基于低秩特性的影響壓縮感知重構(gòu)方法研究.pdf

1、目前，傳統(tǒng)的壓縮采樣方法幾乎均基于奈奎斯特采樣定理，它指出采樣頻率必須達(dá)到信號截止頻率的兩倍以上信號才能被精確地重構(gòu)信號，當(dāng)數(shù)據(jù)量增大時(shí)，采樣數(shù)據(jù)也相應(yīng)增多，為數(shù)據(jù)后續(xù)的傳輸、存儲和處理造成了難度。壓縮感知理論的出現(xiàn)打破了傳統(tǒng)的采樣定理的限制，其指出，如果信號是稀疏的或者在某一變換域上是可稀疏表示的，就能用特殊的觀測矩陣以遠(yuǎn)低于奈奎斯特頻率的采樣率進(jìn)行采樣，并且仍能夠通過重構(gòu)算法精確或大概率近似重構(gòu)原始信號，而重建算法是壓縮感知理論的核

2、心之一。本文開展壓縮感知重構(gòu)算法的研究，充分利用信號的低秩先驗(yàn)知識，提高圖像和視頻的重構(gòu)質(zhì)量，對于圖像處理領(lǐng)域以及壓縮感知的應(yīng)用具有重要意義。
　　論文首先介紹了課題的背景和意義，以及國內(nèi)外壓縮感知研究現(xiàn)狀，總結(jié)了壓縮感知理論框架中的常見圖像稀疏表示方法，常見觀測矩陣，以及常用的重構(gòu)算法，并且介紹了低秩特性在影像中的應(yīng)用。在此基礎(chǔ)上，提出了利用矩陣低秩特性進(jìn)行影像壓縮感知重構(gòu)的方法。
　　論文提出了利用低秩矩陣來進(jìn)行二維圖像

3、壓縮感知重構(gòu)的方法，針對圖像具有非局部相似性的特點(diǎn)，將非局部相似塊聚類得到低秩矩陣，從而利用低秩矩陣和全變分共同約束的二維遙感圖像重構(gòu)算法，并且在相似塊聚類時(shí)提出了聯(lián)合塊匹配的方式，提高了匹配的精度。利用標(biāo)準(zhǔn)測試圖和遙感圖像進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，所提方法能獲得高質(zhì)量的重構(gòu)圖像，峰值信噪比和結(jié)構(gòu)相似性指標(biāo)均有提升。
　　在時(shí)域壓縮感知中，基于視頻信號的背景部分具有低秩特性，提出了視頻自適應(yīng)重建的壓縮感知算法。時(shí)域壓縮感知由多幀