基于压缩感知的天文图像压缩及去噪重建算法研究.pdf

《基于压缩感知的天文图像压缩及去噪重建算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、博士学位论文基于压缩感知的天文图像压缩及去噪重建算法研究ASTRONOMICALIMAGECOMPRESSIONANDDENOISINGRECONSTRUCTIONALGORITHMSBASEDONCOMPRESSEDSENSING张杰哈尔滨工业大学2018年1月国内图书分类号：TN911.73学校代码：10213国际图书分类号：621.3密级：公开工学博士学位论文基于压缩感知的天文图像压缩及去噪重建算法研究博士研究生：张杰导师：史小平教授申请学位：工学博士学科：控制科学与工程所在单位：控制与仿真中心答辩日期：2018年1

2、月授予学位单位：哈尔滨工业大学ClassifiedIndex:TN911.73U.D.C:621.3DissertationfortheDoctoralDegreeinEngineeringASTRONOMICALIMAGECOMPRESSIONANDDENOISINGRECONSTRUCTIONALGORIHTMSBASEDONCOMPRESSEDSENSINGCandidate：ZhangJieSupervisor：Prof.ShiXiaopingAcademicDegreeAppliedfor：DoctorofEng

3、ineeringSpeciality：ControlScienceandEngineeringAffiliation：ControlandSimulationCenterDateofDefence：January,2018Degree-Conferring-Institution：HarbinInstituteofTechnology摘要摘要随着航天科技事业的发展，人类为了拓展生存空间和寻找地外能源的需求也变得越来越迫切。深空探测已经成为当今世界各国目前和未来发展的重点。天文图像作为反映天文信息的直接工具，在深空探测中具有

4、非常重要的作用。从获取的天文图像中可以直接获得很多的重要信息，如星体的地理环境，是否存在外星生命和水等。然而采集到的天文图像通常为高分辨率图像，经典的图像压缩方法由于很难获得较高的天文图像压缩比导致图像的传输时间较长。此外，天文图像在传输过程中经常受到宇宙噪声的干扰，在地面接收站接收到的图像通常含有大量的噪声，给天文图像的分析带来了困难。压缩感知(CompressedSensing,CS)理论可以在信号采样的过程中实现信号的压缩，而且仅使用少量的压缩数据就可以完成信号的高质量重建。基于CS理论的优势，本文将其应用到天文图像

5、压缩和去噪重建当中，并取得了以下研究成果：对CS理论的实现过程及压缩原理进行了介绍，并对CS理论的三个主要部分：信号的稀疏表示、测量矩阵的选取以及重建算法的设计进行了详细地分析和研究。根据天文图像的特点，建立了天文图像重建模型，为后续CS重建算法的设计提供基础保障。对经典JPEG和JPEG2000天文图像压缩重建方法的压缩性能进行了分析，为了进一步提高天文图像的压缩效率，本文将CS理论应用到天文图像压缩当中，并对CS天文图像压缩重建算法进行了研究。为了提高迭代硬阈值(IterativeHardThresholding，IH

6、T)算法的重建性能，使用结合天文图像特点的改进块稀疏全变差(ImprovedBlockSparseTotalVariation，IBSTV)方法在迭代过程中对重建图像进行调整，进而提出了一种改进IHT(ModifiedIHT,MIHT)算法。将CS压缩重建算法：IHT算法、MIHT算法与基于人类视觉系统的的JPEG图像压缩(JPEGwithHumanVisionSystem,JPEG-HVS)算法、改进JPEG2000(IJPEG2000)算法对天文图像进行重建实验。实验结果表明，CS压缩重建算法能够花费相对较短的时间获得

7、较优的天文图像压缩性能，充分验证了CS理论在高分辨率天文图像压缩中的优势。基于小波变换对CS天文图像去噪重建算法进行研究。针对IHT算法存在去噪效果不理想和收敛速度慢的缺陷，本文提出了一种基于小波变换的天文图像去噪重建算法。该算法首先使用提出的下降VisualShrink阈值对天文图像小波系数进行筛选；随后使用设计的循环平移方法在迭代过程中对重建图像进行调整以抑制由于小波变换缺乏平移不变特性而导致重建天文图像出现的伪吉布-I-哈尔滨工业大学工学博士学位论文斯现象，同时使用提出的基于CS的Dai-Yuan步长算子对重建算法的

8、收敛速度进行调整。实验结果表明，该算法不仅具有较优的低噪声天文图像去噪重建性能，同时还具有较快的收敛速度。基于曲波变换对CS天文图像去噪重建算法进行研究。小波变换缺乏多方向性，导致很难对具有线或面奇异的高维数天文图像进行最优稀疏表示。目前较流行的多尺度几何分析方法能够对图像进行最稀疏表示，本文将其应用到