基于压缩感知的图像重构GUI系统.pdfVIP

第 14卷第 5期 杭州师范大学学报 (自然科学版) Vo1．14NO．5 2015年 9月 JournalofHangzhouNormalUniversity(NaturalScienceEdition) Sep．2015 基于压缩感知的图像重构 GUI系统 吕 军，陈 烁 ，李秀梅 (杭州师范大学信 息科学与工程学院，浙江 杭州 311121) 摘 要 ：本文利用 MATLAB平台设计了基于压缩感知的图像重构 GUI系统 ，针对不 同的变换基 、测量矩 阵、重构算法对 图像 的压缩采样及重构进行 了比较和讨论 ，其 中变换基包括小波变换基和离散余弦变换基 ；测量 矩阵包括随机矩阵如高斯矩阵和贝努利矩阵，以及确定矩阵如哈达玛矩阵和托普利兹矩阵；重构算法包括正交 匹配追踪算法和压缩采样匹配追踪算法．并通过峰值信噪比PSNR衡量 了图像重构的性能．该 GU1系统能够为 基于压缩感知的图像重构提供直观的实现平台． 关键词 ：压缩感知 ；随机矩阵；确定矩阵；正交匹配追踪算法 ；压缩采样匹配追踪算法 中图分类号 ：TP317．4 文献标志码 ：A 文章编号 ：1674—232X(2015)05—0548—06 0 引言 传统采样中，依据 Nyquist采样定理 ，采样频率不能低于信号最高频率的两倍．随着人们对信息需求 量 的增加，携带信息的信号带宽越来越宽，以此为基础的信号处理框架对采样速率 、传输速度和存储空间 的要求也越来越高． 压缩感知ll训通过远低于 Nyquist采样率 的方式对稀疏的或可压缩的信号进行采样 ，同时能以高概率 精确恢复出原信号．该理论突破了Nyquist采样定理的限制，在信息论、图像处理、医疗成像 、模式识别等 很多领域受到广泛关注 ]． 压缩感知把 自然信号经过变换基转化为稀疏信号 ，经过测量矩阵获得测量值 ，在重构算法下重建原始 信号．即当信号在某个变换域上是稀疏的或可压缩的，就可以用一个与变换基不相关的测量矩阵将变换所 得 的高维信号投影到一个低维空间上 ，然后利用信号的稀疏先验信息，通过一定 的线性或非线性的重构算 法 ，从这些少量的投影 中精确或近似精确地重构出原始信号． 文章利用 Matlab构建 了基于压缩感知的图像重构 GUI系统 ，采用两种稀疏变换基 (即小波变换基和 离散余弦变换基)、四种测量矩阵(即高斯矩阵、贝努利矩阵、哈达玛矩阵和托普利兹矩阵)、两种重构算法 (即正交匹配追踪算法和压缩采样匹配追踪算法)的不同组合对图像进行重构，并利用峰值信噪 比PSNR 收稿 日期 ：2015-0330 基金项 目：浙江省 自然科学基金项 目(LY15F010010)；浙江省信号处理重点实验室开放项 目(ZJKI一4一SP—OP2013-02)；杭州师范大学 实验室开放项 目；杭州师范大学本科生创新能力提升工程项 目． 通信作者：李秀梅 (1978一)，女，副教授 ，博士 ，主要从事时频分析及应用 、压缩感知 、图像及语音处理方面的研究．Email：xiumei～li@ hotmail．corn 第 5期 吕 军 ，等 ：基于压缩感知 的图像重构 GUI系统 549 作为指标 ，分析 比较各种组合的重建性能． 1 图像的采样和重构的过程简介 压缩感知理论 主要包括三个部分 ：信号的稀疏表示 ，测量编码和重构算法． 1．1 信号的稀疏表示 当一个信号只有少量的元素是非零的，则该信号是稀疏的．但现实生活 中，很多信号不是稀疏的，需要 将其进行稀疏表示．信号的稀疏表示是将信号投影到变换基上 ，使投影后的变换系数绝大部分是很小或接 近于零，从而满足稀疏性．常用的变换基有离散余弦变换基和小波变换基l3]． 根据调和分析理论 。]，一个长度为 N 的一维离散时 间信号 ． 厂，可 以表示为一组标准正交基 的线性 组合 -厂一， (1) 其中， 一[ 1 1．．·l， ]是 』＼，×N 的变换基，』＼×『1