进化多目标优化的稀疏重构方法研究-计算机应用技术专业论文.docxVIP

万方数据 万方数据 摘 要 压缩感知(Compressed Sensing，CS)是一个新兴的研究课题，CS 一般包括三个 方面：信号的稀疏表示、观测矩阵和重构算法。其中，CS 的必备条件是信号的稀 疏表示，CS 的关键点是观测矩阵设计，CS 重构信号的方法是设计重构算法。本 文的主要目标是设计良好的压缩感知图像重构算法。 目前，CS 重构算法主要有贪婪算法、凸优化方法等。本文首次将进化多目标 优化算法的思想融入到了压缩感知图像重构中，并将压缩感知重构中有约束的单 目标优化问题转化为将稀疏度也作为优化目标的多目标优化问题，进行了进化多 目标优化的稀疏重构方法研究。同时，结合小波域下图像的结构信息给出了详细 的算法框架和算法描述。本文的主要创新性工作如下： (1) 本文提出了基于进化多目标优化的稀疏重构方法。给出了详细的算法框 架，并根据实际问题，设计了进化多目标的编码方式、一致变异算子、基于位置 信息指导的迭代硬阈值算法、稀疏度范围自适应策略等。并在小波域下通过对比 实验验证了该算法的可行性和优越性。 (2) 本文设计了一种新的分块打散观测方式。在小波域下，传统的分块压缩感 知中的分块方式可能会出现不稀疏的块，本文提出的分块打散观测方式是将不稀 疏的块的稀疏度压力分配到其他块，从而较好地解决了会出现不稀疏块的问题。 而且，本文实现了小波域下基于分块打散观测的正交匹配追踪算法和迭代硬