
  5.1 本文总结  44-45
  5.2 展望  45-46
致谢  46-48
参考文献  48-52
作者在研究生阶段所发表的论文  52

压缩感知重构及其增强方法研究

内容摘要

全文目录

相似论文