基于压缩感知理论OMP图像分块重构研究.pdfVIP

应用研究 基于压缩感知理论OMP图像分块重构研究 宁寰宇，吴 惠 沈阳铁路信号有限责任公司，辽宁沈阳 110000 摘 要 本文研究压缩感知对一维信号处理的方法，将该思想应用于图像处理领域。通过将图像分块，得到带压 缩数据，经DCT变换，使得图像信号映射到其稀疏区域。将压缩信号，采用OMP算法，恢复得到分块图像，实现图 像重构。 关 键 词 压缩感知；图像处理；OMP 中图分类号 U28 文献标识码 A 文章编号 1674-6708（2015）152-0085-01 基于稀疏表示的压缩感知（CS）是信号处理领域的 由于式（1）需要解出的x 是欠定方程的未知数， 研究前沿，不同于传统的奈奎斯特采样定理， 这种信 无法直接从观测值计算得到方程解。因此，求解目标转 号处理算法极大的降低采样率，能够应用于许多稀疏信 变为该方程组所有解中，最稀疏的 x 值，即为 CS 压缩 号应用领域 [1]。 信号恢复值。问题转换为P l 求解最优 范数问题。 0 0 该领域的关键问题集中在信号的重构算法上，基于 P : min x s .t . y =Φx （4） 0 0 匹配追踪算法（Matching Pursuit，MP），能够在信号 上式求解是一个 NP 问题，结合 CS 理论约束等距性 被采样后，直接提取其特征量。由于其迭代结果都是非 RIP（Restricted Isomtry Proper）条件，则能够高概 最优的，因此，迭代多次才能获得收敛。正交匹配追踪 率重构原始信号。 算法，即OMP算法与MP算法相同，均采用原子选择准则， 其中，观测矩阵满足 不同的是，该算法通过递归处理选择的原子集合，以此 2 2 2 保证迭代最优，有效的减少迭代次数 [2] (1−δ ) x ≤ Φ ≤(1+δ ) x （5） 。 k 2 x 2 k 2 δ ∈(0,1) 就是RIP常数。 1 压缩感知与 OMP 算法 k