压缩感知算法在数字图像处理中的研究与应用.pdfVIP

技术应用 · 压缩感知算法在数字图像处理中的研究与应用 邱中杰 杜宏博 王 雯 马 洪 李重华(贵州师范，贵州 贵阳 550018) 摘 要：随着压缩感知理论研究工作的深入，压缩感知在信号和图像处理领域已引起众多研究者的关注。理论已经证明自然图像本身具有 稀疏的表示特性，符合人类所接触的很多信号和图像的处理。近年来，压缩感知理论 已被大量应用到信号和图像处理的各个领域[1]。如何 构造一个适合不同模态图像的变换字典，并设计相应的快速而有效的稀疏分解算法是本项目中稀疏分解矩阵建立研究的重要 内容；提出快 速、准确、鲁棒性好的cs重建算法也是本项目研究的主要 内容之一。 关键词：压缩感知；稀疏表示；变化字典；鲁棒性 1引言 某个角度下的 “切片”，即如图 卜1(b)图中的一条直线，传统的 目前，图像压缩技术可主要分为两大类，即有损压缩和无 方法需要大量的测量，即密集的直线，才可以高质量地重构图 损压缩。无损压缩虽然严格地保证了图像质量，但是压缩率较 像。当只有18个角度的测量数据时(如图卜l(b)所示，只占整个 低，仅为23倍，无法达到实时传输和节省存储空间的要求。为 频域的7．71％)，传统的后向投影 (BackProjection，BP)方法重构 了提高压缩率，人们开始尝试有损压缩算法，主要包括区域压 的图像如图卜l(c)所示，如果在重构过程中引入稀疏性约束，则 缩算法 、JPEG 缩算法 、基于小波变换的压缩算法 、面 可以高精度地重构原图像，如图1-1(d)所示 。 向对象的区域运动补偿算法 等。这些算法虽然在很大程度 上压缩了图像的冗余信息，但是其压缩处理方法均基于以下几 个步骤进行：即首先对可压缩信号进行高速采样、然后对采样 数据进行压缩，最后把压缩过的信号进行解压缩以便恢复原始 信号。众所周知，传统信号采样的准则是Nyquist采样定理，因 此，在影像设备将模拟信号转成数字图像的过程中经常需要较 高的采样率，而为了便于传输，又要对获得的大量信息进行数据 压缩，只保留一部分必要信息。这在很大程度上浪费掉了采集、 存储和计算资源。 2压缩感知的研究背景与理论简介 压缩感知 (compressivesensing，CS)技术~2006年诞生 以来，就以其在图像压缩和传输领域中表现出来的独特优势， 迅速引起国内外学者的高度重视，被美国科技评论评为2007年 度 大科技进展。cS的核心思想是将信号采样与压缩融合在一 起，即在采样的同时实现信号的压缩，以尽量地降低信号的冗 (C)后向投影 (d)稀疏恢复 余信息。cs突破了传统的Nyquist采样定理，只要信号是可压缩 图1-1 基于稀疏表示重构的MRI成像 的或稀疏的，cs就可以以极低的采样率采样，然后又可以利用 这个发现最终诱使了压缩感知理论的产生。其后，Candes、 测量值精准地重构原始信号。目前，cs的理论研究主要集中在 Tao与Romberg等人，初步建立了压缩感知的理论模型 。压缩 信号的稀疏分解、信号观测矩阵建立和信号重构三个方面 。 成像主要分为两个组成部分：数据的获取过程以及图像的重构 尽管其理论研究仍出于起步阶段，但已成为信息论、图像处理、 过程。其中，前半部分在理论上需研究使得 “稀疏重构”能够恢 模式识别、医疗成像、地址勘探等领域的一大研究热点。在麻 复原信号的测量矩阵性质，即重构条件：后半部分与稀疏重构 省理工学院、斯坦福大学等许多知名大学已专门成立Cs课题 的研究一脉相承，但是需要特别考虑二维图像所涉及的大规模 组。国内关于cs的研究基本同步进行，不过研究成果较国外少