壓縮感知算法及其在矢量量化中的應(yīng)用.pdf

1、壓縮感知理論是近幾年出現(xiàn)的集采樣、壓縮和編碼與一起的新型信號(hào)處理方法。它突破了奈奎斯特采樣定理，利用很少量的采樣值，通過(guò)求解凸優(yōu)解，獲得原始信號(hào)高概率精確重構(gòu)。由于其特性，現(xiàn)被廣泛地應(yīng)用于語(yǔ)音、圖像等諸多實(shí)際應(yīng)用中。本文研究壓縮感知重建算法及其在神經(jīng)網(wǎng)絡(luò)矢量量化中的應(yīng)用。
　　論文首先描述了壓縮感知的基本理論，通過(guò)數(shù)值仿真方法，分析了壓縮感知的幾種重建算法，其中包括貪婪算法中的正交匹配追蹤算法(OMP)、正則化的正交匹配追蹤算法(

2、ROMP)、子空間匹配追蹤算法(SP)，凸優(yōu)化算法中的梯度投影算法(GPSR)、硬迭代閾值算法(IHT)、平滑0l范數(shù)算法(SL0)以及非凸算法中的迭代重新加權(quán)算法(IRLS)，比較了各種算法的性能。結(jié)果表明:SL0算法和IRLS算法在重構(gòu)精度方面明顯優(yōu)于其他算法，其次是SP算法，再次是ROMP和OMP，最后是GPSR和IHT算法。當(dāng)采樣率為0.9時(shí)，以標(biāo)準(zhǔn)Lena圖像為例，SL0算法和IRLS算法兩者重構(gòu)圖像的峰值信噪比(PSNR)大

3、于45dB，SP算法接近40dB；就重構(gòu)時(shí)間而言，IHT算法最優(yōu)，同等條件下，它需要時(shí)間最短，明顯低于其他壓縮感知重建算法。
　　然后論文探討了壓縮感知在神經(jīng)網(wǎng)絡(luò)矢量量化中的應(yīng)用。矢量量化是一種有效的有損壓縮技術(shù)，當(dāng)壓縮比大時(shí)，圖像質(zhì)量恢復(fù)就會(huì)不理想。通過(guò)將壓縮感知理論應(yīng)用于神經(jīng)網(wǎng)絡(luò)矢量量化，可以大幅度提高在壓縮比大時(shí)圖像的恢復(fù)質(zhì)量。論文把壓縮感知理論應(yīng)用于神經(jīng)網(wǎng)絡(luò)矢量量化，從小波層數(shù)和測(cè)量數(shù)分析了不同的壓縮感知重建算法，如OMP

4、、GP、SP、IRLS、SL0、GPSR，對(duì)神經(jīng)網(wǎng)絡(luò)矢量量化的圖像恢復(fù)質(zhì)量和恢復(fù)時(shí)間的影響，通過(guò)數(shù)值仿真手段，獲得了基于壓縮感知神經(jīng)網(wǎng)絡(luò)矢量量化的最優(yōu)方案。結(jié)果表明:在單層小波變換時(shí)，利用壓縮感知技術(shù)，可使lena圖、girl圖、couple圖的神經(jīng)網(wǎng)絡(luò)矢量量化圖像質(zhì)量(PSNR)分別提高6-7dB，3-4dB左右和1dB以下；兩層小波變換時(shí)，可提高3-4dB，1-2dB和1dB以下；且在同等條件下，GPSR算法重構(gòu)質(zhì)量好與其他算法，所