基于分块的压缩采样方法研究-软件工程专业论文.docxVIP

优秀毕业论文 精品参考文献资料 基于分块的压缩采样方法研究摘 基于分块的压缩采样方法研究 摘 要 伴随信息技术的迅猛发展，对数据的处理、存储和传输成为了学者研究的热 点。压缩感知技术突破了经典香农定理采样的瓶颈，给信息获取指明了新的方向。 但是现今信号量逐步加大，给压缩感知算法存储和计算带来很大的负担。同时， 实际中信号信息量都是不均匀分布的，传统压缩感知方法中没有将信号特征考虑 在内，这为后续压缩感知研究带来很大的改进空间。 本文主要研究分块压缩感知方法在不同领域的应用。图像领域，在以往均匀 分块方法基础上提出聚类分块算法，根据图像特征信息来优化分块和采样率分配。 传感器网络领域，在随机游走机制中引入分块压缩感知的思想，优化了采样结果。 论文主要工作如下： (1)提出基于显著性的图像聚类分块压缩采样方法。该方法预获取图像的显著 性信息，根据图像显著性值，对均匀分块的子块进行分割，将特征相似的部分聚 集在一起，然后根据区域的显著值权重来自适应分配采样率。实验结果表明，本 文提出的基于显著性的图像聚类分块压缩采样方法在相同采样值的前提下，提高 了图像的重构质量，同时使得图像重要部分恢复的更好，子块之间的误差缩小， 视觉上更为优质。 (2)提出基于起点分块的传感器网络随机游走采样方法。该方法在传感器网络 中数据随机游走采样的算法基础上，预采样得到信号的稀疏分布或信息熵，然后 将网络分块，计算网络子块信号特征权重。根据子块特征权重来分配随机游走路 线的起点，使得重要区域节点数据被多采样，非重要区域节点消耗少量采样次数。 通过优化随机游走路线初始点的选择，达到优化采样结果、提高了重构效果的结 果。实验结果表明，经过初始点选择优化的本算法在平均重构质量上要由于原始 随机游走，且在相同条件下若干次游走结果方差也小于原始随机游走方法，说明 本文方法更好更稳定。 关键词：压缩感知；图像处理；聚类分块；显著性；传感器网络；随机游走 II 万方数据 工程硕士学位论文Abstract 工程硕士学位论文 Abstract With the rapid development of information technology，the demands for information are increasing．How to store，process and transmit large amount of data is an important subj ect to be studied．Compressed sensing breaks through the bottleneck of the Shannon sampling theorem，which provides a new method for information acquisition，and therefore，the compressed sensing theory has attracted great attention in many application fields．Compressive sensing has made some progress，but due to the complexity of the modern signal，and the compressive sensing reconstruction algorithm，the original compressed sensing algorithm has a lot of disadvantages in the practical application．Because the signal is large，the measurement matrix becomes large，resulting in a large amount of memory consumption．In the reconstruction process，due to the large amount of measurement signal，the reconstruction algorithm has a large amount of computation，which make s the running time be too long． This paper focuses on the application of block compressed sensing method in different fields．In the image processing field，we propose a novel sampling method based on cl