【摘要】：針對當前重建效果最好的基于低秩先驗的NLR重建算法,忽略了圖像的局部結構信息,不能有效地重建圖像的邊緣,為了在測量值數(shù)量不變的情況下進一步提高圖像的重建質量,在低秩先驗的基礎上,引入稀疏約束(梯度域的稀疏性—總變差)作為圖像額外的先驗知識,建立了基于總變差和低秩約束的CS圖像重建模型。增廣拉格朗日—交替方向乘子算法用于求解產(chǎn)生的非凸優(yōu)化問題。實驗結果表明,與傳統(tǒng)的稀疏性先驗重建算法和NLR算法相比,所提算法能夠獲得更高的圖像重構質量。
[Abstract]:In view of the best NLR reconstruction algorithm based on low rank priori, the local structure information of the image is ignored, and the edge of the image can not be reconstructed effectively. In order to improve the reconstruction quality of the image under the condition that the number of measured values remains the same, the reconstruction quality of the image is improved. On the basis of a low rank priori, the sparse constraint (the sparsity of gradient domain-total variation) is introduced as the additional prior knowledge of the image, and the CS image reconstruction model based on the total variation and the low rank constraint is established. The augmented Lagrangian alternating direction multiplier algorithm is used to solve the nonconvex optimization problem. Experimental results show that the proposed algorithm can achieve better image reconstruction quality than the traditional sparse priori reconstruction algorithm and NLR algorithm.
【作者單位】： 南京曉莊學院信息工程學院;金陵科技學院計算機工程學院;
【基金】：金陵科技學院博士啟動基金資助項目(Jit-b-201508)
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 徐靜;;基于遺傳算法的零范數(shù)壓縮感知圖像重構方法研究[J];現(xiàn)代電子技術;2011年16期

2 徐靜;;基于自然計算的壓縮感知圖像重構[J];計算機與數(shù)字工程;2013年05期

3 鄭永奇;焦鑄;韓玉霞;;壓縮感知圖像重構中矩陣互相關性的研究[J];微型機與應用;2013年05期

4 周志盛;相里斌;張文喜;李楊;;基于迭代的傅里葉望遠鏡圖像重構方法[J];光學學報;2014年05期

5 丁靜,薛模根,戴宗友;區(qū)域航拍圖像重構中的配準與相互校正方法[J];情報指揮控制系統(tǒng)與仿真技術;2003年04期

6 陳艷;金偉其;徐超;王霞;高美靜;王嶺雪;;基于不可控微掃描的高分辨力圖像重構方法[J];光子學報;2009年08期

7 張大偉;周帆;蔣強;;圖像重構技術在截齒磨損率分析中的應用[J];微計算機信息;2009年24期

8 沈明欣;劉文波;;基于壓縮感知理論的圖像重構技術[J];電子科技;2011年03期

9 郭建中;秦曉偉;;稀疏化的壓縮傳感超聲圖像重構特性研究[J];中國科學:信息科學;2012年06期

10 練秋生;高彥彥;陳書貞;;基于兩步迭代收縮法和復數(shù)小波的壓縮傳感圖像重構[J];儀器儀表學報;2009年07期

相關會議論文 前4條

1 于晶;郭航;;矩函數(shù)在圖像重構中的應用[A];2006“數(shù)學技術應用科學”[C];2006年

2 李運達;李琦;劉正君;王騏;;太赫茲計算機輔助層析圖像重構算法仿真研究[A];第十屆全國光電技術學術交流會論文集[C];2012年

3 朱永貴;楊曉蘭;于欣妍;;小波稀疏的MR圖像重構的交替最小化算法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

4 李培暢;郭建中;;超聲圖像重構的ModulePCA算法研究[A];第三屆上�！靼猜晫W學會學術會議論文集[C];2013年

相關博士學位論文 前6條

1 李東澤;雷達關聯(lián)成像技術研究[D];國防科學技術大學;2014年

2 袁敏;基于多尺度幾何分析和字典學習的高度欠采樣磁共振圖像重構研究[D];蘭州大學;2015年

3 周志盛;相干場成像圖像重構技術研究[D];中國科學技術大學;2015年

4 李翠環(huán);電容層析成像圖像重構中正則化算法的研究[D];河北工業(yè)大學;2012年

5 周昌軍;基于圖像重構和特征融合的人臉識別方法研究[D];大連理工大學;2008年

6 徐桂芝;基于EIT技術的腦內(nèi)電特性與功能成像研究[D];河北工業(yè)大學;2002年

相關碩士學位論文 前10條

1 馬彩虹;基于壓縮感知的圖像重構方法研究[D];西安電子科技大學;2014年

2 謝瑋琦;基于探針模型的原子力顯微鏡圖像重構研究[D];沈陽建筑大學;2016年

3 李志權;基于笛卡爾坐標系下的圖像矩的圖像重構方法研究[D];陜西師范大學;2016年

4 葉國棟;超解像度圖像重構問題的共軛梯度法[D];汕頭大學;2006年

5 李艷紅;基于全變分模型壓縮傳感圖像重構的快速算法[D];河南大學;2012年

6 郜國棟;基于交替學習和免疫優(yōu)化的壓縮感知圖像重構[D];西安電子科技大學;2012年

7 楊淑媛;基于自然計算的壓縮感知圖像重構[D];西安電子科技大學;2011年

8 秦曉偉;基于壓縮感知超聲圖像重構研究[D];陜西師范大學;2013年

9 沈明欣;基于壓縮感知理論的圖像重構技術研究[D];南京航空航天大學;2010年

10 沈軍;基于集群系統(tǒng)的三維圖像重構并行技術實現(xiàn)研究[D];湖南師范大學;2007年

，

本文編號：2385581