基于非局部低秩约束的图像压缩感知重建方法研究的开题报告.docx

基于非局部低秩约束的图像压缩感知重建方法研究的开题报告
开题报告
论文题目：基于非局部低秩约束的图像压缩感知重建方法研究
研究背景与意义：
随着人类社会的快速发展，数字媒体已成为人们生活中的必不可少的一部分。对于图像来说，由于其所占存储空间巨大，因此压缩是其必备的一环。传统的图像压缩方法包括了基于离散余弦变换（DCT）的JPEG算法和基于小波变换的JPEG2000算法等，但它们都只能进行无损或有损压缩，这些压缩算法的局限性很大程度上制约了它们的应用。
与此同时，感知压缩感知重建技术应运而生，它利用了人类视觉系统对于图像的非线性响应特性，来优化压缩比例的同时保持图像的高质量。然而，感知压缩感知重建技术仍然存在一些问题，如压缩比例受到非常严格的限制，需要进行复杂的离线优化等，受到了普及的限制。
因此，本研究将基于非局部低秩约束的图像压缩感知重建方法进行探究，该方法具有压缩比例在质量衰减较小的情况下可以达到8:1以上的高压缩比，而且具有在线优化等特点，可以大大推动感知压缩感知重建技术的发展。
研究内容和方案：
本研究将着重探究基于非局部低秩约束的图像压缩感知重建方法。其基本思想是通过建立基于低秩矩阵分解的优化模型，利用非局部相似性对于图像进行压缩感知重建。通过构建优化模型可以分析图像性质，从而得出约束条件，提高了算法的鲁棒性。
具体来说，研究方案包括以下步骤：
1.将图像分为若干个局部块，然后利用非局部低秩约束将图像压缩至较低的维数。
2.利用感知图，针对每个局部块构建不等式约束。
3.通过建立优化模型，得出整个图像的低秩矩阵分解。
4.在压缩得到的数据上，进行感知重建，还原出高质量的图像。
以上步骤将通过MATLAB等软件进行实现，分配合成大量测试样本，以证明该方法压缩比例高、还原质量好的有效性。
预期研究成果和意义：
本研究计划能够在以下方面取得一定的成果和意义：
1.在非局部低秩约束模型中，建立参数在一定范围内优化的方法，缩短算法的计算时间。
2.对低秩约束模型进行讨论，探究对于非局部低秩约束的不同矩阵选择会产生怎样的影响。
3.在大量的测试样本中，得到压缩比例至少为8:1且还原质量不错的结果。
总结：
本研究主要探究了基于非局部低秩约束的图像压缩感知重建方法，针对现有的感知压缩感知重建技术问题，提出了一种取得良好效果的压缩感知重建算法。我们将在大量的实验数据中，验证本方法较传统压缩算法具有更好的性能。
参考文献：
[1]L.etal.LRSSL:ALowRankandSparseStructureLearningAlgorithm[J].IEEETransactionsonNeuralNetworksandLearningSystems,2017,28(4):889-901.
[2]J.Xu,L.-K.Huang,andD.-S.Li.Low-RankMatrixRecoveryviaNon-localLow-RankApproximation[J].IEEETransactionsonImageProcessing,2018,27(3):970-983.
[3]王洪勇,阮剑飞,丁敏.基于非局部低秩约束的图像去噪研究[J].电子学报，2019,47(1):219-225.