基于全變差與非局部低秩先驗的圖像壓縮感知重構(gòu).pdf

1、壓縮感知作為一種全新的信號理論，突破了Nyquist采樣定理對采樣率的限制，基于信號具有稀疏性或可壓縮性的特性，可實現(xiàn)信號低速率壓縮采樣及其準確重構(gòu)。壓縮感知通常包括信號的壓縮測量與基于稀疏先驗的優(yōu)化重構(gòu)。探索圖像信號隱含的稀疏先驗特性以更好提升圖像壓縮感知重構(gòu)質(zhì)量是該領域?qū)W術(shù)與工業(yè)界關注的重要問題。
　　圖像的非局部相似性在傳統(tǒng)圖像恢復應用中受到了人們的普遍重視，如何將其應用于圖像壓縮感知重構(gòu)，使之更好地提升圖像重構(gòu)質(zhì)量成為當前

2、國內(nèi)外研究的熱點問題。本文在深入分析當前局部稀疏與非局部稀疏模型，以及基于圖像相似塊組低秩逼近的圖像恢復方法的基礎上，對結(jié)合全變差稀疏先驗與圖像相似塊組低秩先驗協(xié)同約束的圖像壓縮感知重構(gòu)方法進行了系統(tǒng)研究。論文的主要工作如下：
　　(1)研究了一種基于圖像非局部低秩模型的圖像恢復方法。傳統(tǒng)的非局部先驗模型一般采用對自相似塊組進行基于固定基的稀疏域濾波，忽略了圖像塊之間的細微差異，缺乏對不同自相似結(jié)構(gòu)特征的自適應性。通過利用非局部相

3、似圖像塊間具有的結(jié)構(gòu)相似性，將提取的每一組相似圖像塊重排為列向量后構(gòu)成一個對應的二維數(shù)據(jù)矩陣，采用改進的低秩逼近方法對每一數(shù)據(jù)矩陣進行低秩化處理，然后求平均得到恢復的圖像。大量的比較實驗驗證了非局部自適應低秩模型在提升圖像去噪性能的有效性。
　　(2)提出了一種結(jié)合圖像局部稀疏與非局部低秩先驗協(xié)同約束的圖像壓縮感知重構(gòu)方法。在深入研究結(jié)合圖像梯度稀疏與非局部稀疏先驗的協(xié)同稀疏重構(gòu)算法的基礎上，針對協(xié)同稀疏重構(gòu)算法中非局部稀疏域濾波