论文部分内容阅读
在利用压缩感知处理二维自然图像时,传统的方法是直接对整幅图像进行采样,这样做的弊端是需要规模庞大的观测矩阵才能完成对整幅图像的观测,然而过大的观测矩阵是不利于计算和存储的。分块压缩感知的引入解决了这一问题,它可以快捷地完成对整幅图像的观测和重构,且具有实时性。传统的分块压缩感知理论对图像的所有子块都采用相同的采样率进行观测,而事实上,由于每个图像块都蕴含着不同的信息量,对其均采用相同的采样率会造成资源的不合理分配。针对这一不足,本文对传统分块压缩感知做了以下改进工作:(1)本文根据各图像块蕴含信息量的不同,首先分别研究了将灰度熵和边缘信息作为标准的分块压缩感知采样率自适应分配策略,通过对图像进行预采样得到预估计图像,然后对每一个图像块都根据其预估计图像特征为其分配一个合适的采样率,从而实现了空域的采样率自适应分块压缩感知算法。在上述算法思想的基础上,本文引入全变差作为采样率自适应分配的标准,提出了基于全变差的采样率自适应分块压缩感知算法。实验结果表明,基于图像特征的采样率自适应分块压缩感知相对于传统分块压缩感知提升了重构图像质量和视觉效果,而只增加了少许计算复杂度,并且本文提出的基于全变差的采样率自适应分块压缩感知算法相对于基于灰度熵和边缘信息的同类算法拥有更好的重构性能。(2)多尺度分块压缩感知是一种对传统分块压缩感知的改进算法,它将图像变换到多尺度小波域,对不同尺度的小波系数块自适应地分配采样率,提升了重构效果。然而,多尺度分块压缩感知对同一尺度的小波系数仍然使用相同的采样率,并且没有利用到包含大量先验信息的低频系数。针对以上不足,本文通过完整保留的低频系数获取预估计图像,根据预估计图像块的图像特征将采样率自适应分配运用到同一尺度的小波系数块之间,分别研究了小波域的基于灰度熵和边缘信息的采样率自适应多尺度分块压缩感知。同样引入全变差作为采样率自适应分配的标准,提出了基于全变差的采样率自适应多尺度分块压缩感知算法。实验结果表明基于图像特征的采样率自适应多尺度分块压缩感知相对于原始的多尺度分块压缩感知改善了重构效果,并且本文提出的基于全变差的采样率自适应多尺度分块压缩感知算法与基于灰度熵和边缘信息的同类算法相比重构性能相对较好。