基于分塊壓縮感知的圖像重構(gòu)方法研究.pdf_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

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(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,對每個圖像塊分別進行觀測和重構(gòu),以此加快釆樣和重構(gòu)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(gòu)方法進行了深入研究,

2、主要完成工作如下:
  (1)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(chǔ)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(gòu)以及對二維圖像的直接CS重構(gòu)。針對整幅圖像的直接CS重構(gòu)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(gòu)方法,該方法相對于直接CS重構(gòu)方法大大減少了重構(gòu)時間

3、。
 ?。?)基于DCT變換對圖像的每個子塊單獨處理時,會使重構(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)的選擇觀測值數(shù)目,從而在觀測值減少的前提下,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(gòu)圖像進行調(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。
 ?。?)小波變換

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論