论文部分内容阅读
压缩感知(CS)理论是目前信息工程相关领域研究的前沿热点之一。它打破了传统的奈奎斯特采样定理,相比于其要求的最小采样频率,CS理论证明了能够从更低数目的采样中以高概率完整地恢复原始信号,在保证信息特征不丢失的前提下节省了数据采集和处理的时间成本。压缩感知理论本质上可以视为处理线性信号恢复问题的工具,因此在求解信号和图像的逆问题上有着显而易见的优势。图像退化问题便是其中之一,恢复相应的高质量图像的过程即为图像优化。为推动压缩感知理论的学术研究与实际应用,该文介绍了其基本原理与方法。根据图像优化技术的现存研究工作,分别从去噪、去模糊和超分辨三大主流方面研究了基于CS理论的优化技术。最后探讨了所面临的问题和挑战,分析了未来的发展趋势,为将来研究工作的展开提供借鉴与帮助。