圖像視頻的壓縮採樣與稀疏重建的協同最佳化方法的研究

《圖像視頻的壓縮採樣與稀疏重建的協同最佳化方法的研究》是依託北京工業大學，由施雲惠擔任項目負責人的面上項目。

基本介紹

• 中文名：圖像視頻的壓縮採樣與稀疏重建的協同最佳化方法的研究
• 項目類別：面上項目
• 項目負責人：施雲惠
• 依託單位：北京工業大學

項目摘要

視覺感測器通常以遠超出有效維度對圖像視頻信號採樣，從而導致了存儲和傳輸的巨大壓力，壓縮感知理論為近似實現圖像視頻信號的有效維度採樣提供一種嶄新的思路。壓縮感知理論要求在較強非一致關係下協同設計圖像視頻信號的觀測和稀疏表示兩個過程，而傳統的觀測與稀疏表示的設計是以各自的最佳化準則獨立進行的。圖像視頻信號是具有高動態範圍特性的多維稀疏信號，研究圖像視頻信號的多維分組結構稀疏表示, 有效恢覆信號中的低幅值稀疏成分和保持信號的多維結構，顯著提升壓縮感知方法對有效維度採樣的逼近能力。本課題以多維分組結構稀疏的引入為契機，擬開展如下問題的研究: 1、針對圖像視頻信號在不同維度上的分布特性，基於變換和基於學習的兩類稀疏基，探索圖像視頻信號的分組結構特性，研究高效多維分組結構稀疏表示。2、構建與稀疏重建協同的觀測和與觀測協同的稀疏表示二種協同最佳化模型，以實現信號在壓縮感知框架下的有效維度採樣.

結題摘要

壓縮感知理論為實現圖像視頻信號的高效採樣提供一種嶄新的思路。在傳統壓縮感知系統中，觀測與稀疏矩陣是彼此獨立設計的，本課題提出協同設計觀測和稀疏表示的壓縮感知方法。該方法的優勢主要體現在：提出了多種高效的稀疏表示模型，從結構、分組、多維度等方面提高圖像的稀疏表示能力。在觀測與稀疏表示協同的框架下，提出了最佳化的結構化觀測和最佳化的結構稀疏字典設計方法，大幅度地提高了圖像信號的採樣性能。我們的工作包括如下三個方面： 1.在基於變換的稀疏表示方面，利用小波高低頻分布特性和零樹結構特性,提出了兩類小波域的稀疏表示方法；結合小波域結構稀疏和圖像的非局部相關性，提出了小波域的複合稀疏表示模型，此外提出了數據驅動的多尺度變換模型。 2．在基於學習的稀疏表示方面，提出了基於張量的多維稀疏表示模型及多維稀疏字典的訓練算法,與一維稀疏模型相比，大幅度地減少了計算和存在代價，該模型是一維模型的推廣。利用圖像的非局部相關性，提出了二維分組稀疏表示模型。 3.在壓縮感知系統最佳化方面, 以傳統的壓縮感知光場成像系統為研究平台，分析光場相機的掩膜觀測矩陣的關係，挖掘光場數據的空間-角度相關性，提出了與結構化觀測協同的結構化稀疏重建模型和與稀疏重建協同的結構化觀測模型。搭建了一種基於壓縮感知的光場相機原形系統，改善了傳統的壓縮感知光場相機的性能。