基于混合采样的图像分块压缩感知方法.pdfVIP

高技术通讯 2013 年第23 卷第1 期:35 -41 doi: 10. 3772/j. issn. 1 ∞2心470.2013.01.仪后 基于混合采样的图像分块压缩感知方法① 吕 沛②. •• 周仁魁· 刘海英山 何俊华* ( .中国科学院西安光学精密机械研究所 西安 710119 ) ( ..中国科学院研究生院 北京 l创泊49) (川西安电子科技大学通信工程学院 西安 71∞71) 摘要 针对图像压缩感知问题，提出一种基于混合采样的分块压缩感知方法一-HBCS 方法。该方法利用基于随机采样和低分辨率采样构造的混合采样矩阵和分块策略，有效 地提高了图像采样效率和重构性能。理论证明:混合采样矩阵具有低分辨率采样的直接 测量图像低频信息的特性和随机采样的近似最优的重构功能，且以高概率与大多数固定 稀疏基不相干，结构简单，非常易于实现;分块策略能保证算法复杂度不随图像尺寸而改 变，适合实时处理高分辨率图像。实验结果表明，在相同采样值数目下，该方法采用总变 差(TV) 重建算法时的重构质量尤其是在图像低频信息恢复方面明显优于其它已有方法。 关键词 信息采样，压缩感知(CS) ，混合采样，分块策略，总变差(TV) 算法 样效率，为 CS 实时处理高分辨率图像提供了可实 0 引言 现方案。为进一步提高图像重构性能，Mun 等人[7] 在 BCS 算法的重构过程中采用复杂的紧框架稀疏 在传统采样过程中，为了避免信号失真，采样频 表示方法。 Romberg[8] 则从采样角度出发，提出一 率不得低于信号最高频率的2 倍。然而对于数字图 种将随机采样和部分傅里叶采样相结合的混合采样 像、视频的获取，依照香农/奈奎斯特定理会导致海 方法，有效提高了采样效率，但硬件实现比较困难。 量采样数据，增加传输和存储的代价。常采用 为此，本文提出一种新的基于混合采样的分块压缩 JPEG ,JPEG2000 标准对海量数据进行压缩，以达到 感知(Hybrid sampling based BCS , HBCS) 方法。该 减少数据量的目的。然而，这种高速采样再压缩的 方法不仅可以有效提高采样效率，而且结构简单、非 方式浪费了大量的采样资源，给低功耗、处理能力有 常易于实现，同时可保证算法复杂度不随图像尺寸 限的应用场合(如元线传感器网络[1] )造成巨大压 而改变，适合实时处理高分辨率图像。 力。近年来，一种新兴的压缩感知(compressed sens- ing ,CS) 或压缩采样(compressive sampling) 理论[叫 1 压缩感知理论 为数据采集技术带来了革命性的突破。 CS 将采样 压缩感知(CS) 理论[2-5] 是一种充分利用信号稀 和压缩合并进行，具有直接信息采样特性，有利于降 低采样成本，节省资源开销。目前 CS 仍主要处于 疏性或可压缩性的全新信号获取和重构理论。它的 理论研究阶段，不适合对大规模信号进行实时采样