基于多变量高斯模型的压缩感知图像重构-计算机技术专业论文.docxVIP

TN82学校代码 分 类 TN82  10701 TP751 学 号 1203121842 密 级 公开 西安电子科技大学 硕士学位论文 基于多变量高斯模型的压缩感知图像重构 作者姓名： XX工领 域： 学位类别： XX 工 齐朋菊 计算机技术 工程硕士 学校导师姓名、职称： 企业导师姓名、职称： 刘芳教授 刘文学高工 提交日期： 2014 年 12 月 Compressed Sensing Image Reconstruction Based on Multivariate Gaussian Model A thesis submitted to XIDIAN UNIVERSITY in partial fulfillment of the requirements for the degree of Master in Computer Technology By Qi Pengju Supervisor: Liu Fang, Liu Wenxue December 2014 西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日 期： 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在 校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送 交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容， 可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合 学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。 （保密的论文在解密后遵守此规定） 本学位论文属于保密，在 年解密后适用本授权书。 本人签名： 导师签名： 日 期： 日 期： I I PAGE PAGE IV 摘要 摘要 在信号处理领域，Nyquist 和 Shannon 开启了数字革命新纪元，他们经过大量 研究和实验，证明了信号在压缩重构过程中，要想从压缩采样的信息中较为准确 的重构信号，必须以至少两倍带宽的速率进行采样。近几年，出现了一种新的信 号处理理论“压缩感知”CS，该理论在采样的同时实现压缩，大大降低了信号的 采样频率，同时可以精确重构信号。压缩感知理论主要包括信号的稀疏表示、信 号的观测和信号的重构等三个方面。在信号重构方面，通过求解 l0 范数非凸优化问 题来重构信号。目前，广泛应用的压缩感知重构算法都是针对一维信号的，将处 理一维信号的重构算法直接用来处理二维图像重构问题。这样做虽然可行但是不 合理，因为图像是二维信号，本身具有结构信息，一维信号的重构算法不能很好 地利用图像的结构信息来提高重构质量。此外，本文利用小波变换对图像进行系 数表示，得到的小波系数具有聚集性，而传统的重构算法把系数矩阵的元素看作 相互独立的，将系数矩阵展开为一列进行处理，这样做同样是不合理的。 本文借助于小波变换和多变量观测，提出基于多变量高斯模型的压缩感知图 像重构。首先对图像进行一层小波变换，得到一个低频子带系数矩阵和三个高频 子带系数矩阵，保留低频子带，将三个高频子带的系数矩阵变换为多变量矩阵， 然后对其进行多变量观测，得到测量矩阵。将小波系数建模为多变量高斯模型， 根据观测矩阵和测量矩阵，确定模型参数，即均值向量和协方差矩阵，进而生成 系数矩阵。最后，根据保留的低频子带系数矩阵和迭代产生的高频子带系数矩阵， 进行小波逆变换，得到重构图。本文的主要工作包括以下几方面内容： 1. 本文采用小波变换对图像进行稀疏表示，并且根据小波系数具有聚集性， 将小波系数矩阵变换为多变量矩阵进行处理，将系数矩阵划分为若干小邻域，每 个小邻域作为一个多元变量，多元变量的元素之间的相关性反映了小波系数的聚 集性。 2. 本文提出一种基于多变量高斯模型的压缩感知图像重构算法，对图像进行 一层小波分解后，根据三个高频子带系数的统计特性，构造多变量高斯模型，根 据观测矩阵和测量矩阵确定模型参数，得到系数矩阵。在迭代过程中，用迭代产 生的系数以及观测矩阵和测量矩阵更新模型参数。 3. 在迭代过程中，用观测矩阵和测量矩阵的相关性指导大系数的位置，相关 性小的为光滑区域，系数较小，相关性大的问纹理区域，