论文部分内容阅读
压缩感知技术是在稀疏表示的基础上,以较低的采样速度执行采样,最后采用各种重构算法对信号进行重构。目前,对压缩感知技术的研究进行得如火如荼,广泛应用于图像恢复、无线通信、生物传感、地质勘探、图像压缩处理等领域。压缩感知技术的三个主要组成部分:稀疏表示、非相关观测和非线性重构,其研究也得到了迅速的发展,尤其是作为核心和关键的重构算法。 重构的过程是求解欠定方程的过程,即求解l0范数优化问题的过程,l0范数优化问题可通过匹配追踪算法和迭代阈值算法进行求解。由于l0范数问题是 NP难问题,为了降低问题的复杂度,将其转化为l1范数问题进行求解,目前存在的解法主要有内点法和梯度投影法。虽然问题的复杂度降低了,但是重构的准确度也降低。本文求解的是l0范数问题,由于进化算法为求解大规模问题提供了一个有效途径,因此本文将遗传算法和克隆选择算法应用于图像重构,提出了基于冗余字典方向参数判别策略的凸压缩感知图像重构方法。 本文充分利用Ridgelet字典原子的方向特征和图像本身的方向结构特点。不同结构的图像块在用脊波字典表示时特点不同:对非光滑图像块进行表示时所用原子的方向集中,对光滑图像块进行表示时所用原子方向多样且均匀分散。本文基于上述特点,使用代表不同方向的36个种群对每个图像块进行稀疏表示,个体误差均值小的图像块结构是光滑的,个体误差均值大的图像块结构是非光滑的,从而实现对图像块结构的准确判断,进而有效地区分光滑图像块和非光滑图像块。 本文充分考虑不同结构的图像块特点,针对不同结构的图像块采用不同的重构方法。由于光滑图像块方向多样且随机,采用随机方式对种群初始化。光滑图像块斑块较大,初始化种群的时候使用每个方向的前5个尺度。由于光滑图像块易重构,本文只用遗传算法迭代较少代数,保持重构精度且提高重构速度。非光滑图像块采用两阶段的重构算法,使用单一方向初始化的方式。 实验结果证明,本文重构算法具有重构速度快,重构出的图像视觉效果好、峰值信噪比高、结构相似性好的优点。