压缩感知测量矩阵与混沌序列及图像压缩采样的研究

"该文档是西安电子科技大学的一篇硕士学位论文，主题聚焦于压缩感知中的测量矩阵设计及其研究。作者吴赟，在电子与通信工程专业指导下，探讨了如何利用混沌序列构造测量矩阵以及两种自适应图像压缩采样方法，即基于脉冲Contourlet余弦变换的自适应方法和基于多尺度支撑值变换的自适应方法。" 在压缩感知理论中，测量矩阵扮演着至关重要的角色，因为它直接影响到信号的采样质量和重构效果。这篇论文首先提出了一种创新的测量矩阵构造方式，即基于混沌序列。混沌序列因其伪随机性质，可以提供理想的测量矩阵元素，相比常规的随机矩阵，它在重构一维时域和频域稀疏信号以及二维图像时表现出更好的性能。 接着，论文提出了一种自适应图像压缩采样方法，利用脉冲Contourlet余弦变换（PCOT）来识别图像中的“感兴趣”区域，并根据这些区域的显著性分配不同的测量数量。这种方法克服了传统方法中对所有图像块采用相同测量数的局限，提升了重构图像的质量，特别是在视觉效果上。 最后，论文进一步发展了自适应图像压缩采样的另一种策略，引入多尺度支撑值变换（MSVT）来提取图像的显著信息。通过区分“视觉显著注意”和“非视觉显著注意”区域，该方法能够更智能地分配测量数，优化重构图像的质量，尤其是在处理复杂或细节丰富的图像部分时。 这篇论文为压缩感知领域的测量矩阵设计提供了新的视角和实用方法，对于提高信号采集效率和重构质量具有重要意义，尤其在图像压缩采样领域展现了强大的潜力。