本文選題：壓縮感知　切入點(diǎn)：圖像重建　出處：《電子學(xué)報(bào)》2017年03期 　論文類型：期刊論文

【摘要】：傳統(tǒng)的壓縮感知重建算法利用信號(hào)在某個(gè)特征空間下的稀疏性構(gòu)建目標(biāo)優(yōu)化函數(shù),但沒(méi)有充分考慮信號(hào)的局部特性和結(jié)構(gòu)化屬性,影響了算法的重建性能和算法的適應(yīng)性.本文考慮圖像的非局部自相似性(Nonlocal Self-Similarity,NLSS),提出一種基于圖像相似塊低秩的壓縮感知圖像重建算法,將圖像恢復(fù)問(wèn)題轉(zhuǎn)化為聚合的相似塊矩陣秩最小問(wèn)題.算法以最小壓縮感知重建誤差為約束構(gòu)建優(yōu)化模型,并采用加權(quán)核范數(shù)最小化算法(Weighed Nuclear Norm Minimization,WNNM)求解低秩優(yōu)化問(wèn)題,很好地挖掘了圖像自身的信息和結(jié)構(gòu)化稀疏特征,保護(hù)了圖像的結(jié)構(gòu)和紋理細(xì)節(jié).多個(gè)測(cè)試圖像、不同采樣率下的實(shí)驗(yàn)證明了算法的有效性,特別是在低采率下對(duì)于紋理較為豐富的圖像,提出的算法圖像重建質(zhì)量較明顯的優(yōu)于最新的同類算法.
[Abstract]:The traditional compressed perceptual reconstruction algorithm uses the sparsity of the signal in a feature space to construct the objective optimization function, but it does not fully consider the local and structural properties of the signal. The performance of the algorithm and the adaptability of the algorithm are affected. In this paper, considering the nonlocal self-SimilityNLSSs of non-local self-similarity of images, a compressed perceptual image reconstruction algorithm based on image similarity block and low rank is proposed. The image restoration problem is transformed into the rank minimization problem of aggregated similar block matrices. The algorithm uses minimum compression perceptual reconstruction error as the constraint to construct the optimization model, and uses weighted Nuclear Norm minimization algorithm (WNNM) to solve the low rank optimization problem. The structure and texture details of the image are well mined, and the structure and texture details of the image are protected. The experimental results of several test images and different sampling rates demonstrate the effectiveness of the algorithm. Especially for the images with abundant texture, the reconstruction quality of the proposed algorithm is obviously better than that of the latest similar algorithms.
【作者單位】： 長(zhǎng)沙理工大學(xué)綜合交通運(yùn)輸大數(shù)據(jù)智能處理湖南省重點(diǎn)實(shí)驗(yàn)室;長(zhǎng)沙理工大學(xué)計(jì)算機(jī)與通信工程學(xué)院;湖南大學(xué)信息科學(xué)與工程學(xué)院;中國(guó)科學(xué)院計(jì)算技術(shù)研究所;
【基金】：國(guó)家自然科學(xué)基金(No.61471343,No.61572183,No.61402053) 湖南省教育廳科學(xué)研究重點(diǎn)項(xiàng)目(No.13A107,No.15A007) 湖南省自然科學(xué)基金(No.2016JJ2005) 湖南省科技計(jì)劃項(xiàng)目(No.2014FJ6047,No.2014GK3030)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 霍修坤,韋穗;一種心臟CT掃描圖像重建算法研究[J];計(jì)算機(jī)工程與應(yīng)用;2005年31期

2 丁永維;董峰;;電阻層析成像技術(shù)圖像重建算法概述[J];儀器儀表用戶;2006年06期

3 別靜;吳錫令;繆志偉;;油井流動(dòng)圖像重建算法研究[J];石油天然氣學(xué)報(bào);2011年07期

4 李志林;陳后金;李居朋;姚暢;楊娜;;一種有效的壓縮感知圖像重建算法[J];電子學(xué)報(bào);2011年12期

5 李然;干宗良;崔子冠;朱秀昌;;壓縮感知圖像重建算法的研究現(xiàn)狀及其展望[J];電視技術(shù);2013年19期

6 曹華;曹家義;;320排動(dòng)態(tài)容積CT顱內(nèi)動(dòng)脈瘤圖像重建算法進(jìn)展和評(píng)估[J];CT理論與應(yīng)用研究;2014年02期

7 孫小平;田豐;邵富群;謝植;;復(fù)雜溫度場(chǎng)圖像重建算法實(shí)驗(yàn)研究[J];東北大學(xué)學(xué)報(bào);2006年03期

8 馬存寶;李海皓;張瀟;;基于改進(jìn)圖像重建算法的工業(yè)CT系統(tǒng)[J];計(jì)算機(jī)測(cè)量與控制;2007年11期

9 高彥麗;章勇高;邵富群;徐青;;電容層析成像技術(shù)中圖像重建算法的發(fā)展及研究[J];傳感器與微系統(tǒng);2007年10期

10 王聰;劉銳崗;李燁;董秀珍;;一種用于磁感應(yīng)斷層成像的圖像重建算法[J];儀器儀表學(xué)報(bào);2008年10期

相關(guān)會(huì)議論文 前10條

1 周小林;劉大虎;，

本文編號(hào)：1599146