科研训练。压缩感在图像处理中的应用.docVIP

压缩感知在图像处理中的应用 摘要:针对传统的采样方法得到的图像数据量巨大，给图像信息的后续处理造成极大压力的问题，对压缩感知理论(Compressed Sensing，CS)进行了研究。压缩感知理论使采集很少一部分数据并且从这些少量数据中重构出更大量信息的想法变成可能，突破了奈奎-斯特采样定理的限制。综述了CS理论及关键技术问题，并着重介绍了CS理论在成像系统、图像融合、图像目标识别与跟踪等方面的应用与发展状况。文章指出CS理论开拓了信息处理的新思路，随着该理论 的进一步完善，会有更广泛的应用领域。 关键词：压缩感知、采样定理、图像处理。 Abstract: Traditional Shannon sampling method leads to a large amount of image data，and massive data processing brings a great pressure to bear on the post-processing of image information．Compressed Sensing ( CS) theory which can overcome the problem mentioned above is researched in this paper． It can reconstruct a large amount data by sampling small quantity data，and breakthroughs the restriction of Shannon sampling theory． This paper reviews the theory and key technique of CSand introduces the application and develop- ment of CS in imaging system，image fusion，target recognition and tracking． It points out that the CS theory is an effective data processingand more extensive applications will be come true with the development of the theory Key words: compressed sensing; sampling theorem; imaging system; image processing 1 . 引言 随着信息社会的发展，在日常生活中会经常 遇到获取、存储、处理以及传输海量信息的问题。 以数码相机拍照为例，由于从 CCD 获得的图像数 据量很大，若是直接存储，一张 1G Bit 的存储卡 只能保存几十张照片。而若通过某一压缩算法对 图像信息进行重新“表示”，即可剔除照片中的冗 余信息，使一张存储卡保存成百上千张照片。这是一个典型的信息编解码过程，从数学角度来讲就是信息的变换域处理。 整个编码过程由两个步骤构成：信息的获取（包含大量的冗余信息）和压缩处理。对于信息对于信息 的获取，香浓-奈奎斯特采样定理指出: 信号的采 样频率至少是信号最高频率的 2 倍时才能从采样 信号恢复出原始信号。但是，在海量信息以及信号频率很高的情况下，上述采样方法会造成很大的数据冗余，同时也不得不考虑硬件成本的问题。压缩处理发生在数据被完整采集到之后数据，压缩过程中，绝大多数的数据都要丢掉，而且压缩算法的计算量要比解压缩算法的计算量大。通过 以上编码过程的分析可推出: 如果能以远低于信 号最高频率的采样频率来采样，采样数据量就可 以大大减小，另外，如果丢弃对冗余信号的采集及 压缩，直接获取压缩后的数据，那么整个编码过程 会变得简单易行。 压缩感知理论(Compressed Sensing，CS)指出，如果信号在某一变换域是 K-稀疏的或者说是 可压缩的，那么可以设计一个与相变换基不相关 的非满秩矩阵(测量矩阵)来对信号进行“测量”。该测量值的长度远小于原始信号的长度，即可利用测量值，通过求解一个凸的最优化问题来实现原始信号的重构。 对于信号f，可以从它的部分变换域信息，f恢复出f，但前提是信号时稀疏的，而这一恢复过程就是一个典型的线性规划问题。 目前，有关CS的研究论文有百余篇之多，这些论文多侧重于测量矩阵的设计、重构算法，CS的新理论以及CS的应用研究。这里简要回顾一下具有代表性的研究成果。 在应用方面，已证实了CS理论已应用于雷达成像、医学核磁共振成像、无线通道传输、彩色图像成像、相位编码速度成像、视频监控、语音编码、多通道信号处理及稀疏信道估计等方方面