基于显著性信息的图像块压缩感知编码方法分析-analysis of image block compressed sensing coding method based on saliency information.docxVIP

中南民族大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其 他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个 人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果 由本人承担。作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查 阅和借阅。本人授权中南民族大学可以将本学位论文的全部或部分内容编入 有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本 学位论文。本学位论文属于1、保密□，在__年解密后适用本授权书。2、不保密√□。（请在以上相应方框内打“√”）作者签名：日期：年月日导师签名：日期：年月日摘要压缩感知理论突破了传统的奈奎斯特采样定理的瓶颈，当信号 的采样频率远低于奈奎斯特采样定理所要求的采样频率时依然能够 精确重构出原始信号，但是其前提条件是信号具有稀疏性或者可压 缩性。压缩感知理论在图像处理、信号获取、无线通信以及计算机 视觉等领域已经表现出了很好的应用前景，基于压缩感知的图像编 码方法也成为了当前图像编码领域的研究热点。本文通过系统深入的学习和研究基于压缩感知理论的图像块编 码方法，重点探讨了利用图像的显著性信息来对每个图像块的测量 矩阵进行优化的编码方法，该方法能够对图像的细节部分进行充分 的采样，从而有效的提高图像压缩感知编码时的测量效率以及重构 图像的质量。本文的研究工作主要有以下两个方面：（1）对显著性引导的压缩感知算法进行了深入的研究，并探讨 了在图像编码中引入显著性引导的压缩感知算法。对传统图像压缩 感知算法中测量投影所用到的高斯测量矩阵进行优化，充分利用图 像的显著性信息对具有高显著性和非高显著性的图像块分别用不同 的统计分布进行测量，从而有效的提高重构图像的峰值信噪比以及 主观视觉效果。（2）研究了一种基于显著性信息的自适应图像压缩感知算法。 在所探讨的显著性引导的图像压缩感知算法的基础上，再对各个图 像块进行自适应的压缩采样。通过分析图像的显著性信息，对人眼 视觉系统相对比较敏感的区域分配相对较多的测量维数，而对人眼 视觉系统相对比较不敏感的区域分配相对较少的测量维数，以此来 实现对图像的自适应采样，从而更好的保护了图像中的细节部分， 从而使重构图像在峰值信噪比和主观视觉效果上都有很好的表现。关键字：图像编码；压缩感知；显著性信息；测量矩阵；自适应采样ABSTRACTThe compressive sensing breaks the limitation of traditional Nyquist sampling theorem，which can reconstruct original image signal withfewer sampling points than Nyquist sampling theorem required if the signals are sparse or compressible. Compressed sensing theory has expressed good application prospect in image processing, signal acquisition, wireless communication, computer vision and other fields. The image encoding method based on compressed sensing has also become the research hotspot in the current image encoding.This thesis focus on the exploratory study of the image encoding method based on block compressed sensing, and take advantage of the saliency information of the image to optimize the measurement matrix of every image block in order to effectively improve the measurement efficiency in the encoding and the quality of the reconstruction image. This method can fully sample th