【摘要】：利用圖像的非局部相似性先驗以提升圖像恢復(fù)質(zhì)量已得到廣泛關(guān)注。為了更有效地提升壓縮感知(CS)圖像的重構(gòu)質(zhì)量,提出了一種基于加權(quán)結(jié)構(gòu)組稀疏表示(WSGSR)的圖像壓縮感知重構(gòu)方法。采用非局部相似圖像塊結(jié)構(gòu)組加權(quán)稀疏表示的1_l范數(shù)作為規(guī)則化項約束優(yōu)化重構(gòu),實現(xiàn)在更好地恢復(fù)圖像高頻細節(jié)信息的同時有效減少對圖像低頻成分的損失,圖像重構(gòu)質(zhì)量得到明顯改善。推導(dǎo)出一種加權(quán)軟閾值收縮方法,實現(xiàn)對模型的優(yōu)化求解,對幅值較大的重要系數(shù)采用較小的閾值收縮處理,對幅值較小的非重要系數(shù)采用相對較大的閾值收縮處理。實驗結(jié)果比較驗證了所提方法的有效性。
【圖文】：

6/0.961135.71/0.981638.05/0.983634.86/0.974140.26/0.99060.124.41/0.773124.24/0.765026.50/0.855825.31/0.815927.49/0.8668平均0.228.55/0.875829.04/0.894531.73/0.930729.63/0.907632.44/0.94050.331.36/0.917732.20/0.938934.83/0.955232.63/0.943635.67/0.96400.433.36/0.942634.75/0.960737.19/0.969134.97/0.962438.57/0.9783(a)原圖像(b)MH(PSNR=30.44dB,SSIM=0.8317)(c)RCoS(PSNR=31.69dB,SSIM=0.8504)(d)SGSR(PSNR=33.29dB，，SSIM=0.8693)(e)RM(PSNR=31.30dB,SSIM=0.8536)(f)WSGSR(PSNR=33.94dB,SSIM=0.8861)圖1測量率為0.1時House圖像的重構(gòu)圖像比較2017041-5

6/0.961135.71/0.981638.05/0.983634.86/0.974140.26/0.99060.124.41/0.773124.24/0.765026.50/0.855825.31/0.815927.49/0.8668平均0.228.55/0.875829.04/0.894531.73/0.930729.63/0.907632.44/0.94050.331.36/0.917732.20/0.938934.83/0.955232.63/0.943635.67/0.96400.433.36/0.942634.75/0.960737.19/0.969134.97/0.962438.57/0.9783(a)原圖像(b)MH(PSNR=30.44dB,SSIM=0.8317)(c)RCoS(PSNR=31.69dB,SSIM=0.8504)(d)SGSR(PSNR=33.29dB，SSIM=0.8693)(e)RM(PSNR=31.30dB,SSIM=0.8536)(f)WSGSR(PSNR=33.94dB,SSIM=0.8861)圖1測量率為0.1時House圖像的重構(gòu)圖像比較2017041-5

【參考文獻】

相關(guān)期刊論文 前3條

1 劉磊;張建軍;陸陽;衛(wèi)星;韓江洪;;僅依賴連通度的壓縮感知多目標(biāo)定位方法[J];通信學(xué)報;2016年05期

2 沈燕飛;朱珍民;張勇東;李錦濤;;基于秩極小化的壓縮感知圖像恢復(fù)算法[J];電子學(xué)報;2016年03期

3 焦李成;楊淑媛;劉芳;侯彪;;壓縮感知回顧與展望[J];電子學(xué)報;2011年07期

【共引文獻】

相關(guān)期刊論文 前10條

1 劉春燕;王建軍;王文東;王堯;;基于非凸極小化的擾動壓縮數(shù)據(jù)分離[J];電子學(xué)報;2017年01期

2 王強;張培林;王懷光;楊望燦;陳彥龍;;壓縮感知中測量矩陣構(gòu)造綜述[J];計算機應(yīng)用;2017年01期

3 陳雷;鄭德忠;王忠東;;基于壓縮感知的電力信號壓縮與重構(gòu)研究[J];電測與儀表;2017年01期

4 林思銘;彭衛(wèi)東;林志國;李瑞;;改進的卡爾曼濾波壓縮感知信道估計算法[J];探測與控制學(xué)報;2016年06期

5 許曉榮;胡慧;章堅武;;L-CR系統(tǒng)中分布式壓縮感知最小角回歸信號重構(gòu)[J];信號處理;2016年12期

6 陳熠;樊祥;程玉寶;程正東;梁振宇;;壓縮感知鬼成像中觀測矩陣構(gòu)造[J];光電子·激光;2016年12期

7 陳熠;樊祥;程玉寶;程正東;梁振宇;;光場衍射在壓縮感知鬼成像中的研究[J];激光與紅外;2016年11期

8 何繼愛;劉向陽;;壓縮感知理論及其在盲源分離中的應(yīng)用[J];測控技術(shù);2016年11期

9 孔舒亞;葉偉;勞國超;;基于壓縮感知的SAR寬帶干擾抑制方法[J];電子測量技術(shù);2016年11期

10 尹珠;黃友銳;陳珍萍;;煤礦井下壓縮感知圖像處理算法[J];工礦自動化;2016年11期

【二級參考文獻】

相關(guān)期刊論文 前7條

1 劉盼盼;李雷;王浩宇;;壓縮感知中基于變尺度法的貪婪重構(gòu)算法的研究[J];通信學(xué)報;2014年12期

2 韓江洪;劉磊;衛(wèi)星;;信號場強壓縮感知的傳感器定位方法研究[J];儀器儀表學(xué)報;2014年06期

3 趙春暉;許云龍;黃輝;;基于LU分解的稀疏目標(biāo)定位算法[J];電子與信息學(xué)報;2013年09期

4 朱劍;趙海;徐久強;李大舟;;無線傳感器網(wǎng)絡(luò)中的定位模型[J];軟件學(xué)報;2011年07期

5 戴瓊海;付長軍;季向陽;;壓縮感知研究[J];計算機學(xué)報;2011年03期

6 楊輝強;李德英;李政;;定向傳感器網(wǎng)絡(luò)中的最小化覆蓋間隙和最大化網(wǎng)絡(luò)生命時間問題的研究[J];電子學(xué)報;2010年S1期

7 張春梅;尹忠科;肖明霞;;基于冗余字典的信號超完備表示與稀疏分解[J];科學(xué)通報;2006年06期

【相似文獻】

相關(guān)期刊論文 前10條

1 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進展和展望[J];電子學(xué)報;2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學(xué)報;2011年03期

4 史加榮;楊威;魏宗田;;基于非負稀疏表示的人臉識別[J];計算機工程與設(shè)計;2012年05期

5 高志榮;熊承義;笪邦友;;改進的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2012年03期

6 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

7 耿耀君;張軍英;袁細國;;一種基于稀疏表示系數(shù)的特征相關(guān)性測度[J];模式識別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識別[J];計算機工程與應(yīng)用;2013年05期

9 李正周;王會改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測[J];彈箭與制導(dǎo)學(xué)報;2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識別算法研究[J];模式識別與人工智能;2014年01期

相關(guān)會議論文 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運營與云計算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 李進明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號稀疏表示的電機故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點與藥物適應(yīng)癥預(yù)測方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 解虎;高維小樣本陣列自適應(yīng)信號處理方法研究[D];西安電子科技大學(xué);2015年

8 秦振濤;基于稀疏表示及字典學(xué)習(xí)遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學(xué);2015年

9 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

10 孫樂;空譜聯(lián)合先驗的高光譜圖像解混與分類方法[D];南京理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

本文編號：2560299