1、壓縮感知是一種以遠(yuǎn)低于奈圭斯特頻率采樣然后重構(gòu)信號(hào)的技術(shù),它首先通過一個(gè)觀測(cè)矩陣進(jìn)行非自適應(yīng)線性采樣,然后建立一個(gè)優(yōu)化模型通過解決一個(gè)最優(yōu)化問題,從而完成重構(gòu)信號(hào)。壓縮感知在生物傳感領(lǐng)域、模擬/數(shù)字轉(zhuǎn)換、壓縮成像系統(tǒng)有著廣闊的應(yīng)用前景。壓縮感知在觀測(cè)采樣過程中相當(dāng)于把原始信號(hào)降維,不僅減少了觀測(cè)次數(shù),所需要的計(jì)算量也大大降低,但是采樣矩陣并不是一個(gè)稀疏的矩陣,尤其是大場(chǎng)景圖像重構(gòu)當(dāng)中,對(duì)于采樣結(jié)果的處理不僅計(jì)算量較大,所需的存儲(chǔ)空間也較

2、大,學(xué)者們由此提出了分塊的思想應(yīng)用于壓縮感知。這種分塊處理的思想,相比于一次性處理整個(gè)信號(hào),逐塊的處理更容易實(shí)現(xiàn)。但是這種方法也存在一些問題,對(duì)于結(jié)構(gòu)信息豐富的信號(hào),可能會(huì)產(chǎn)生塊效應(yīng),因而導(dǎo)致重構(gòu)效果受到影響。在基于分塊CS重構(gòu)的框架下,本文主要引入了一些機(jī)器學(xué)習(xí)的方法來對(duì)自然圖像進(jìn)行壓縮與重構(gòu),所做主要工作如下:
　　(1)提出一種基于非局部特征與核回歸的壓縮感知圖像重構(gòu)方法。該方法在分塊CS重構(gòu)模型中在局部鄰域里用回歸的方法以

3、及利用非局部相似的圖像塊對(duì)中心像素進(jìn)行估計(jì),不僅能更好的保留圖像中的特征,而且取得較好的視覺效果。
　　(2)研究了機(jī)器學(xué)習(xí)領(lǐng)域中極限學(xué)習(xí)機(jī),并將其應(yīng)用于訓(xùn)練采樣矩陣,然后用訓(xùn)練出的采樣矩陣對(duì)測(cè)試圖像進(jìn)行采樣,用其偽逆矩陣進(jìn)行重構(gòu)。加入極限學(xué)習(xí)機(jī)的壓縮感知不僅花費(fèi)很少的學(xué)習(xí)時(shí)間及測(cè)試時(shí)間,也取得了很好的重構(gòu)效果。
　　(3)研究了非負(fù)矩陣分解在壓縮感知中的應(yīng)用,建立了一個(gè)稀疏與非負(fù)雙重約束的壓縮感知理論模型,在初始重構(gòu)圖像中