论文部分内容阅读
压缩感知(CS)理论指出,对于稀疏或可压缩信号,采样速率不决定于信号的带宽,而决定于信息在信号中的结构和内容。目前压缩感知的理论和应用研究已经取得了一些成果,但是仍然有大量开放问题尚待研究。针对目前存在的问题,本文研究了方向变换,特征字典,视频分析,压缩成像等关键技术,选题具有重要的理论意义和较高的实用价值。本文主要创新点如下:(1)研究了在图像的CS重构中使用方向变换。采用分块随机图像采样与基于投影的重构相结合的一般框架,不仅提高了稀疏性,也提高了光滑性。这个框架便于在CS重构过程中加入基于方向变换的Contourlets和双树复小波。得到的算法具有基于投影的CS重构的快速运算速度,而平滑步骤与增强的方向性相结合,有助于获得更好的图像质量,尤其是在低采样率时。(2)利用Hough变换域的稀疏性,建立起形状的稀疏表示字典,用CS方法寻找图像中的参数化形状。进行了用CS方法从含有噪声的图像的少量测量中检测直线和圆等图形的实验。实验表明CS方法能够得到比Hough变换更干净的检测结果。分析了检测率与信噪比,检测率与测量数的关系。(3)提出一个适合隐私保护的视频监控应用的编码方案,能够跟踪视频目标而不需要重构视频序列。该方案利用每帧有限数量的伪随机投影编码一个视频序列,解码器利用背景消除图像所具有的稀疏性并重构前景目标的位置。该方案采用粒子滤波器预测目标位置,再用估计的位置作为先验知识改进前景目标位置的重构。隐私保护体现在只采用编码的随机投影不可能重构原始视频内容,安全性体现在如果没有用来产生随机投影的种子,就无法解码。(4)压缩感知共焦显微镜(CCM)用数字微镜阵列(DMD)高效扫描2D或3D标本,其测量的数据来自针孔照亮的标本像素的随机集合,线性组合(投影)之后用单个光电检测器和测量。与传统CM或PAM相比,CCM能够简化共焦成像的硬件和光学系统的复杂性,将处理从数据采集步骤转移到软件图像重构,降低了成像系统的成本。CCM还以降低的采样速率提供了共焦成像的独特光学切片性质。3D联合重构方法充分利用3D图像图层之间的相关性,进一步提高了系统性能。与2D逐层方法相比,这种3D方法显著增加了重构图像的PSNR,而计算复杂度保持不变。