基于压缩感知框架的图像压缩传输处理技术研究

《基于压缩感知框架的图像压缩传输处理技术研究》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、国内图书分类号：TN929．5国际图书分类号：西南交通大学研究生学位论文密级：公开年级三委二二级姓名塞4薇申请学位级别王堂亟±专业信曼皇信息处理指导教师隆麽壹教援二零一四年五月ClassifiedIndex：nq929．5U．D．C：SouthwestJiaotongUniversityMasterDegreeThesisOntheCompressiveTransmissionofImagewithintheCompressiveSensingFrameworkGrade：2011Candidate：WeiLiuAcad

2、emicDegreeAppliedfor：MasterSpeciality：SignalandInformationProcessingAdvisor：ProfessorQingchunChenMay，2014西南交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1

3、．保密口，在年解密后适用本授权书；2．不保密d，使用本授权书。(请在以上方框内打“皆)t膏一学位论文作者签名：主6咯帛又指导老师签名：啦K；泰日期：加7峄s．27日期：2b哗．J．z7西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：1．论文研究了基于低密度架构的贝叶斯压缩感知算法。该算法将测量和重构等效为LDPC码的编解码步骤，并考虑了稀疏系数的先验分布。论文重点研究分析了小波系数的先验统计特征，并且引入图像处理中常用的GSM模型作为小波系数模型，将GSM家族的Jef行eys和Lap

4、lace分布作为先验信息，从而得到不同的重构算法更新方程。论文的仿真实验结果表明，与传统贪婪算法和分层拉普拉斯先验贝叶斯压缩感知模型相比较，将小波系数的GSM先验模型纳入低密度架构压缩感知SuPrEM重构算法能获得更优的重构性能。此外，论文的仿真也侧面验证了低密度架构下的GSM先验分布比传统的重构算法更适合运用于有扰信号的压缩重构。2．论文研究了基于Contourlet变换的图像压缩传输方法。该算法将Contourlet作为压缩感知技术的稀疏基。通过充分利用高频子带频域正交性，论文分析和研究了基于高频方向子带重组的压缩感

5、知算法，仿真验证了该算法的重构性能优于基于小波基的图像传输方案。由于Contourlet变换的高频系数具有与小波变换高频系数相似的边缘统计特征，论文尝试将Contourlet变换的高频系数运用于GSM模型，测量时保留低频系数。仿真实验验证了该方法可以进一步改进信号重构质量。论文还研究了基于小波．Comourlet变换的SPIHT图像编码算法。由于Contourlet变换系数不适合直接进行编码，论文结合小波变换，通过改进了空间方向树的关联方式，研究了基于小波．Contourlet变换的SPIHT图像编解码算法。相关仿真结果

6、表明，基于小波．Contourlet变换的SPIHT图像编解码算法在低码率下能获得更好的图像重构性能。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。14,--学位论文作者签名：醐气漱日期：扣啦J．27西南交通大学硕士研究生学位论文第1页摘要多媒体和大数据是未来网络的主导业务，预计2018年移动数

7、据业务将在2012年基础上增长12倍。由于多媒体数据的信息量大，在未来网络设计中该如何利用多媒体数据内在的冗余性或相干性，在维持信号可接受保真度的同时尽量减少需要传输的数据量，相关问题的研究无疑具有重要的理论和应用价值。作为近年来发展起来的一种新的信号处理理论，压缩感知能以远低于奈圭斯特采样频率的速率对信号进行采样，并且可以近乎精确地重建原始信号。由于压缩感知本身就把测量和压缩有机整合为一个整体，采用压缩感知技术对图像进行压缩采样后可以大幅度降低对传输带宽的要求，论文尝试结合压缩感知的低测量成本研究适合于无线通信传输要求

8、的高质量图像传输的压缩传输技术方案。论文首先研究了基于低密度架构的贝叶斯压缩感知算法，该算法把测量和重构等效为LDPC码的编解码步骤。为了进一步改善重构质量，可以借鉴贝叶斯架构考虑稀疏系数的先验分布。通过引入图像处理中常用的GSM模型作为小波系数模型，并将GSM家族的Jeffreys和Laplace分布作为先验信息，