本文關(guān)鍵詞：基于改進(jìn)StOMP算法圖像壓縮感知重構(gòu)　出處：《計(jì)算機(jī)應(yīng)用研究》2016年09期 　論文類型：期刊論文

  更多相關(guān)文章： 壓縮感知 小波域稀疏 硬閾值 共軛梯度 分段正交匹配追蹤

【摘要】：在圖像壓縮感知重建中,針對(duì)重構(gòu)效果和耗時(shí)不能兼得的問題進(jìn)行深入研究。基于小波域稀疏,選用常規(guī)觀測矩陣進(jìn)行觀測采樣,通過對(duì)觀測結(jié)果預(yù)定義濾波、選取信號(hào)硬閾值,引入共軛梯度下降算法,對(duì)分段正交匹配追蹤(St OMP)重建算法進(jìn)行改進(jìn)。提出重建圖像的邊緣相似度概念,并對(duì)不同壓縮比下的觀測信號(hào)重建進(jìn)行實(shí)驗(yàn)仿真。結(jié)果表明,相對(duì)于改進(jìn)前St OMP算法,改進(jìn)算法在迭代收斂時(shí)間較短的情況下,重構(gòu)效果有所提升。在主觀評(píng)價(jià)上,重建圖像噪聲點(diǎn)明顯減少;客觀評(píng)價(jià)上,PSNR值提高,達(dá)到了預(yù)期效果。該算法為高效解決壓縮感知優(yōu)化重建問題提供了參考。
[Abstract]:In the compressed sensing image reconstruction, to conduct a thorough study on the reconstruction effect and time have not. The wavelet domain based on sparse matrix, using routine observation sampling, using predefined observations of selected signal filtering, hard threshold algorithm, descending conjugate gradient, the piecewise orthogonal matching pursuit (St OMP) improved reconstruction the concept of similarity algorithm. The proposed edge image reconstruction, and the different compression ratio of the observed signal reconstruction simulation experiments. The results show that compared to the improved St OMP algorithm, the improved algorithm in convergence time is very short, the reconstruction effect improved. In the subjective evaluation, the noise image is obviously decreased; objective evaluation on the PSNR value increased, to achieve the desired effect. The algorithm is efficient to solve the optimization problem of compressed sensing reconstruction provides a reference.

【作者單位】： 東北石油大學(xué)電氣信息工程學(xué)院;
【基金】：黑龍江省自然科學(xué)基金資助項(xiàng)目(F201404)
【分類號(hào)】：TP391.41
【正文快照】： 0引言壓縮感知理論是由Donoho和Candes[1~3]于2005年提出的一種以信號(hào)稀疏性為壓縮先驗(yàn)條件的全新的信號(hào)采樣理論。該理論表明,用遠(yuǎn)低于Nyquist采樣定理要求的頻率對(duì)信號(hào)進(jìn)行采樣也能實(shí)現(xiàn)信號(hào)的精確重構(gòu)。壓縮感知理論利用原始圖像或信號(hào)的稀疏性先驗(yàn)知識(shí),通過適當(dāng)?shù)南∈鑳?yōu)化

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 顏紹書;;“共軛梯度——最小p乘”法及其在幅度均衡器和時(shí)延均衡器設(shè)計(jì)中的應(yīng)用[J];北京郵電學(xué)院學(xué)報(bào);1981年01期

2 沈煥鋒;李平湘;張良培;;不完全喬萊斯基分解預(yù)優(yōu)共軛梯度的模型[J];計(jì)算機(jī)工程;2006年17期

3 孫桂芹;許芳謙;;用共軛梯度—最小p乘法設(shè)計(jì)IIR恒時(shí)延特性數(shù)字濾波器[J];北京郵電學(xué)院學(xué)報(bào);1983年04期

4 黎小圣;張國山;;區(qū)間分割共軛梯度混沌優(yōu)化算法及其應(yīng)用[J];自動(dòng)化博覽;2011年S2期

5 張軍;張召明;褚江;任登鳳;;共軛梯度方法在求解不可壓N-S方程中的應(yīng)用[J];航空計(jì)算技術(shù);2008年04期

6 李業(yè)麗;馮超;陸利坤;;一種基于共軛梯度的LMBP改進(jìn)學(xué)習(xí)算法[J];計(jì)算機(jī)工程與應(yīng)用;2008年21期

7 陳愛新;求解非均勻介質(zhì)問題的雙共軛梯度方法[J];系統(tǒng)工程與電子技術(shù);2002年09期

8 李軍,常濤,丁萃菁;改進(jìn)共軛梯度BP算法的應(yīng)用研究[J];計(jì)算機(jī)仿真;2005年04期

9 賴錦輝;梁松;;基于改進(jìn)人工螢火蟲算法的無線傳感網(wǎng)絡(luò)覆蓋優(yōu)化[J];計(jì)算機(jī)測量與控制;2014年06期

10 隋元明;劉鵬;劉欽曉;張磊;余飛鴻;陳燕平;;波前編碼雙共軛梯度平方穩(wěn)定解碼算法及其TMS320DM642平臺(tái)的實(shí)現(xiàn)[J];光子學(xué)報(bào);2012年06期

相關(guān)會(huì)議論文 前2條

1 谷同祥;劉興平;;預(yù)條件多搜索方向共軛梯度方法[A];中國工程物理研究院科技年報(bào)（2003）[C];2003年

2 畢競;袁偉;;線性約束共軛梯度常模算法的研究[A];中國電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

相關(guān)博士學(xué)位論文 前3條

1 胡朝明;幾類譜共軛梯度方法理論及數(shù)值行為研究[D];中南大學(xué);2012年

2 馬明娟;一類共軛梯度方法及其收斂性[D];吉林大學(xué);2009年

3 張昆;改進(jìn)的大地電磁場非線性共軛梯度三維反演及其并行計(jì)算研究[D];中國地質(zhì)大學(xué)（北京）;2013年

相關(guān)碩士學(xué)位論文 前10條

1 劉亮;基于共軛梯度的2DNMF算法研究[D];大連海事大學(xué);2016年

2 蒲小麗;共軛梯度分解算法及其應(yīng)用[D];南京航空航天大學(xué);2012年

3 顧迪;基于共軛梯度的隨機(jī)賦權(quán)神經(jīng)網(wǎng)絡(luò)[D];河北大學(xué);2015年

4 黃文姬;線性約束優(yōu)化的仿射內(nèi)點(diǎn)共軛梯度路徑方法及其應(yīng)用[D];上海師范大學(xué);2010年

5 張楊;共軛梯度型方法的進(jìn)一步研究與改進(jìn)[D];重慶大學(xué);2012年

6 王玨鈺;非線性（無）約束問題的共軛梯度路徑法[D];上海師范大學(xué);2013年

7 張勇;有界變量約束非線性方程組的仿射共軛梯度路徑法[D];上海師范大學(xué);2009年

8 姚勝偉;一個(gè)新的共軛梯度公式及其應(yīng)用[D];廣西大學(xué);2007年

9 鮑吉鋒;有界變量約束非線性優(yōu)化問題的仿射共軛梯度路徑法及其應(yīng)用[D];上海師范大學(xué);2008年

10 馬文亞;基于韋增欣等的共軛梯度參數(shù)的修正共軛梯度算法[D];重慶師范大學(xué);2015年

，

本文編號(hào)：1362382