曲波域高斯混合尺度模型的图像压缩重构

<p class="MsoNormal"><span style="font-family:宋体;font-size:9pt;">压缩传感理论将信号的采样与压缩同时进行，利用信号在变换基上可以稀疏表示的先验知识，从比香农采样少的多的观测值中重构原始信号。</span><span style="font-family:宋体;font-size:9pt;">近年来，两步迭代阈值算法作为一种求解反问题的优化方法，因其与多尺度几何分析存在紧密联系，且算法参数少，思想比较简单等特点，已经应用到了压缩重构中。但其使用时域的软硬阈值算子，不能获得很好的图像稀疏表示，从而使得算法重构精度不高。针对上述问题，本文在研究两步迭代阈值算法的基础上，提出了一种自适应的两步迭代阈值算法。该算法利用当前估计值提供的信息自适应估计步长参数，保证了估计值向最优解方向移动，提高了算法的重构精度，且针对其稀疏表示信号能力不足的缺点，运用高斯混合尺度模型对曲波邻域系数进行建模，充分利用曲波变换平移不变性和多方向选择性的优点，增加了图像表示的稀疏度。最后将其应用到图像压缩重构中，实验结果表明，该算法在峰值信噪比和主观视觉上都优于小波域高斯混合尺度模型和曲波硬阈值重构方法。</span></p><!--EndFragment-->