基于pca字典和两阶段优化的非凸压缩感知重构-计算机应用技术专业论文.docxVIP

摘要 基于 PCA 字典和两阶段优化的非凸压缩感知重构 摘要 近 几 年 ， 在 信 号 处 理 领 域 出 现 了 一 种 新 的 数 据 采 集 理 论 “ 压 缩 感 知 ” (Compressed Sensing, CS)，该理论在数据采集的同时实现压缩，突破了传统奈奎 斯特采样定理的限制，为数据采集技术带来了革命性的变化，使得该理论在压缩 成像系统、军事密码学、无线传感等领域有着广阔的应用前景。 在压缩感知重构算法中有两个关键点：稀疏表示字典构造和重构算法设计。 压缩感知重构算法本质是求解 l0 范数的非凸优化问题，该问题是 NP-hard 问题。 遗传算法和克隆选择算法是求解组合优化问题的代表性方法。因此，本文提出了 基于 PCA 字典和两阶段优化的非凸压缩感知重构方法，该方法在分块压缩感知的 框架下，通过构造 PCA 超完备冗余字典，并且使用遗传和克隆选择算法从全局求 解更优的原子组合。本文主要工作如下： 1、提出??基于 PCA 方向基和局部结构先验的压缩感知重构方法。该方法借 鉴了 Guoshen Yu 等学者[54]提出的从具有直线方向的黑白图像块中获得 PCA 方向 基字典的思想，通过加入局部结构先验对待重构的图像块求得一个最优 PCA 方向 的基原子组合，然后利用文献[54]的稀疏系数求解公式获得这些 PCA 方向基原子 的系数，最终得到该图像块的重构结果。仿真实验结果表明该方法对于具有单一 方向的图像块有较好的重构效果。 2、上面提到的 PCA 方向基字典是由每个方向的较大特征值对应的基原子组 成的，其中小的特征值对应的基原子被舍弃。在图像块的稀疏表示中尽管大的特 征值对应的 PCA 基原子贡献较大，但是小的特征值对应的 PCA 基原子也具有一 定的作用，因此本文构造了一个 PCA 超完备冗余字典，该字典是由所有 PCA 方 向基上的所有特征值对应的基原子组成的。基于该字典，本文提出了两阶段优化 的非凸压缩感知重构方法。该方法对待重构的图像块首先使用遗传算法从 PCA 超 完备冗余字典中就方向求解最优原子组合，然后使用克隆选择算法在已优化出方 向的部分原子组成的子字典上就特征值对应的原子进行进一步搜索得到更优的原 子组合，最后利用文献[54]的稀疏系数求解公式获得这些 PCA 方向基原子的系数， 最终得到该图像块的重构结果。实验结果表明，本方法的重构结果在视觉效果和 重构误差上都要优于 OMP 和第三章的重构方法。 关键词：PCA 字典 压缩感知重构 遗传 克隆选择 多方向性  Abstract 基于 PCA 字典和两阶段优化的非凸压缩感知重构 Abstract In recent years, in the field of signal processing, a new data sampling theory named compressed sensing(CS) has been put forward. CS is a new theory breaking through the traditional Nyquist sampling theorem, the signal can be acquired that it can be compressed at the same time. The theory makes a revolutionary change for data acquisition technology, so that the theory has the wide application prospect in the fields of compressed imaging system, military cryptography, wireless sensors. There are two key points in the image reconstruction algorithm of compressed sensing: (1)The construction of dictionary for sparse representation.(2)The design of reconstruction algorithm. The reconstruction algorithm of compressed sensing is non-convex Optimization problem by solving the l0 norm, it is NP-hard problem. Genetic evolution and clonal selection algorithm are the repres