殷生旺开题报告.docVIP

江 西 理 工 大 学 本 科 毕 业 设 计（论文）开 题 报 告 信息工程学院 通信工程专业2011级（2015届）113班 学号36 学生 殷生旺 题 目：基于压缩感知的图像压缩技术研究 专题题目（若无专题则不填）： 本课题来源及研究现状： 随着现代信息技术的飞速发展，人们对于多媒体信息量的需求也在不断的增长着，多媒体技术在当今社会中扮演的角色越来越重要。在多媒体的数据源中，图像无疑是一种最重要的渠道。但是由于图像所携带的信息量比较庞大，因此在实际运用中，为了降低图像的传输、存储和处理成本，通常采用图像压缩的技术，其主要过程是先通过高速采样对图像信号进行处理，接着再压缩、传输、接收，最后进行解压缩从而还原出原始图像信号，为了使还原的原始信号不产生失真现象，这就要求在采样过程中遵循奈奎斯特采样定理，该定理指出：信号的采样速率必须达到信号带宽的两倍以上，这不仅给信号处理的能力提出巨大的压力，同时给硬件设备也带来了极大的挑战。在这种形势下，由加州理工大学的Emmanuel Candes 、斯坦福大学的David Donoho等人基于信号的稀疏性提出了一种称为压缩感知（Compressive Sensing(CS)）的新颖采样理论，该理论指出，只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相关的的观测矩阵将变换所得高维信号投影到一个低维空间上，并且该投影的过程中一直保持着重建原始信号必须的信息，然后进一步通过求稀疏最优化解就可以精确地或近似精确地回复原始高维信号。在该理论框架下，采样速率不决定于信号的带宽，而决定于信息在信号中的结构和内容。压缩感知理论突破了奈奎斯特采样定理的极限，可以利用少量的采样数据量进行随机采样，便可准确的重构原始信号。压缩感知理论得到了诸多领域学者的广泛关注，也使它有广阔的应用前景。因此基于压缩感知的的图像压缩技术研究具有重要的理论和实际运用价值。 课题研究目标、内容、方法和手段： 本文的研究目标：应用图像压缩技术、压缩感知理论等知识，将给定的图像不经过传统的采样定理，利用压缩感知理论经过信号稀疏，观测矩阵测量和信号重构三个步骤恢复原始信号。 研究的内容包括： ① 图像压缩编码；② 压缩感知基本理论； 研究方法与手段: 查阅大量资料与文献，了解并掌握压缩感知理论的三个方面；利用互联网找到一幅的进行实验的图像；利用matlab语言进行编程，分析仿真结果。 设计（论文）提纲及进度安排： 第1~3周： 阅读相关书籍文献，熟悉编程环境（3周）； 第4~6周： 研究压缩感知理论（3周）； 第7~8周： 研究图像压缩的编码算法（2周）； 第9~10周： 算法的实现（2周）； 第11~12周：结果分析和算法的改进（2周）； 第13~15周：撰写毕业论文（3周）； 第16周： 做好答辩前的各项准备工作并参加答辩（1周）； 。 主要参考文献和书目： [1]E.Candes,T Tao .Near optimal singal recovery from projections : Universal encoding str ategies [J].IEEE Trans.Inform.Theory ,2006.12,52(12):5406-5425 [2]D.Donoho,Y Tsaig. Extens of compressed sensing [J].Singal Processing ,2006.3,86(3);533-548 [3]R.Baraniuk.A lecture oncompressed sensing [J].IEEESignal Processing Magazine ,2007.7, 24(4):118-121 [4]刘芳敏，吴永辉，俞建新.JPEG2000图像压缩技术过程及原理概述[J].计算机辅助设计与 图形学学报，2002,14(10):905-916 [5]夏得深，傅得胜，现代图像处理技术与应用[M].南京：东南大学出版社，2001 [6]Rabbani M,Joshi R.An overview of the JPEG2000 still image compression standard [J]. Signal Processing :Image Communication ,2002,17:3-48 [7]W.Bajwa,J.Haupt,G.Raz,S.Wright,R.Nowak. Toeplitz-structured compressed sensing matrice s[J].IEEE Workshop on Statistical Signal Processing (SSP),Madison,Wisconsin