【摘要】：基于低秩正則化的非局部低秩約束(Nonlocal low-rank regularization,NLR)算法利用相似塊的結(jié)構(gòu)稀疏性,獲得了目前最好的重構(gòu)結(jié)果。但是它僅僅利用了圖像的非局部信息,忽略了圖像像素間的局部信息,不能有效地重建圖像的邊緣,同時(shí)Logdet函數(shù)不能很好地替代矩陣秩,因?yàn)樗鎸?shí)解之間存在著不可忽視的差距。因此,本文提出了一種基于局部和非局部正則化的壓縮感知圖像重建方法,同時(shí)考慮圖像的非局部低秩性和圖像像素的局部稀疏梯度性。選擇利用Schatten-p范數(shù)來替代矩陣秩,同時(shí)選擇交替方向乘子算法求解產(chǎn)生的非凸優(yōu)化問題。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的稀疏性先驗(yàn)重建算法和NLR算法相比,本文算法能夠獲得更高的圖像重構(gòu)質(zhì)量。
[Abstract]:The nonlocal low rank constraint (Nonlocal low-rank regularization,NLR) algorithm based on low rank regularization makes use of the structural sparsity of similar blocks to obtain the best reconstruction results at present. However, it only makes use of the non-local information of the image, ignores the local information between the image pixels, and can not effectively reconstruct the edge of the image. At the same time, the Logdet function can not replace the rank of the matrix very well, because there is a gap between it and the real solution. Therefore, in this paper, a compression perceptual image reconstruction method based on local and non-local regularization is proposed, taking into account the non-local low rank of the image and the local sparse gradient of the image pixel. The Schatten-p norm is used to replace the rank of the matrix, and the alternating direction multiplier algorithm is selected to solve the nonconvex optimization problem. The experimental results show that compared with the traditional sparse prior reconstruction algorithm and NLR algorithm, the proposed algorithm can obtain higher image reconstruction quality.
【作者單位】： 金陵科技學(xué)院計(jì)算機(jī)工程學(xué)院;南京曉莊學(xué)院信息工程學(xué)院;
【基金】：江蘇省高等學(xué)校自然科學(xué)研究面上(16KJB520014,14KJB520012)資助項(xiàng)目 江蘇省社會安全圖像與視頻理解重點(diǎn)實(shí)驗(yàn)室(30916014107)資助項(xiàng)目 國家自然科學(xué)基金(61375121)資助項(xiàng)目 金陵科技學(xué)院博士啟動資金資助項(xiàng)目
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 尹學(xué)松;胡恩良;;半監(jiān)督正則化學(xué)習(xí)[J];小型微型計(jì)算機(jī)系統(tǒng);2010年12期

2 相文楠;趙建立;;判別正則化譜回歸[J];聊城大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

3 李勇周;羅大庸;劉少強(qiáng);;基于正則化最小二乘的局部判別投影的人臉識別[J];模式識別與人工智能;2008年05期

4 莊福振;羅平;何清;史忠植;;基于混合正則化的無標(biāo)簽領(lǐng)域的歸納遷移學(xué)習(xí)[J];科學(xué)通報(bào);2009年11期

5 朱林立;戴國洪;高煒;;正則化框架下半監(jiān)督本體算法[J];微電子學(xué)與計(jì)算機(jī);2014年03期

6 劉小蘭;郝志峰;楊曉偉;馬獻(xiàn)恒;;基于最小熵正則化的半監(jiān)督分類[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

7 關(guān)海鷗;衣淑娟;焦峰;許少華;左豫虎;金寶石;;農(nóng)作物缺素癥狀診斷的正則化模糊神經(jīng)網(wǎng)絡(luò)模型[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2012年05期

8 劉敏;陳恩慶;楊守義;;正則化粒子濾波在水下目標(biāo)跟蹤中的應(yīng)用[J];電視技術(shù);2012年09期

9 尚曉清;楊琳;趙志龍;;基于非凸正則化項(xiàng)的合成孔徑雷達(dá)圖像分割新算法[J];光子學(xué)報(bào);2012年09期

10 劉建偉;黎海恩;劉媛;付捷;羅雄麟;;迭代再權(quán)共軛梯度q范數(shù)正則化線性最小二乘 支持向量機(jī)分類算法[J];控制理論與應(yīng)用;2014年03期

相關(guān)會議論文 前5條

1 毛玉明;郭杏林;呂洪彬;;動載荷反演問題的正則化求解[A];第18屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集第Ⅰ冊[C];2009年

2 王彥飛;;地球物理數(shù)值反演問題的最優(yōu)化和正則化理論與方法[A];中國地球物理學(xué)會第二十七屆年會論文集[C];2011年

3 廖熠;趙榮椿;;從明暗恢復(fù)形狀方法綜述[A];中國體視學(xué)學(xué)會圖像分析專業(yè)、中國體視學(xué)學(xué)會仿真與虛擬現(xiàn)實(shí)專業(yè)、中國航空學(xué)會信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會議論文集[C];2000年

4 張瀚銘;閆鑌;李磊;;一種基于TV正則化的有限角度CT圖像重建算法[A];全國射線數(shù)字成像與CT新技術(shù)研討會論文集[C];2012年

5 熊春陽;黃建永;方競;;高性能牽引力顯微鏡方法及其在細(xì)胞力學(xué)研究中的應(yīng)用[A];中國生物醫(yī)學(xué)工程學(xué)會成立30周年紀(jì)念大會暨2010中國生物醫(yī)學(xué)工程學(xué)會學(xué)術(shù)大會報(bào)告論文[C];2010年

相關(guān)博士學(xué)位論文 前3條

1 牛善洲;基于變分正則化的低劑量CT成像方法研究[D];南方醫(yī)科大學(xué);2015年

2 王梅;正則化路徑上的支持向量機(jī)模型組合[D];天津大學(xué);2013年

3 劉小蘭;基于圖和熵正則化的半監(jiān)督分類算法[D];華南理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 黃樹東;協(xié)同聚類及集成的關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2015年

2 白閃閃;基于L0正則化局部字典學(xué)習(xí)的視頻追蹤[D];大連理工大學(xué);2015年

3 王凱;求解斯托克斯流動問題的正則化源點(diǎn)法[D];太原理工大學(xué);2016年

4 郗仙田;正交正則化核典型相關(guān)分析的研究[D];東北電力大學(xué);2016年

5 張振月;基于范數(shù)正則化回歸的人臉識別[D];山東大學(xué);2016年

6 王吉興;拉普拉斯圖正則化的字典學(xué)習(xí)圖像去噪算法研究[D];五邑大學(xué);2016年

7 袁瑛;基于正則化的多核學(xué)習(xí)方法及應(yīng)用[D];華南理工大學(xué);2016年

8 董學(xué)輝;邏輯回歸算法及其GPU并行實(shí)現(xiàn)研究[D];哈爾濱工業(yè)大學(xué);2016年

9 朱園園;基于Log-det正則化的半徑—間隔學(xué)習(xí)方法及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

10 王新美;基于正則化相關(guān)熵的極端學(xué)習(xí)機(jī)[D];河北大學(xué);2013年

，

本文編號：2505082