cs Word 文档.docVIP

山东工商学院 本科生毕业论文（设计）开题报告 学生姓名 李静 论文名称 基于CS的图像处理 专 业 电子科学与技术 指导教师（签名） 教研室主任（签名） 2014年2月 一 课题所涉及的问题及应用现状综述 （1）所涉及的问题： 压缩感知（CS)技术是在已知信号具有稀疏性或可压缩性的条件下,对其进行数据采集、编解码的新理论。而含噪信号的重构是压缩感知理论研究的关键技术,基追踪算法(BP)是比较成熟的信号重构算法。小波变换在数字图像处理中的应用基本分为四种:基于小波变换的图像压缩、图像去噪、图像增强和图像融合；此设计主要针对于小波图像增强方面的应用。 （2）应用现状综述： 压缩感知理论(Compressive Sensing)在图像处理领域中的应用主要包括信号的稀疏表示、不相关性测量和信号的重构三个成分。它是利用图像稀疏性这一先验条件来对图像进行编解码的方案其核心思想是只要某高维信号是可压缩的或在某个变换域上具有稀疏性,就可以用一个与变换基不相关的测量矩阵将该信号投影到一个低维空间上,然后通过求解一个最优化问题以较高的概率从这些少量的投影中重构出原始信号。能够以较少的采样资源,较高的采样速度和较低的软硬件复杂度获得原始信号的测量值。该理论已经被广泛应用于数字相机、医学成像、遥感成像、地震勘探、多媒体混合编码、通讯、结构健康监测等领域。本文归纳了压缩感知研究中的关键问题,探讨压缩感知从稀疏约束到低秩约束优化的发展历程,对压缩感知在遥感、地震勘探等几个相关领域的应用研究进行了综述。 二 重点研究的关键问题、解决的思路及实现目标的可行性 关键问题： 奈奎斯特采样频率过高,对硬件的要求过高；信号处理框架比较单一,先采样后压缩,效率低、浪费存储空间。 （2）思路: 主要针对可压缩信号或者是稀疏信号,将采样与压缩同时进行,这样其采样频率则有可能低于奈奎斯特频率。减少采样数据量,节省存储空间,同时保证一定的精度。需要时,可采用适当的重构算法从压缩传感得到的数据中重建出足够的数据点,从而恢复出原始信号.利用小波变换可将一幅图像分解为大小、位置和方向都不同的分量，与傅里叶频域里的线性滤波一样，对小波系数进行处理，有选择地改变某些系数的的大小，从而能够放大感兴趣的分量而减小不需要的分量，达到增强图像边缘、对比度等目的。BP及BPDN算法(基追踪去噪算法)进行了MATLAB仿真分析,并通过对算法的改进,扩展了BP算法的应用范围,使其在脉冲噪声条件下重构信号。 可行性分析： 压缩感知理论的突出优点是可减少采样数据量,节省存储空间,同时保证一定的精度。对BP及BPDN算法(基追踪去噪算法)进行了MATLAB仿真分析,并通过对算法的改进,扩展了BP算法的应用范围,确保了方案的可行性。 三 完成本课题的工作方案 2014.3.1——2012.3.20 深入了解题目要求、收集相关资料 2014.4.1——2012.4.30 学习和熟悉图像及视频处理相关知识 2014.5.1——2014.5.30 利用实验数据分析结果，修改算法 2014.6.1——2014.6.10 撰写论文 2014.6.20—— 2014.6.30完善论文，准备答辩 四、已进行的前期准备工作 ⒈了解基于CS的图像处理的发展现状与发展趋势，以及国内市场对此系统 的完善与需求情况。 ⒉收集与课题相关资料，收集素材，熟悉所需相关知识，出拟论文方案。 ⒊理解各个制作系统的开发和实际应用特点、工作原理及专业相关知识，对 系统中可能出现的问题进行分析解决。 ⒋大体确定总体方案，并逐步开展设计，在实际设计中，必要时对原方案进 形修改，并根据实际情况进行修改。 小波变换去噪的基本思路可以概括为：利用小波变换把含噪信号分解到多尺度中，小波变换多采用二进型，然后在每一尺度下把属于噪声的小波系数去除，保留并增强属于信号的小波系数，最后重构出小波消噪后的信号。其中关键是用什么准则来去除属于噪声的小波系数，增强属于信号的部分。