论文部分内容阅读
压缩传感作为一种新兴的信号处理理论,凭借大大低于奈奎斯特采样定理所规定的速率对被测信号进行采样。压缩传感将数据采样和压缩同时进行,再利用重构算法对少量的测量值进行重建,这大大降低了无线通信系统的传输带宽要求。其中,压缩传感框架中信号处理的第一步——信号的稀疏表示是近些年研究的一个热点,传统的稀疏表示工具多以小波变换(Wavelet transform,WT)为主,然而因小波变换具有有限方向性的特点,其在高维空间中不能较好地运用信号或图像本身包含的几何特性,因此较好或较稀疏的表示方法就不可能是小波变换。为了解决上述问题,论文主要从以下几个方面研究可用于压缩传感框架、具有较好稀疏表达能力的多尺度几何分析——脊波变换(Ridgelet transform,RT)和条带波变换(Bandelet transform,BT)。论文首先基于Wavelet变换在处理高维线奇异性过程中存在的不足,在压缩传感框架下将RT作为稀疏基引入进来。通过仿真实验验证了对于线奇异明显的图像,基于RT的图像压缩传感算法能获得比WT更好的重构效果,然而对于纹理丰富的两类遥感图像,RT的处理效果却还不如小波。其次,为了解决Ridgelet变换处理线奇异明显的图像时所带来的重构图像细节缺失以及更好地处理纹理丰富的图像,考虑到不同变换方法适合捕捉不同的图像特征,论文提出了一种联合WT和有限RT的图像分层压缩传感算法。通过仿真实验证明了该算法不仅避免了采用有限RT变换处理线奇异明显的图像所带来的重构图像细节缺失以及图像平滑区出现的“划痕”,而且比较适合处理纹理较丰富的图像。论文最后针对脊波对自然界中普遍存在的曲线奇异性不具有良好稀疏逼近的问题,研究了压缩传感框架中一种新的图像稀疏表示算法——BT算法,这种算法能够较好地运用信号或图像本身的局部几何正则性,从而给出两者最优的稀疏表示。通过与压缩传感框架下联合WT和有限RT变换的图像分层稀疏表示算法进行对比,仿真结果证明了BT在对纹理丰富图像的边缘轮廓及细节信息等方面有更好的表示效果。论文分析结果表明,多尺度几何分析(RT和BT)可以有效改善高维空间中普遍存在的具有线奇异特征的信号或图像的稀疏表示。对于具有丰富纹理的复杂图像或信号,RT与WT的联合运用能获得两者较好的稀疏分解,而对于能充分利用信号或图像局部几何正则性的自适应BT,其在压缩传感框架下得到了比联合RT和WT更好的处理效果。论文分析对于运用多尺度几何分析工具改善图像的稀疏表示具有参考价值。