基于隱馬爾科夫樹模型的壓縮感知圖像重構.pdf

1、壓縮感知是針對稀疏或者可壓縮的信號提出的一種新理論，在信號采樣的過程中，同時對信號進行壓縮，它的采樣速率遠遠低于傳統(tǒng)的奈奎斯特采樣速率，這使其在信號處理領域有著突出的優(yōu)點和廣闊的應用前景。該領域目前仍有許多問題值得研究。重構算法是其中非常重要的一部分，它對于壓縮后的信號的精確重建以及采樣過程中的準確性的驗證都有著重要的意義。
　　本文對壓縮感知理論以及現(xiàn)有的重構算法進行了系統(tǒng)的學習之后，圍繞其中的迭代加權算法在二維重構中的應用展開

2、研究，主要完成工作如下：
　　（1）分析了迭代加權1l范數(shù)重構算法的思想，提出了基于HMT模型訓練參數(shù)的迭代加權1l圖像重構算法。該算法根據(jù)圖像在小波域的四叉樹結構，利用HMT模型參數(shù)，對迭代加權算法的權值進行迭代更新，以達到更好的重構效果。
　?。?）提出了基于uHMT模型的迭代加權1l圖像重構算法以及自適應的參數(shù)選擇方法。由于HMT模型參數(shù)的訓練過程較為復雜，而且計算量較大，會占用大量的時間和空間，針對這個問題，將uHM