基于分塊的壓縮采樣方法研究.pdf

1、伴隨信息技術的迅猛發(fā)展，對數(shù)據的處理、存儲和傳輸成為了學者研究的熱點。壓縮感知技術突破了經典香農定理采樣的瓶頸，給信息獲取指明了新的方向。但是現(xiàn)今信號量逐步加大，給壓縮感知算法存儲和計算帶來很大的負擔。同時，實際中信號信息量都是不均勻分布的，傳統(tǒng)壓縮感知方法中沒有將信號特征考慮在內，這為后續(xù)壓縮感知研究帶來很大的改進空間。
　　本文主要研究分塊壓縮感知方法在不同領域的應用。圖像領域，在以往均勻分塊方法基礎上提出聚類分塊算法，根據圖

2、像特征信息來優(yōu)化分塊和采樣率分配。傳感器網絡領域，在隨機游走機制中引入分塊壓縮感知的思想，優(yōu)化了采樣結果。論文主要工作如下:
　　(1)提出基于顯著性的圖像聚類分塊壓縮采樣方法。該方法預獲取圖像的顯著性信息，根據圖像顯著性值，對均勻分塊的子塊進行分割，將特征相似的部分聚集在一起，然后根據區(qū)域的顯著值權重來自適應分配采樣率。實驗結果表明，本文提出的基于顯著性的圖像聚類分塊壓縮采樣方法在相同采樣值的前提下，提高了圖像的重構質量，同時使

3、得圖像重要部分恢復的更好，子塊之間的誤差縮小，視覺上更為優(yōu)質。
　　(2)提出基于起點分塊的傳感器網絡隨機游走采樣方法。該方法在傳感器網絡中數(shù)據隨機游走采樣的算法基礎上，預采樣得到信號的稀疏分布或信息熵，然后將網絡分塊，計算網絡子塊信號特征權重。根據子塊特征權重來分配隨機游走路線的起點，使得重要區(qū)域節(jié)點數(shù)據被多采樣，非重要區(qū)域節(jié)點消耗少量采樣次數(shù)。通過優(yōu)化隨機游走路線初始點的選擇，達到優(yōu)化采樣結果、提高了重構效果的結果。實驗結果表