基于交替學(xué)習(xí)和免疫優(yōu)化的壓縮感知圖像重構(gòu).pdf

1、隨著信息時(shí)代的到來(lái)，人們對(duì)信息量的需求與日俱增。而傳統(tǒng)的奈奎斯特采樣定理要求信號(hào)的采樣率不低于信號(hào)帶寬的兩倍，這無(wú)疑給信號(hào)的處理能力提出了更高的要求。壓縮感知理論(Compressed Sensing，CS)是近幾年來(lái)信息處理領(lǐng)域的一大變革。它指出若信號(hào)在某個(gè)正交基或緊框架下是可壓縮的，那么就可以以遠(yuǎn)低于奈奎斯特定理所要求的采樣率進(jìn)行采樣，并準(zhǔn)確重構(gòu)出所需要的信號(hào)。目前，壓縮感知理論在壓縮成像系統(tǒng)、模擬/信息轉(zhuǎn)換、生物傳感等領(lǐng)域都有著廣

2、闊的前景。本文主要研究的是圖像的壓縮感知重構(gòu)問題，在免疫優(yōu)化算法框架下，提出一種基于交替學(xué)習(xí)和免疫優(yōu)化的壓縮感知圖像重構(gòu)框架。論文創(chuàng)新的內(nèi)容包括以下幾個(gè)方面：
　　1.本文提出了一種稀疏系數(shù)的位置和稀疏系數(shù)的值交替學(xué)習(xí)的思想，不僅關(guān)注的是如何確定稀疏系數(shù)的位置，而且在該位置信息的指導(dǎo)下去求解稀疏系數(shù)值，建立了基于濾波算子和交替優(yōu)化的壓縮感知圖像重構(gòu)框架。該框架能夠較為準(zhǔn)確地定位小波域中大系數(shù)的位置，并重構(gòu)其系數(shù)值，從而恢復(fù)出視覺效

3、果好誤差小的圖像。
　　2.本文把自適應(yīng)濾波作為一種免疫優(yōu)化算子引入在免疫優(yōu)化框架中。該算子能夠準(zhǔn)確地捕獲圖像的細(xì)節(jié)部分，尤其是紋理和邊緣區(qū)域，從而改善了圖像的重構(gòu)質(zhì)量。
　　3.本文把凸集投影的思想應(yīng)用在小波域中，并將其作為一種算子引入免疫優(yōu)化算法中，使得每一代進(jìn)化的結(jié)果都是問題的解集附近的解，提高了算法的求解性能。
　　最后，在Matlab軟件中對(duì)本文提出的重構(gòu)算法進(jìn)行了仿真。仿真實(shí)驗(yàn)證明了算法的有效性，為后續(xù)的壓