图像压缩感知理论研究综述
四信息技术四王茁,等四图像压缩感知理论研究综述
作者简介:王茁(1992-),女,陕西渭南人,硕士研究生,研究方向为压缩感知三
DOI:10.19344/https://www.360docs.net/doc/d57825103.html,ki.issn1671-5276.2019.01.030
图像压缩感知理论研究综述
王茁,党姜婷,李育亮,杨海鱼,杨文
(兰州理工大学机电工程学院,甘肃兰州730050)
摘 要:随着人们对图像数据需求的增大,传统的Nyquist 采样理论会产生大量的采样数据,为图像数据的传输和存储带来莫大的困难,压缩感知理论为此难题的解决找到了有效途径,对于可压缩或可稀疏的信号,它能以远远低于Nyquist 的采样频率,通过观测矩阵进行非自适应采样,利用重构算法准确重构原始信号三着重介绍了图像压缩感知的理论框架和一些前沿研究算法,并对其进行比较,总结了压缩感知在图像领域的研究近况与应用前景三关键词:图像数据;压缩感知;稀疏表示;观测矩阵;重构算法
中图分类号:TP391 文献标志码:A 文章编号:1671-5276(2019)01-0112-05
Research on Image Compressed Sensing
WANG Zhuo,DANG Jiangting,LI Yuliang,YANG Haiyu,YANG Wen
(School of Mechanical and Electronic Engineering ,Lanzhou University of Technology ,Lanzhou 730050,China )
Abstract :With the great demand for image information ,if the traditional Nyquist sampling theory is used ,a huge amount of sampled
data is produced ,it is a great burden to following data processing.The theory of compressed sensing can be used to effectively solve this problem.lf it is the compressed or sparse signal ,the sampling frequency is much lower than the Nyquist sampling frequency ,the measurement matrix can be used for the unadaptable sampling and the reconstruction algorithm can be used to accurately recon-struct the original signal.This paper focuses on introducing the theoretical framework of image compression sensing and some of the leading -edge algorithms ,makes a comparison ,then ,summarizes the current research status and application prospects of com-pressed sensing in the image domain.
Keywords :image information ;compressed sensing ;sparse representation ;measurement matrix ;reconstruction algorithm
0 引言
传统视觉图像的获取是基于香农采样定理进行均匀采样,这种传统方式的采样和压缩存在很多缺点三一般要求采样率要高于原信号最高频率的两倍以上,然后对所获数据采用压缩二编码方式进行传输处理三此方式获得的数据采样率高二计算量大,为降低后续处理负担,需抛弃大量冗余信息,造成了巨大的资源浪费,成为制约信息时代发展的瓶颈三
近些年来,Donoho 和Candes 等提出全新的信号压缩
采样方法 压缩感知(compressed sensing,CS)[1],引起国内外学者密切关注三CS 主要针对可稀疏表示的信号,
在得到信号的同时对数据压缩,通过少量观测向量对原图像的丰富信息重构,有效地解决了数据量大的难题三
本文以图像压缩感知的稀疏表示二观测采样二图像重构3个关键问题为主要研究对象,列举了常用研究方法,并且对每种方法的优缺点进行了比较与总结,针对各领域分析了其各自适应的研究方法三重点针对CS 在图像领域应用情况,对进一步深入研究压缩感知理论在图像领域的应用具有一定参考依据和借鉴作用三
1 图像压缩感知基本框架
2006年,Candes 等[1]通过对用部分傅里叶变换系数重
构出原信号的证明,为CS 理论的建立起到一定作用三随后,有关CS 理论的概念与框架被Donoho [2]正式提出三CS 理论的首次提出主要针对数字信号,并指出[3-5]:一个N 维实信号x ?R n ?1在一组正交基Ψ=[ψ1,ψ2, ,ψN ]?R N ?N 上具有稀疏性或可压缩,就能通过较少的随机观测值y 准确重构原信号三图像压缩感知理论主要有3方面[6]:1)图像信号的稀疏表示;2)设计一个能从少量测量信息中包含原图像丰富信息观测矩阵;3)通过求解欠定问题,从少量观测值中恢复图像信息的重构算法的构造三图1所示为压缩感知的采样过程三图像压缩感知理论是同时将压缩与采样进行的全新理论,其理论框架如图2所示三
y
x
a
Φ
Ψ
图1 压缩感知观测采样过程
四
211四万方数据