基于生成模型的压缩感知重建开题报告
2022-01-14 20:39:23
全文总字数:2579字
1. 研究目的与意义及国内外研究现状
目的:利用对抗感知生成模型重建图像,突破经典香农采样定理的限制,实现用更少的测量数据重建同一准确率的图像。
意义:随着信息技术的高速发展,需要传输的数据量和采样频率越来越大,传统的香农-奈奎斯特采样定理要求采样频率必须大于信号最高频率的两倍以上,才能较好恢复出原信号,虽然实现了信号的采集、压缩和恢复,但采集数据和频率的急剧增加,使这种方法的缺点尤为突出:压缩过程中丢弃了绝大部分采集的数据,增加了额外的存储和传输设备。
而压缩感知具有低采样率、低速率和重构质量高等特点,减少采集设备和存储设备数量,经济性高。
2. 研究的基本内容
研究内容:针对图像的压缩感知重建,研究了压缩感知的一般方法,并提出一种基于生成对抗网络的重建算法,实现了用更少的测量数据重建同一准确率的图像。具有重要的理论与实际意义。
主要包括:
(1)掌握一种传统的图像压缩感知重建算法;
3. 实施方案、进度安排及预期效果
实施方案:通过研究相关资料,了解图像压缩感知重建的基本原理及研究背景,针对其存在的缺点用生成对抗网络的方法重建图像。在研究过程中,针对出现的问题深入研究,积极探索,最终完成本次毕业论文。
进度安排:
2月18日-3月15日查阅论文所需的相关资料,积累预备知识,进行外文翻译;
4. 参考文献
【1】gittakutyniok. compressed sensing: theory and applications,2012
【2】bach, francis, jenatton, rodolphe, mairal, julien,obozinski,guillaume, et al. optimization with sparsityinducing penalties.foundations and trends/r in machine learning, 4(1):1–106, 2012.
【3】baraniuk, richard g, cevher, volkan, duarte, marco f,and hegde,chinmay. model-based compressive sensing.ieee transactions on informationtheory, 56(4):1982–2001, 2010.