基于隱馬爾科夫樹(shù)模型的壓縮感知圖像重構(gòu).pdf

1、壓縮感知是針對(duì)稀疏或者可壓縮的信號(hào)提出的一種新理論，在信號(hào)采樣的過(guò)程中，同時(shí)對(duì)信號(hào)進(jìn)行壓縮，它的采樣速率遠(yuǎn)遠(yuǎn)低于傳統(tǒng)的奈奎斯特采樣速率，這使其在信號(hào)處理領(lǐng)域有著突出的優(yōu)點(diǎn)和廣闊的應(yīng)用前景。該領(lǐng)域目前仍有許多問(wèn)題值得研究。重構(gòu)算法是其中非常重要的一部分，它對(duì)于壓縮后的信號(hào)的精確重建以及采樣過(guò)程中的準(zhǔn)確性的驗(yàn)證都有著重要的意義。
　　本文對(duì)壓縮感知理論以及現(xiàn)有的重構(gòu)算法進(jìn)行了系統(tǒng)的學(xué)習(xí)之后，圍繞其中的迭代加權(quán)算法在二維重構(gòu)中的應(yīng)用展開(kāi)

2、研究，主要完成工作如下：
　　（1）分析了迭代加權(quán)1l范數(shù)重構(gòu)算法的思想，提出了基于HMT模型訓(xùn)練參數(shù)的迭代加權(quán)1l圖像重構(gòu)算法。該算法根據(jù)圖像在小波域的四叉樹(shù)結(jié)構(gòu)，利用HMT模型參數(shù)，對(duì)迭代加權(quán)算法的權(quán)值進(jìn)行迭代更新，以達(dá)到更好的重構(gòu)效果。
　?。?）提出了基于uHMT模型的迭代加權(quán)1l圖像重構(gòu)算法以及自適應(yīng)的參數(shù)選擇方法。由于HMT模型參數(shù)的訓(xùn)練過(guò)程較為復(fù)雜，而且計(jì)算量較大，會(huì)占用大量的時(shí)間和空間，針對(duì)這個(gè)問(wèn)題，將uHM