基于分塊壓縮感知的圖像重構方法研究.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進行，并以遠低于Nyquist采樣率的速度進行采樣。在CS理論基礎上，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，對每個圖像塊分別進行觀測和重構，以此加快釆樣和重構速度。針對圖像的分塊壓縮感知理論，本文對圖像的稀疏表示及重構方法進行了深入研究，

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。在此基礎上，利用正交匹配追蹤算法（Orthogonal Matching Pursuit,OMP），實現(xiàn)了對一維信號的重構以及對二維圖像的直接CS重構。針對整幅圖像的直接CS重構所需時間長、觀測矩陣存儲空間大等問題，本文提出了基于離散余弦變換（DCT）的圖像分塊重構方法，該方法相對于直接CS重構方法大大減少了重構時間

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