基于脊波冗余字典和多目標(biāo)遺傳優(yōu)化的壓縮感知圖像重構(gòu).pdf

1、壓縮感知（Compressed Sensing，CS）理論開創(chuàng)了新的信號(hào)處理模式，實(shí)現(xiàn)信號(hào)采樣和數(shù)據(jù)壓縮的結(jié)合，即在信號(hào)采樣的同時(shí)進(jìn)行了數(shù)據(jù)壓縮。以遠(yuǎn)低于奈奎斯特采樣率對(duì)信號(hào)進(jìn)行采樣，這樣既節(jié)省了資源和帶寬，又緩解了較高的帶寬給信號(hào)采集設(shè)備帶來(lái)的壓力。在這種新的信號(hào)處理模式下，信號(hào)的重構(gòu)質(zhì)量與觀測(cè)矩陣、稀疏表示和重構(gòu)算法息息相關(guān)。
　　目前已提出的基于過(guò)完備字典和進(jìn)化計(jì)算的非凸壓縮感知圖像重構(gòu)算法，在固定的稀疏度下，利用進(jìn)化計(jì)算的

2、方法學(xué)習(xí)得到過(guò)完備字典的最優(yōu)原子組合，最后使用該最優(yōu)原子組合來(lái)重構(gòu)圖像。但是，這一類算法都需要預(yù)先知道稀疏度；而事實(shí)上，一個(gè)真實(shí)信號(hào)的稀疏度一般情況下是未知的。因而，該類算法存在由于稀疏度預(yù)估不準(zhǔn)確而導(dǎo)致圖像重構(gòu)效果不佳的問(wèn)題。針對(duì)上述問(wèn)題，本文提出了一種基于脊波冗余字典和多目標(biāo)遺傳優(yōu)化的壓縮感知圖像重構(gòu)方法。本文的主要工作如下：
　　在基于過(guò)完備字典和圖像分塊策略的非凸壓縮感知框架下，將稀疏度與原子組合作為兩個(gè)優(yōu)化目標(biāo)，同時(shí)進(jìn)行

3、優(yōu)化。利用從圖像塊的壓縮觀測(cè)中對(duì)圖像塊結(jié)構(gòu)估計(jì)的重構(gòu)模型，將要重構(gòu)的圖像塊分為：光滑圖像塊、單方向圖像塊和多方向圖像塊。在構(gòu)造基于多目標(biāo)遺傳優(yōu)化的非凸壓縮感知圖像重構(gòu)算法時(shí)，設(shè)計(jì)了以稀疏度和原子組合為兩目標(biāo)的變長(zhǎng)編碼；針對(duì)該兩目標(biāo)的變長(zhǎng)編碼，分別提出了基于不同基因位置變長(zhǎng)編碼的交叉操作、基于先驗(yàn)信息的新個(gè)體插入操作和多點(diǎn)變異等多目標(biāo)進(jìn)化操作。
　　為了減少了重構(gòu)所需要的時(shí)間，本文對(duì)不同結(jié)構(gòu)類型的圖像塊按其觀測(cè)向量進(jìn)行聚類，使得對(duì)每