本文關(guān)鍵詞：結(jié)合自適應(yīng)稀疏表示和全變分約束的圖像重建

  更多相關(guān)文章： 壓縮感知 自適應(yīng)冗余字典 稀疏表示 圖像重建 全變分

【摘要】：針對(duì)以二維小波變換和離散余弦變換為代表的固定正交基在圖像壓縮感知高分辨率重建中的局限性,提出了一種新的自適應(yīng)冗余字典稀疏表示結(jié)合全變分約束的圖像高分辨率重建算法.該算法以迭代過(guò)程的中間圖像作為訓(xùn)練樣本,通過(guò)自適應(yīng)學(xué)習(xí)獲得適合樣本特征的冗余字典,它充分利用了字典原子與待重建圖像的相關(guān)性,獲得了待重建圖像的理想完備稀疏表示,從而降低了采樣率,提高了圖像重建質(zhì)量.最后,以全變分作為正則化條件,采用交替迭代算法求解稀疏優(yōu)化問(wèn)題.仿真結(jié)果表明,該算法可以在低采樣率下重建出高質(zhì)量的圖像.
【作者單位】： 西安電子科技大學(xué)電子工程學(xué)院;西安電子科技大學(xué)通信工程學(xué)院;
【關(guān)鍵詞】： 壓縮感知 自適應(yīng)冗余字典 稀疏表示 圖像重建 全變分
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61271296) 中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(JB150218) 西安電子科技大學(xué)教育教學(xué)改革研究資助項(xiàng)目(B1311);西安電子科技大學(xué)新實(shí)驗(yàn)開發(fā)與新實(shí)驗(yàn)設(shè)備研制及實(shí)驗(yàn)教學(xué)改革資助項(xiàng)目(SY1354)
【分類號(hào)】：TP391.41
【正文快照】： 在圖像高分辨率重建中,稀疏表示是近年來(lái)關(guān)注的熱點(diǎn)之一,也是壓縮感知成像的核心問(wèn)題之一[1].為提高圖像表示的稀疏性,一般通過(guò)小波、離散余弦等正交變換對(duì)圖像進(jìn)行稀疏表示.這些傳統(tǒng)稀疏表示的優(yōu) 點(diǎn)是操作簡(jiǎn)單、理論成熟.但是這些變換存在著只能表示有限的信號(hào)特征的缺點(diǎn),當(dāng)

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 郝巖;許建樓;;去除乘性噪聲的二階總廣義變分模型及算法[J];光電子.激光;2013年09期

2 郝巖;許建樓;;迭代重加權(quán)的小波變分修復(fù)模型[J];電子與信息學(xué)報(bào);2013年12期

3 胡文瑾;李戰(zhàn)明;劉仲民;;快速非局部均值形態(tài)成分分析唐卡圖像修復(fù)算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2014年07期

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李映;張艷寧;許星;;基于信號(hào)稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報(bào);2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動(dòng)提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2011年03期

4 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識(shí)別[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年05期

5 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識(shí)別[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

6 朱杰;楊萬(wàn)扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識(shí)別方法[J];模式識(shí)別與人工智能;2012年05期

7 耿耀君;張軍英;袁細(xì)國(guó);;一種基于稀疏表示系數(shù)的特征相關(guān)性測(cè)度[J];模式識(shí)別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2013年05期

9 李正周;王會(huì)改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測(cè)[J];彈箭與制導(dǎo)學(xué)報(bào);2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識(shí)別算法研究[J];模式識(shí)別與人工智能;2014年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 何愛(ài)香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識(shí)別研究[A];虛擬運(yùn)營(yíng)與云計(jì)算——第十八屆全國(guó)青年通信學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識(shí)別[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號(hào)處理及其研究進(jìn)展[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號(hào)稀疏表示的電機(jī)故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測(cè)與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國(guó)華;蛋白質(zhì)翻譯后修飾位點(diǎn)與藥物適應(yīng)癥預(yù)測(cè)方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 李小薪;稀疏表示的分段匹配尋蹤方法[D];華南理工大學(xué);2009年

8 何艷敏;稀疏表示在圖像壓縮和去噪中的應(yīng)用研究[D];電子科技大學(xué);2011年

9 宋相法;基于稀疏表示和集成學(xué)習(xí)的若干分類問(wèn)題研究[D];西安電子科技大學(xué);2013年

10 匡金駿;基于稀疏表示的圖像分類與目標(biāo)跟蹤研究[D];重慶大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號(hào)分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺(jué)追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動(dòng)信號(hào)的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號(hào)：1061353