基于學(xué)習(xí)的壓縮感知圖像恢復(fù)方法研究.pdf

1、數(shù)字信息的獲取,即從連續(xù)信號(hào)到數(shù)字信號(hào)的轉(zhuǎn)換是數(shù)字信息處理系統(tǒng)中的重要組成部分。壓縮感知理論的出現(xiàn)改變了傳統(tǒng)的先高速采樣后低碼率壓縮的信息采集模式,它允許我們對(duì)連續(xù)信號(hào)進(jìn)行低速率的觀測(cè)或測(cè)量,在信號(hào)采集的同時(shí)實(shí)現(xiàn)對(duì)信號(hào)的壓縮,從而極大地節(jié)省系統(tǒng)資源。壓縮感知理論能保證以較高的概率無(wú)失真地恢復(fù)原始信息,然而如何從采集到的信號(hào)觀測(cè)值精確地恢復(fù)出原始信號(hào)是壓縮感知理論中的重要研究課題。如何選擇一個(gè)合適的稀疏域使得原始信號(hào)在該域上具有最佳的稀疏

2、表示是壓縮感知恢復(fù)算法關(guān)鍵的研究問題。本論文提出了基于學(xué)習(xí)的壓縮感知恢復(fù)算法來(lái)解決圖像信號(hào)稀疏域選擇的關(guān)鍵問題,從而極大地改進(jìn)了現(xiàn)有的圖像壓縮感知恢復(fù)算法的性能。同時(shí),本論文也研究了基于圖像非局部相似特性的壓縮感知恢復(fù)算法,通過(guò)利用自然圖像的非局部相似特性,進(jìn)一步極大地提高了壓縮感知恢復(fù)算法的性能。
　　 本文首先介紹了提出的基于學(xué)習(xí)的壓縮感知圖像恢復(fù)算法。傳統(tǒng)的壓縮感知恢復(fù)算法使用固定的稀疏域,由于自然圖像的復(fù)雜性這些固定的稀

3、疏域(如DCT,小波域)無(wú)法稀疏刻畫圖像的各個(gè)局部結(jié)構(gòu),從而無(wú)法準(zhǔn)確恢復(fù)圖像的邊緣和紋理細(xì)節(jié)。針對(duì)該問題,我們提出從包含大量圖像塊的訓(xùn)練集中學(xué)習(xí)一組分片光滑的圖像自回歸模型,然后根據(jù)圖像的局部結(jié)構(gòu)自適應(yīng)地選擇相應(yīng)的圖像模型,來(lái)對(duì)圖像進(jìn)行自適應(yīng)的稀疏表示。實(shí)驗(yàn)結(jié)果表明提出的基于學(xué)習(xí)的壓縮感知圖像恢復(fù)算法能夠極大地改進(jìn)現(xiàn)有基于固定稀疏域的恢復(fù)算法。另外,由于模型的學(xué)習(xí)是離線進(jìn)行,提出的算法和現(xiàn)有的恢復(fù)算法具有相似的計(jì)算復(fù)雜度。
　　

4、 為了進(jìn)一步提高圖像的恢復(fù)效果,本文也研究了基于圖像非局部相似性的圖像壓縮感知恢復(fù)算法。通過(guò)圖像模型選擇實(shí)現(xiàn)自然圖像的自適應(yīng)稀疏域選擇,可以克服傳統(tǒng)的固定稀疏域的表示缺點(diǎn),但這種自適應(yīng)性也會(huì)失去魯棒性,在恢復(fù)圖像中產(chǎn)生一些視覺效應(yīng)。另外一方面,由于自然圖像中往往包含許多重復(fù)的結(jié)構(gòu),利用這些重復(fù)的結(jié)構(gòu),我們可以提高圖像模型選擇的精確度,同時(shí)也可以構(gòu)造一個(gè)基于非局部相似性的約束條件,進(jìn)一步減少恢復(fù)信號(hào)的不確定性,從而進(jìn)一步提高壓縮感知圖像恢

5、復(fù)的精度。
　　 作為提出的壓縮感知圖像恢復(fù)算法的一個(gè)應(yīng)用,本文也研究了基于壓縮感知的圖像多描述重構(gòu)方法。傳統(tǒng)的圖像多描述編碼具有描述個(gè)數(shù)有限,抗丟包能力差等缺點(diǎn)?；趬嚎s感知理論的圖像多描述編碼重構(gòu)可以產(chǎn)生任意個(gè)圖像描述,同時(shí)具有很強(qiáng)的抗丟包能力。然而,采用固定稀疏域的壓縮感知恢復(fù)算法效率低下,基于壓縮感知的圖像多描述編碼方法效率較低。實(shí)驗(yàn)結(jié)果表明,本文提出的基于學(xué)習(xí)和圖像非局部特性的圖像恢復(fù)算法能夠極大地提高基于壓縮感知理論