基于Ridgelet冗余字典和遺傳進(jìn)化的壓縮感知重構(gòu).pdf

1、本文首先介紹了壓縮感知理論框架，著重回顧了壓縮感知重構(gòu)算法的研究和應(yīng)用現(xiàn)狀，針對其本質(zhì)是l0范數(shù)問題，將對直線邊緣稀疏表示性能好的脊波(Ridgelet)冗余字典和遺傳進(jìn)化(Genetic Algrithm，GA)算法融入到壓縮感知重構(gòu)框架中，提出并實(shí)驗(yàn)仿真了基于ridgelet冗余字典和遺傳進(jìn)化的壓縮感知重構(gòu)方法。首先，建立了基于分塊的Ridgelet冗余字典的壓縮感知重構(gòu)框架，其次，針對問題實(shí)際情況，詳細(xì)設(shè)計(jì)了GA的編解碼方式、適應(yīng)

2、度函數(shù)和遺傳算子，最后，提出了三種不同形式的遺傳進(jìn)化的壓縮感知重構(gòu)方法，分別為單個測量遺傳進(jìn)化、相似測量共同遺傳進(jìn)化和兩者結(jié)合的重構(gòu)方法。
　　單個測量遺傳進(jìn)化重構(gòu)方法是將遺傳進(jìn)化算法簡單地融入重構(gòu)問題，仿真實(shí)驗(yàn)數(shù)據(jù)證明了遺傳進(jìn)化算法確實(shí)能夠較好解決此類問題，進(jìn)化到一定代數(shù)后，該方法能夠超越正交匹配追蹤方法的重構(gòu)結(jié)果。相似測量共同遺傳進(jìn)化重構(gòu)方法是受圖像存在非局部自相似特性的啟發(fā)，實(shí)驗(yàn)數(shù)據(jù)分析得知經(jīng)過高斯隨機(jī)觀測的向量間也存在相似

3、性，為此，我們借助仿射傳播聚類算法得到相似測量分組，重新定義適應(yīng)度函數(shù)，仿真實(shí)驗(yàn)數(shù)據(jù)表明，與前一種算法進(jìn)行對比，本方法由于充分利用了相似子塊之間的約束，因此在進(jìn)化初期就能有效地抑制子塊學(xué)誤的現(xiàn)象，減少了進(jìn)化代數(shù)，同時又提高了重構(gòu)效果。
　　綜合分析前兩種重構(gòu)方法的數(shù)據(jù)和重構(gòu)效果，結(jié)合相似測量共同遺傳進(jìn)化突出的共性化和單個測量遺傳進(jìn)化強(qiáng)調(diào)的個性化優(yōu)勢，提出了兩者結(jié)合的遺傳進(jìn)化重構(gòu)方法，且充分利用每一代進(jìn)化后中間輸出圖像信息，新增加了