黄 海 肖 亮 印 佳 王光亮

图像显著性启发的傅里叶频域变密度压缩采样

黄 海 肖 亮 印 佳 王光亮

(南京理工大学计算机科学与工程学院 江苏 南京 210094)

考虑到在传统的傅里叶频域中星形采样方法的采样区域针对性不强、重建效果不佳等缺点，提出一种基于傅里叶频域中图像显著性信息的变密度压缩采样方法。在传统星形采样的基础上，通过变化密度，在傅里叶频域中显著性区域相对密集采样，同时在非显著性区域相对稀疏采样，以达到更好地恢复图像显著特征信息的目的。实验结果表明，基于相同的信号重构算法，在采样率相同的条件下，该方法重建图像的结构相似度(SSIM)、峰值信噪比(PSNR)，以及相对误差(ReErr)均优于传统的星形采样方法。

显著性信息 变密度 傅里叶频域 压缩采样

0 引 言

传统的信号获取和处理过程主要包括采样、压缩、传输和解压缩四个部分。其中采样过程必须遵循奈奎斯特采样定律，而这种采样方式数据量大，且先采样后压缩的过程会浪费大量的传感元、存储空间和时间。为了解决这种缺点，Donoho、Candes等人在2006年提出一种新的信号处理理论——压缩感知(CS)理论[1,2]，该理论基于信号的稀疏表示，将数据采集和数据压缩合二为一，突破了奈奎斯特采样定律的限制，有效缓解了信号采集的压力。

目前，基于傅里叶频域的采样方法主要有星形、双星形和环星形采样，其中星型采样方法在压缩感知采样阶段被广泛应用[3,4]。该方法利用傅里叶频域中图像频谱能量集中分布的特点，采用等角度间距的星型采样模式。……