當(dāng)今多媒體通信中高圖像質(zhì)量的要求,需要處理更多的數(shù)據(jù)。奈奎斯特定律指導(dǎo)方法對采樣及存儲(chǔ)等設(shè)備造成巨大壓力。CS(Compressed Sensing)以遠(yuǎn)小于Nyquist采樣定理的采樣率在編碼端對信號(hào)做非相關(guān)測量,利用對非線性方程求最優(yōu)解在解碼端對原始的信號(hào)進(jìn)行復(fù)原。從基于人工設(shè)計(jì)(Hand-Designed,HD)的方法到基于神經(jīng)網(wǎng)絡(luò)(Neural Network,NN)的方法,學(xué)者們對CS圖像重構(gòu)進(jìn)行了廣泛研究,致力于尋找運(yùn)行速度快、重構(gòu)質(zhì)量高的CS圖像重構(gòu)算法。HD具有理論收斂保障性,但存在許多需要人工選擇的參數(shù)。NN可以自適應(yīng)選擇參數(shù),從大量數(shù)據(jù)中學(xué)習(xí)真實(shí)信號(hào)先驗(yàn),但基于黑匣子操作,缺乏理論收斂保障。近年來將迭代展開成深度網(wǎng)絡(luò)的混合人工設(shè)計(jì)與數(shù)據(jù)驅(qū)動(dòng)的方法得到長足發(fā)展,具有較大研究潛質(zhì),在性能和效率方面有望對CS重構(gòu)算法做進(jìn)一步的提升。本文研究混合人工設(shè)計(jì)與數(shù)據(jù)驅(qū)動(dòng)的CS圖像重構(gòu)算法,該類方法首先利用經(jīng)驗(yàn)知識(shí)設(shè)置重構(gòu)算法,然后使用訓(xùn)練數(shù)據(jù)來學(xué)習(xí)算法先驗(yàn),在保障理論收斂的同時(shí)最大化利用數(shù)據(jù)先驗(yàn)。具體研究內(nèi)容如下:(1)研究了基于去噪的CS圖像重構(gòu)算法。由于直接對深度網(wǎng)絡(luò)進(jìn)行端到端...

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀及分析
        1.2.1 傳統(tǒng)壓縮感知圖像重構(gòu)算法研究現(xiàn)狀及分析
        1.2.2 基于神經(jīng)網(wǎng)絡(luò)的壓縮感知重構(gòu)算法研究現(xiàn)狀及分析
        1.2.3 混合人工設(shè)計(jì)與數(shù)據(jù)驅(qū)動(dòng)的壓縮感知重構(gòu)算法研究現(xiàn)狀及分析
        1.2.4 當(dāng)前研究存在的問題與不足
    1.3 本文主要內(nèi)容和結(jié)構(gòu)安排
第2章 圖像壓縮感知與神經(jīng)網(wǎng)絡(luò)基本理論
    2.1 引言
    2.2 壓縮感知理論基礎(chǔ)
        2.2.1 壓縮感知基本理論及問題描述
        2.2.2 傳統(tǒng)壓縮感知圖像重構(gòu)算法介紹
    2.3 神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
        2.3.1 神經(jīng)網(wǎng)絡(luò)的基本理論
        2.3.2 神經(jīng)網(wǎng)絡(luò)經(jīng)典架構(gòu)
    2.4 本章小結(jié)
第3章 基于神經(jīng)網(wǎng)絡(luò)的圖像去噪算法研究
    3.1 引言
    3.2 圖像去噪算法的研究
        3.2.1 基于非局部自相似先驗(yàn)的圖像去噪算法(BM3D)
        3.2.2 基于神經(jīng)網(wǎng)絡(luò)的圖像去噪算法(DnCNN)
        3.2.3 聯(lián)合神經(jīng)網(wǎng)絡(luò)與非局部自相似的圖像去噪算法(BMCNN)
    3.3 仿真結(jié)果與對比分析
    3.4 本章小結(jié)
第4章 數(shù)據(jù)驅(qū)動(dòng)的壓縮感知圖像重構(gòu)算法研究
    4.1 引言
    4.2 迭代展開的近似消息傳遞算法
        4.2.1 迭代展開近似消息傳遞算法基本原理
        4.2.2 狀態(tài)演化分析
    4.3 固定去噪器融合的壓縮感知圖像重構(gòu)算法
        4.3.1 典型去噪器融合的壓縮感知圖像重構(gòu)
        4.3.2 性能仿真及分析
    4.4 多去噪器融合的壓縮感知圖像重構(gòu)算法
        4.4.1 特征驅(qū)動(dòng)自適應(yīng)選擇去噪器的壓縮感知圖像重構(gòu)策略
        4.4.2 多去噪器多先驗(yàn)聯(lián)合利用的壓縮感知圖像重構(gòu)算法
        4.4.3 性能仿真及分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝



本文編號(hào)：4023401