《基于MATLAB的图像压缩感知算法的实现毕业设计说明书》由会员分享，可在线阅读，更多相关《基于MATLAB的图像压缩感知算法的实现毕业设计说明书（50页珍藏版）》请在金锄头文库上搜索。
1、毕业设计（论文） 基于MATLAB的图像压缩感知算法的实现系： 电气工程系 专业： 电子信息工程 目录目录I第1章 绪论31.1 研究背景和意义31.2 数据压缩技术41.2.1 传统数据压缩技术41.2.2 压缩感知理论（Compressed/Compressive Sensing/Sampling, CS）51.3 无线传感器网络71.3.1 无线传感器网络概述71.3.2 无线传感器网络数据压缩的必要性91.4 本文主要工作和内容安排10第2章 压缩感知理论112.1压缩感知的前提条件稀疏性和不相干性112.2 三个关键技术142.3信号的稀疏表示152.4 观测矩阵设计172.5 稀疏
2、信号的重构192.6 重构算法202.7 压缩感知优势及不足212.8 压缩感知在传感网中的观测方式22第3章 压缩感知理论应用概述243.1 压缩成像243.2 模拟信息转换243.3 生物传感253.4 本章小结25第4章 CS在无线传感网中的应用264.1 研究背景264.1.1 基于感知数据相关性的压缩264.1.2传统压缩重构方法274.1.3 图像压缩重构质量的评价274.2 压缩感知理论算法对一维信号的实现294.2.1 CS用于WSN的优势294.2.2 观测重构模型304.2.2 正交匹配追踪算法（OMP）304.2.3 算法的实现及结果分析314.3 压缩感知理论算法对二维
3、图像重构的实现354.3.1 基于小波变换的分块压缩感知理论354.3.2 实现步骤364.3.3 重构结果及分析394.4 本章小结42第5章 总结与展望435.1 工作总结435.2 后续展望43参考文献44致谢46附录47摘要数据压缩技术是提高无线数据传输速度的有效措施之一。传统的数据压缩技术是基于奈奎斯特采样定律进行采样，并根据数据本身的特性降低其冗余度，从而达到压缩的目的。近年来出现的压缩感知理论（Compressed Sensing,CS）则不受制于奈奎斯特采样定律，它是采用非自适应线性投影来保持信号的原始结构，以直接采集压缩后的数据的方式，从尽量少的数据中提取尽量多的信息。本文阐
4、述了压缩感知方法的基本原理，分析了CS理论框架及关键技术问题，介绍了压缩感知技术应用于无线传感的优势，并着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展，对研究中现存的难点问题进行了探讨。并运用matlab软件，在离散傅里叶变换（DFT）和离散余弦变换（DCT）分块CS的基础上，采用正交匹配追踪算法（OMP）实现了对一维信号和二维图像的高概率重构。将重构结果与原始信号对比，结果表明，只要采样数M（远小于奈奎斯特定理所需要的采样率）能够包含图像所需要的有用信息时，CS算法就能精确的完成对图像的重构，并且重构效果也比较好。关键词：压缩感知 无线传感 正交匹配 稀疏表示 观测矩阵Ab
5、stract The data compression technology is one of the efficient measures for increasing the speed of wireless data communication. Traditional data compression technology is based on Nyquist sampling theorem, reaching the goal of compression by decreasing redundancy of information. In recent years, Co
6、mpressed Sensing(CS) comes out as a new sampling theory, it does not have to obey Nyquist sampling theorem, and it can keep the original structure of signals by attaining the non-adaptive linear projections. So, CS can gather the compressed data directly and get more information from less data. This
7、 paper reviews the theoretical framework and the key technical problems of compressed sensing and introduces the latest developments of signal sparse representation, design of measurement matrix and reconstruction algorithm. Then this paper also discusses the existing difficult problems. Based on th
8、e discrete fourier transform (DFT) and discrete cosine transform (DCT), we use MATLAB software, realizes the accurate reconstruction of one-dimension signal two-dimension image by applying the OMP algorithm. Then make a comparison to the reconstruction of signal to original signals and make a conclu
9、sion. If only the sampling measurements M (far less than Nyquist sampling measurements ) contain the useful information of signals, CS algorithm can complete the accurate reconstruction, and the effect of reconstruction signal is good too.Key words: compressed sensing wireless sensor networks orthog
10、onal matching pursuit sparse presentation measurement matriI第1章 绪论在当今的信息社会，电脑、手机、传感器、驱动器等都要连接到因特网，这样的无线通信系统中，将会产生并且传播大量数据信息，从而对信号的采样、存储、传输和恢复造成巨大压力，增加了通信设备的成本。对人们来说，如何有效的处理这些数据，成为一个新的挑战。近几年来，在信号处理领域出现的压缩感知理论（CS）打破了传统采样过程中信号采样速率必须达到信号带宽两倍以上才能精确重构原始信号的奈奎斯特采样定理，使得信息存储、处理和传输的成本大大降低。1.1 研究背景和意义随着人们对信息需求量
11、的增加，网络通信、多媒体技术、存储技术的发展越来越快，网络的规模也越来越大，寻找高效的信息技术来降低数据量成为无线传输系统中急需处理的问题之一。这是因为数字化的各类信息的数据量十分庞大，若不对其进行有效的压缩就难以得到实际的应用，因此，数据压缩技术成为人们研究的一项重要技术。无线传感器网络是近来研究的热点方向之一。它是由分布在监测区域内的大量微型传感器节点通过无线电通信而形成的一个自组织网络系统。这个系统的目的是协作的感知、采集和处理网络覆盖区域里被监测对象的信息，并将结果发送给用户。在一个传感器网络中，常常包含大量传感器节点，每个传感器都会采集大量的数据。这些数据将会被传输到一个控制中心,也
12、会在各个节点之间传输，在这种分布式传感网络中，数据传输功耗和带宽需求非常大，所以，如何对这样的分布式信号进行压缩，从而减小通信开销已经成为非常紧迫的需求。压缩感知理论与传统奈奎斯特采样定理不同，它指出，只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号，可以证明这样的投影包含了重构信号的足够信息。 在该理论框架下，采样速率不决定于信号的带宽，而决定于信息在信号中的结构和内容。 事实上，压缩感知理论的某些抽象结论源于Kashin创立的范函分析和逼近论， 最近
13、由Cands，Romberg ，Tao和Donoho等人构造了具体的算法并且通过研究表明了这一理论的巨大应用前景。从信号分析角度来讲，傅立叶变换是信号和数字图像处理的理论基础，小波分析将信号和数字图像处理带入到一个崭新的领域。 多尺度几何分析是继小波分析后的新一代信号分析工具，它具有多分辨、局部化和多方向性等优良特性，更适合于处理图像等高维信号。 这些研究工作都为压缩感知理论奠定了基础。显然，在压缩感知理论中，图像/信号的采样和压缩同时以低速率进行，使传感器的采样和计算成本大大降低，而信号的恢复过程是一个优化计算的过程。 因此，该理论指出了将模拟信号直接采样压缩为数字形式的有效途径，具有直接信
14、息采样特性。 由于从理论上讲任何信号都具有可压缩性，只能找到其相应的稀疏表示空间，就可以有效地进行压缩采样，这一理论必将给信号采样方法带来一次新的革命。1.2 数据压缩技术数据压缩技术就是对原始数据进行数据编码或者压缩编码，从而用最少的数码来表示信源发出的信号。数据压缩的对象很广泛，可以是通信时间、传输带宽、存储空间甚至发射能量。数据压缩的作用是能够快速地传输各种信号；在已有的一些通信干线并行开通更多的多媒体业务；紧缩数据存储容量；降低发信机功率等等。1.2.1 传统数据压缩技术前较成熟的数据压缩技术有许多种，按照压缩后对信息的失真程度,主要分为无损压缩和有损压缩。 无损压缩是利用数据中的统计
15、冗余进行压缩。数据中间存在的一些多余成分，称之为冗余度。例如，在某一份计算机文件中，一些符号会反复出现、一些符号比其它的符号出现得更频繁、一些符号总是出现在各数据块中的可预见的位置上，以上讲述的这些冗余部分便可在数据编码中除去或者减少。这种无损压缩机制可以完全恢复原始数据而不引起任何失真，但是压缩率却受到数据统计冗余度的理论限制，一般为2:1到5:1。这类方法可以广泛用于文本数据、程序以及特殊应用场景的图像数据（如医学图像）的压缩。它的主要压缩机制包括Huffman编码、算术编码、游程编码和字典编码等系列。 有损压缩是利用了人类对图像或者声音中的某些频率成分不敏感的特殊性质，允许压缩过程中损失一定的信息；尽管不能完全恢复出原始数据，但是所缺失的数据部分对于我们理解原始图像的影响很小，却使得压缩比大了许多。有损压缩广泛应用于语音，图像和视频数据的压缩。它一般有两种基本的压缩机制，一种是有损变换编解码（如傅立叶变换、离散余弦变换、小波变换），即
