【摘要】：針對(duì)提高壓縮感知圖像重構(gòu)精度的問(wèn)題,提出新的近似l0范數(shù)的函數(shù),并結(jié)合牛頓算法實(shí)現(xiàn)圖像重構(gòu).首先選用冗余脊波變換矩陣作為稀疏表示圖像的基函數(shù),利用正交匹配追蹤算法對(duì)圖像進(jìn)行稀疏化.重構(gòu)過(guò)程基于壓縮感知理論,結(jié)合似零范數(shù)算法思想,用一個(gè)簡(jiǎn)單的分式函數(shù)來(lái)近似估計(jì)l0范數(shù),并通過(guò)牛頓迭代算法求得稀疏解,從而實(shí)現(xiàn)了二維圖像重構(gòu),融合了似零范數(shù)算法快速收斂和牛頓迭代法高精度的優(yōu)點(diǎn).仿真實(shí)驗(yàn)結(jié)果表明,在相同的條件下,相比于現(xiàn)有的其他同類(lèi)算法,該算法重構(gòu)的圖像精度更高,有效地提高了壓縮感知圖像重構(gòu)的質(zhì)量.
[Abstract]:In order to improve the accuracy of compressed perceptual image reconstruction, a new function, which approximates the L 0 norm, is proposed, and the Newton algorithm is used to realize image reconstruction. Firstly, the redundant ridgelet transform matrix is chosen as the basis function of sparse representation of the image, and the image is sparse by orthogonal matching tracking algorithm. The reconstruction process is based on the theory of compression perception, combined with the idea of zero-like norm algorithm. A simple fractional function is used to approximate estimate the l0-norm, and the sparse solution is obtained by Newton iterative algorithm, thus the two-dimensional image reconstruction is realized. It combines the advantages of fast convergence of zero-like norm algorithm and high accuracy of Newton iteration method. Simulation results show that under the same conditions, compared with other similar algorithms, the proposed algorithm has higher image accuracy and improves the quality of compressed perceptual image reconstruction effectively.
【作者單位】： 燕山大學(xué)理學(xué)院;
【基金】：燕山大學(xué)青年教師自主研究計(jì)劃理工A類(lèi)課題項(xiàng)目(LGA016)資助
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 熊行創(chuàng);方向;歐陽(yáng)證;江游;黃澤健;鄧玉林;張玉奎;;質(zhì)譜成像數(shù)據(jù)圖像重構(gòu)軟件[J];質(zhì)譜學(xué)報(bào);2011年03期

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

3 徐靜;;基于自然計(jì)算的壓縮感知圖像重構(gòu)[J];計(jì)算機(jī)與數(shù)字工程;2013年05期

4 鄭永奇;焦鑄;韓玉霞;;壓縮感知圖像重構(gòu)中矩陣互相關(guān)性的研究[J];微型機(jī)與應(yīng)用;2013年05期

5 周志盛;相里斌;張文喜;李楊;;基于迭代的傅里葉望遠(yuǎn)鏡圖像重構(gòu)方法[J];光學(xué)學(xué)報(bào);2014年05期

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

7 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(gòu)方法[J];光子學(xué)報(bào);2009年08期

8 張大偉;周帆;蔣強(qiáng);;圖像重構(gòu)技術(shù)在截齒磨損率分析中的應(yīng)用[J];微計(jì)算機(jī)信息;2009年24期

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

10 郭建中;秦曉偉;;稀疏化的壓縮傳感超聲圖像重構(gòu)特性研究[J];中國(guó)科學(xué):信息科學(xué);2012年06期

相關(guān)會(huì)議論文 前4條

1 于晶;郭航;;矩函數(shù)在圖像重構(gòu)中的應(yīng)用[A];2006“數(shù)學(xué)技術(shù)應(yīng)用科學(xué)”[C];2006年

2 李運(yùn)達(dá);李琦;劉正君;王騏;;太赫茲計(jì)算機(jī)輔助層析圖像重構(gòu)算法仿真研究[A];第十屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)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(gòu)的交替最小化算法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

4 李培暢;郭建中;;超聲圖像重構(gòu)的ModulePCA算法研究[A];第三屆上海——西安聲學(xué)學(xué)會(huì)學(xué)術(shù)會(huì)議論文集[C];2013年

相關(guān)博士學(xué)位論文 前5條

1 袁敏;基于多尺度幾何分析和字典學(xué)習(xí)的高度欠采樣磁共振圖像重構(gòu)研究[D];蘭州大學(xué);2015年

2 周志盛;相干場(chǎng)成像圖像重構(gòu)技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

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

4 周昌軍;基于圖像重構(gòu)和特征融合的人臉識(shí)別方法研究[D];大連理工大學(xué);2008年

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

相關(guān)碩士學(xué)位論文 前10條

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

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

3 李志權(quán);基于笛卡爾坐標(biāo)系下的圖像矩的圖像重構(gòu)方法研究[D];陜西師范大學(xué);2016年

4 楊滔;aEEG信號(hào)圖像重構(gòu)及基于集成SVM的分類(lèi)研究[D];華東師范大學(xué);2017年

5 葉國(guó)棟;超解像度圖像重構(gòu)問(wèn)題的共軛梯度法[D];汕頭大學(xué);2006年

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

7 郜國(guó)棟;基于交替學(xué)習(xí)和免疫優(yōu)化的壓縮感知圖像重構(gòu)[D];西安電子科技大學(xué);2012年

8 楊淑媛;基于自然計(jì)算的壓縮感知圖像重構(gòu)[D];西安電子科技大學(xué);2011年

9 秦曉偉;基于壓縮感知超聲圖像重構(gòu)研究[D];陜西師范大學(xué);2013年

10 沈明欣;基于壓縮感知理論的圖像重構(gòu)技術(shù)研究[D];南京航空航天大學(xué);2010年

，

本文編號(hào)：2409601