导读:本文包含了图像压缩与恢复论文开题报告文献综述及选题提纲参考文献，主要关键词:深空,图像压缩,压缩感知,观测矩阵
图像压缩与恢复论文文献综述
叶浩[1]（2016）在《基于压缩感知的深空图像压缩采样与恢复算法研究》一文中研究指出深空图像在获取和传输中面临着采样率高、存储需求大以及传输速率慢等问题,传统的深空图像压缩传输方案可以在一定程度上缓解探测设备的存储以及深空通信系统的传输压力,但无法避免Nyquist高速采样。同时,先采样大量数据又丢弃的压缩编码方式造成时间和资源的极大浪费。作为一种新型的信号采样和处理理论,压缩感知能够实现以远低于Nyquist速率的采样率对信号进行压缩采样。因此研究基于压缩感知理论的深空图像压缩采样相关技术问题,对于解决深空图像获取中面临的困难具有重要意义。本文针对深空图像压缩采样对观测矩阵以及恢复算法的具体要求展开研究,取得的主要创新如下:1.深空图像压缩采样中,观测矩阵除了需要满足压缩感知恢复条件外,还必须符合深空图像获取的具体要求,例如低存储和计算复杂度、易于成像设备硬件实现以及能够对大尺寸深空图像进行快速编码等。本文基于块加权矩阵,结合结构化随机矩阵的构造方法,同时利用混沌序列的伪随机性,构造了一种具有块循环结构、元素构成简单、可控稀疏度以及易于硬件实现的压缩感知观测矩阵。理论分析以及仿真结果表明,利用该矩阵可以以较低的存储和计算代价对深空图像进行压缩采样,同时保证图像的高精度恢复,为未来压缩感知在深空图像获取中的应用提供了一定的参考。2.深空图像科学研究价值大,对恢复算法的精度要求较高,同时需要恢复的深空图像数据量大,因此设计恢复精度高且满足深空大规模数据处理要求的压缩感知恢复算法是另一项需要解决的问题。在适用于大规模数据处理问题的梯度追踪算法框架下,本文提出了一种恢复精度高且复杂度较低的压缩感知恢复算法。该算法通过利用非单调超记忆梯度投影算法来求解迭代搜索方向以及迭代步长,有效提高了算法的综合性能。理论分析和仿真实验表明,当选择的参数合适时,本文提出的恢复算法对深空图像恢复速度快且精度高,为未来深空图像压缩采样中图像数据的恢复提供了一种可行性选择。(本文来源于《重庆邮电大学》期刊2016-06-08）
杨叁加,谢正光,张峥,姜欣玲[2]（2015）在《一种改进的图像压缩感知稀疏恢复算法》一文中研究指出稀疏信号的分布模型是影响基于近似信息传递(AMP)的压缩感知(CS)信号重建效果的关键因素。因实际图像的小波近似系数、各级的水平细节系数、垂直细节系数以及对角细节系数的模型参数存在较大差异,现有基于拉普拉斯、贝努力高斯(BG)和高斯混合等模型的AMP方法因未考虑此差异而影响重建效果。为了提高模型估计的准确性,将各级小波系数的BG模型参数分开估计,进而提出了一种改进的图像压缩感知稀疏重建的新方法,即期望最大分段贝努力高斯近似信息传递算法(EM-SSBG-AMP)。仿真结果表明,相同采样率下,新算法的峰值信噪比(PSNR)明显高于5阶期望最大高斯混合近似信息传递算法(EM-GM-AMP),重建时间与5阶EM-GM-AMP相当。(本文来源于《电讯技术》期刊2015年08期）
许志良,况庆强[3]（2014）在《基于Shearlet的双正则化图像压缩采样恢复》一文中研究指出针对图像压缩采样中正交小波变换方向有限和单一正则化的问题,提出了一种基于Shearlet的双正则化图像压缩采样恢复算法。该算法用Shearlet作为图像的稀疏表示,用交替最小化对联合正则化模型进行求解。实验结果表明,该算法恢复的图像与单一的全变分正则化方法和小波变换相比有更好的视觉效果,更高的峰值信噪比。(本文来源于《计算机工程与应用》期刊2014年11期）
张健,赵德斌[4]（2014）在《基于分离Bregman迭代协同稀疏性的图像压缩感知恢复算法》一文中研究指出目前存在的CS恢复算法中大都采用固定的基函数,也就是在确定的域中对信号进行分解,比如:DCT域、小波域和梯度域,但这些域都忽略了自然信号的非平稳特性,缺乏自适应能力,从而不能够将图像分解得足够稀疏,也就使得CS恢复的效果很差,限制了CS在图像方面的应用。提出了一种基于分离Bregman迭代方法求解协同稀疏模型正则化的图像压缩感知恢复算法,能够在有效地刻画图像的局部平滑性和非局部自相似性的同时,获得更高质量的图像恢复效果。实验证明了本文提出算法的有效性,并且在峰值信噪比PSNR方面,比目前主流最好的算法高1 dB。(本文来源于《智能计算机与应用》期刊2014年01期）
潘晓晨[5]（2013）在《图像压缩感知融合恢复算法研究》一文中研究指出随着科学技术的快速发展,越来越多的传感器被应用于各个领域。图像融合就是利用各种成像传感器不同的成像方式,提供互补信息,增加图像的信息量,提高对环境的适应性,以获得更可靠、更准确的信息供观察或进一步处理。该技术被广泛的应用于军事、医学、计算机视觉、目标识别等领域。随着人们对图像质量要求的提高,巨量信息的采样对传感器性能的要求越来越高,因此寻求新的理论方法迫在眉睫,压缩感知理论的提出与发展为解决这些问题提供了新的思路。压缩感知可以针对信号自身的稀疏性构造稀疏模型,从尽量少的数据中提取尽量多的信息,抛弃当前信号采样中的冗余信息,直接从连续时间信号变换得到压缩样本,然后选用合适的观测矩阵及恢复算法进行观测和恢复,以实现低采样率下的精确重构。因此,将压缩感知理论直接信息采样等优点引入传统的图像融合算法中是一种简便且高效的融合手段。这种基于压缩感知理论的图像融合算法不需要对信号进行完全采样,与原图像没有直接对应关系,在采样时也不需要知道信号的任何先验信息,因而减少了恢复的数据量,在一定程度上缓解了传输和存储的巨大压力,也降低了对硬件的要求。本文首先介绍了压缩感知的基本理论框架,包括稀疏基、观测矩阵以及恢复算法,重点放在对恢复算法的介绍上,并对各算法进行对比仿真。其次讨论了图像融合的基本理论,包括其融合过程、融合层次以及融合规则,重点分析了基于拉普拉斯金字塔变换和基于小波变换的两种融合算法。然后将压缩感知技术与这两种融合算法相结合,并对多聚焦图像进行仿真分析。最后采用熵、空间频率、平均梯度等作为融合评价指标评估基于压缩感知的融合优势。实验表明,基于压缩感知的图像融合方法不仅降低了计算处理的复杂度和对硬件实现的要求,而且节省了存储空间,降低了开销。(本文来源于《大连海事大学》期刊2013-05-15）
查宣威,岑峰[6]（2013）在《DC恢复算法及其在图像压缩编码中的应用》一文中研究指出DC恢复算法是一种基于离散余弦变换(DCT)的图像恢复算法,其能够应用于图像压缩编码中对DC系数的预测中。该方法利用了块分割图像在相邻块边缘区域的像素依然连续这一特点,利用周边块像素信息选择较为连续的相邻块对DC系数进行预测恢复。实验验证了其能对DC系数的进行更为准确的预测,从而达到提高图像压缩率的目的。(本文来源于《微型机与应用》期刊2013年01期）
蒋正金,张长江,端木春江[7]（2012）在《采用离散小波变换和游程长度编码的图像压缩与恢复》一文中研究指出为研究图像的压缩与恢复技术,提出了采用离散小波变换和游程长度编码实现图像的压缩与恢复.首先将原图进行3层离散小波分解,然后对分解后的子图分别采用游程长度编码实现图像压缩,最后进行游程长度解码和离散小波反变换实现图像恢复.通过对4张标准测试图像的MATLAB实验仿真,证明了该方法具有较高的压缩率和较小的压缩误差,尤其适合于邻度像素灰度值相关性高的图像.(本文来源于《浙江师范大学学报(自然科学版)》期刊2012年02期）
陈帅,李刚,张颢,孟华东,王希勤[8]（2011）在《SAR图像压缩采样恢复的GPU并行实现》一文中研究指出压缩采样(CS)技术被尝试应用于合成孔径雷达(SAR)图像的压缩。然而,高分辨SAR图像数据量大,导致压缩采样后的恢复过程计算量大,传统的中央处理器(CPU)无法实时成像。为解决这一问题,该文在图形处理器(GPU)平台上设计了CS的并行方法,并实现了SAR图像压缩。实验结果表明,在保证SAR图像压缩性能的前提下,该文设计的GPU并行处理速度能够提高到CPU串行处理的8.8倍。(本文来源于《电子与信息学报》期刊2011年03期）
李瑞玲[9]（2009）在《压缩传感在图像压缩恢复方面的技术研究》一文中研究指出图像作为人类感知世界的视觉基础,是人类获取信息、表达信息和传递信息的重要手段。数字图像处理技术成为信息科学、计算机科学、工程科学、地球科学等诸多方面的学者研究图像的有效工具。数字图像处理技术可以帮助人们更加客观、准确的认识世界,而图像、图形又是所有视觉信息的载体,可以拓宽人类获取信息的视野范围。图像数据可以进行压缩有几方面的原因。由于原始图像数据是高度相关的,存在很大的冗余度。数据冗余造成比特数浪费,消除这些冗余可以节约码字,也就是达到了数据压缩的目的。大多数图像内相邻像素之间有较大的相关性,这称为空间冗余度。序列图像前后帧之间有较大的相关性,这称为时间冗余度。在香农理论的基础上,研究分析了有限等距压缩传感矩阵并进行了论证,给出满足RIP的矩阵的确定结构,并给出和证明了相关的定理;接着通过研究信号重建原理及相关定理,给出了其中的部分定理的证明、范数的稳定性、随机矩阵的特征值,描述了精确重建的原理,给出了Fourier整体的统一不确定原理及统一编码技术,证明了压缩传感随机矩阵的限制等距性质;最后在前面的研究基础上,通过对一维信号、二维图片、文字以及图片文字的组合进行了压缩采集和恢复重建,指出了压缩传感技术能够大大降低数据存储空间,提高数据传输速率。(本文来源于《燕山大学》期刊2009-11-01）
图像压缩与恢复论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
稀疏信号的分布模型是影响基于近似信息传递(AMP)的压缩感知(CS)信号重建效果的关键因素。因实际图像的小波近似系数、各级的水平细节系数、垂直细节系数以及对角细节系数的模型参数存在较大差异,现有基于拉普拉斯、贝努力高斯(BG)和高斯混合等模型的AMP方法因未考虑此差异而影响重建效果。为了提高模型估计的准确性,将各级小波系数的BG模型参数分开估计,进而提出了一种改进的图像压缩感知稀疏重建的新方法,即期望最大分段贝努力高斯近似信息传递算法(EM-SSBG-AMP)。仿真结果表明,相同采样率下,新算法的峰值信噪比(PSNR)明显高于5阶期望最大高斯混合近似信息传递算法(EM-GM-AMP),重建时间与5阶EM-GM-AMP相当。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像压缩与恢复论文参考文献
[1].叶浩.基于压缩感知的深空图像压缩采样与恢复算法研究[D].重庆邮电大学.2016
[2].杨叁加,谢正光,张峥,姜欣玲.一种改进的图像压缩感知稀疏恢复算法[J].电讯技术.2015
[3].许志良,况庆强.基于Shearlet的双正则化图像压缩采样恢复[J].计算机工程与应用.2014
[4].张健,赵德斌.基于分离Bregman迭代协同稀疏性的图像压缩感知恢复算法[J].智能计算机与应用.2014
[5].潘晓晨.图像压缩感知融合恢复算法研究[D].大连海事大学.2013
[6].查宣威,岑峰.DC恢复算法及其在图像压缩编码中的应用[J].微型机与应用.2013
[7].蒋正金,张长江,端木春江.采用离散小波变换和游程长度编码的图像压缩与恢复[J].浙江师范大学学报(自然科学版).2012
[8].陈帅,李刚,张颢,孟华东,王希勤.SAR图像压缩采样恢复的GPU并行实现[J].电子与信息学报.2011
[9].李瑞玲.压缩传感在图像压缩恢复方面的技术研究[D].燕山大学.2009