基于MATLAB的图像压缩感知算法的实现毕业设计说明书.doc

PAGE \* MERGEFORMAT PAGE \* MERGEFORMATV PAGE \* MERGEFORMATXXXVIII 毕业设计（论文） 课题 名称 基于MATLAB的图像压缩感知 算法的实现 目录 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc19934 目录 l _Toc6913 第1章 绪论 l _Toc28260 1.1 研究背景和意义 l _Toc13636 1.2 数据压缩技术 l _Toc2366 1.2.1 传统数据压缩技术 l _Toc4208 1.2.2 压缩感知理论（Compressed/Compressive Sensing/Sampling, CS） l _Toc15017 1.3 无线传感器网络 l _Toc24833 1.3.1 无线传感器网络概述 l _Toc4507 1.3.2 无线传感器网络数据压缩的必要性 l _Toc7385 1.4 本文主要工作和内容安排 l _Toc19500 第2章 压缩感知理论 l _Toc4736 2.1压缩感知的前提条件—稀疏性和不相干性 l _Toc11336 2.2 三个关键技术 l _Toc7061 2.3信号的稀疏表示 l _Toc20211 2.4 观测矩阵设计 l _Toc19324 2.5 稀疏信号的重构 l _Toc677 2.6 重构算法 l _Toc17617 2.7 压缩感知优势及不足 l _Toc15750 2.8 压缩感知在传感网中的观测方式 l _Toc29485 第3章 压缩感知理论应用概述 l _Toc6805 3.1 压缩成像 l _Toc5172 3.2 模拟信息转换 l _Toc15616 3.3 生物传感 l _Toc4625 3.4 本章小结 l _Toc13106 第4章 CS在无线传感网中的应用 l _Toc707 4.1 研究背景 l _Toc32613 4.1.1 基于感知数据相关性的压缩 l _Toc31468 4.1.2传统压缩重构方法 l _Toc22975 4.1.3 图像压缩重构质量的评价 l _Toc6146 4.2 压缩感知理论算法对一维信号的实现 l _Toc8246 4.2.1 CS用于WSN的优势 l _Toc1294 4.2.2 观测重构模型 l _Toc19165 4.2.2 正交匹配追踪算法（OMP） l _Toc5724 4.2.3 算法的实现及结果分析 l _Toc12099 4.3 压缩感知理论算法对二维图像重构的实现 l _Toc15316 4.3.1 基于小波变换的分块压缩感知理论 l _Toc29698 4.3.2 实现步骤 l _Toc18117 4.3.3 重构结果及分析 l _Toc24001 4.4 本章小结 l _Toc10097 第5章 总结与展望 l _Toc10536 5.1 工作总结 l _Toc10142 5.2 后续展望 l _Toc412 参考文献 l _Toc4846 致谢 l _Toc25282 附录 PAGEREF _Toc25282 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 Abstract The data compression technology is one of the efficient measures for increasing the speed of wireless data communicatio