现实图像的显著性纹理结构可为分块压缩感知算法提供先验信息, 优化算法。鉴于此, 提出了一种新的基于显著性的自适应分块压缩感知算法。算法所提显著性是以灰度空间相关矩阵和韦伯定律为基础, 采用确定性正交对称托普利兹矩阵对目标图像进行测量, 提出了均熵最小化自适应分块策略、角二阶矩最大化块向量生成方式以及合成特征依据下的自适应采样率设置, 并结合不同重构算法进行了分析和验证。实验表明, 所提算法策略在多项指标上较传统算法具有更好的表现, 易于硬件实现, 针对不同重构算法和测试图像具有普适性和稳定性。

为了提高多图像加密的安全性, 同时解决多图像加密系统数据量大的问题, 采用了基于分块压缩感知和改进幻方变换的加密方法。加密过程中, 充分利用了混沌序列对初始值的敏感性, 解决基于传统幻方变换的加密算法周期性的问题; 结合分块压缩感知的方法, 减少加密系统的数据量。对4幅256×256的灰度图像进行加密测试。结果表明, 系统加密时间只需要0.98s, 重建图像的质量高, 相关系数值均高于0.99, 峰值信噪比值均大于35dB;该算法在减少加密系统的数据量的同时进一步提高了系统的安全性。该算法实现容易, 能高效安全地完成多图像加密。

提出了一种基于分块压缩感知理论的太赫兹波宽光束成像技术。模拟结果显示,该技术可以实现高分辨率、高质量的快速成像。采用连续太赫兹波CO₂气体激光器光源,基于宽光束矩阵调制采样,对不同物体进行了分块压缩感知成像,并与基于单像素随机采样的分块压缩感知方法进行了对比。结果表明,所提技术具有更高的成像稳定性,且其采样过程对不同成像物体的普适性更好。

针对基于压缩感知理论的红外图像重建问题,提出一种基于改进的分块压缩感知红外图像重建方法。该方法首先对原始红外图像进行分块,并对每个子块用相同的观测矩阵进行随机观测,获得少量的观测数据;然后利用谱图小波变换优异的稀疏特性,将其引入平滑投影Landweber算法进行迭代优化重建,同时采用混合中值滤波进行处理以增加图像的平滑度和减少块伪影,最后输出满足要求的高质量红外图像。实验结果表明,在相同采样率下,该方法对于不同类型红外图像的重建性能均优于目前广为采用的一些小波压缩感知方法,可获得更高质量的红外图像。

针对卫星云图数据量大, 但传输通道和存储空间相对狭小的问题, 本文提出了一种基于 Tetrolet变换的卫星云图分块压缩感知方法。该方法将 Tetrolet变换引入压缩感知的稀疏表示环节, 以刻画卫星云图细节丰富, 纹理复杂的特性, 而且将分块压缩感知与平滑投影 Landweber迭代方法结合用于云图重构, 以提高计算效率。同时, 为了进一步提高重构云图的质量, 本文对云图的稀疏表示提出了另一种改进方案, 首先对原始云图进行拉普拉斯金字塔分解, 将得到的低频分量和高频分量分别进行分块及采样, 并对低频及高频分量分别进行离散小波变换 (DWT)及 Tetrolet变换以实现稀疏表示, 此不仅可以发挥不同稀疏变换各自的优点, 而且充分利用了 Tetrolet变换在表示云图方向纹理和边缘等重要信息方面的优势。实验结果表明, 在相同采样率下, 本文方法的重构结果明显优于直接用 Tetrolet, DWT, Contourlet和 DCT变换对卫星云图进行稀疏表示的重构结果。