【摘要】：針對(duì)運(yùn)用壓縮感知理論對(duì)圖像進(jìn)行自適應(yīng)壓縮采樣時(shí),采樣率及稀疏度閾值確定具有很強(qiáng)的主觀性,提出一種稀疏度擬合的精確自適應(yīng)采樣算法.該算法通過(guò)循環(huán)迭代來(lái)確定各個(gè)稀疏度下滿足PSNR要求的最低采樣率,利用最小二乘法對(duì)稀疏度及采樣率數(shù)據(jù)進(jìn)行擬合,得到稀疏度-采樣率選取的最佳目標(biāo)函數(shù).基于TVAL3重構(gòu)算法對(duì)上述自適應(yīng)采樣算法進(jìn)行了實(shí)驗(yàn)仿真,結(jié)果表明,重構(gòu)圖像的PSNR均高于用相同值的固定采樣率重構(gòu)的PSNR值,其中紋理特征區(qū)分明顯的圖像此PSNR差值能達(dá)到3.5dB以上.相比粗糙自適應(yīng)算法,平均采樣率比其降低的同時(shí),重構(gòu)圖像仍得到了更高的PSNR值.

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田文飚;芮國(guó)勝;;平滑零范數(shù)稀疏度約束下的盲稀疏回溯重構(gòu)算法[J];宇航學(xué)報(bào);2013年03期

2 彭森;許飛云;賈民平;胡建中;;含稀疏度約束的非負(fù)張量分解算法及其在故障診斷中的應(yīng)用(英文)[J];Journal of Southeast University(English Edition);2009年03期

3 董政;葛臨東;鞏克現(xiàn);;基于壓縮采樣匹配追蹤的稀疏度和稀疏信道聯(lián)合估計(jì)[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2014年01期

4 馬原;呂群波;劉揚(yáng)陽(yáng);錢路路;裴琳琳;;基于主成分變換的圖像稀疏度估計(jì)方法[J];物理學(xué)報(bào);2013年20期

5 周亞同;張偉;楊瑞霞;;一維非均勻采樣信號(hào)可變稀疏度傅里葉重建算法研究[J];微電子學(xué)與計(jì)算機(jī);2012年07期

6 王平;阮懷林;樊甫華;陳小波;;基于壓縮感知超寬帶信號(hào)盲稀疏度信道估計(jì)[J];電訊技術(shù);2012年11期

7 朱延萬(wàn);趙擁軍;孫兵;;一種改進(jìn)的稀疏度自適應(yīng)匹配追蹤算法[J];信號(hào)處理;2012年01期

8 周亞同;王麗莉;唐紅梅;;基于壓縮感知的稀疏度自適應(yīng)圖像修復(fù)[J];鐵道學(xué)報(bào);2014年09期

9 楊成;馮巍;馮輝;楊濤;胡波;;一種壓縮采樣中的稀疏度自適應(yīng)子空間追蹤算法[J];電子學(xué)報(bào);2010年08期

10 安春燕;紀(jì)紅;李屹;張曉亮;;壓縮采樣中基于離散時(shí)間馬爾科夫鏈的動(dòng)態(tài)控制機(jī)制(英文)[J];Journal of Southeast University(English Edition);2012年03期

相關(guān)碩士學(xué)位論文 前5條

1 湯倩;基于字典學(xué)習(xí)和貪婪追蹤的數(shù)字圖像稀疏去噪[D];長(zhǎng)沙理工大學(xué);2014年

2 李�？�;基于壓縮感知的圖像復(fù)原[D];昆明理工大學(xué);2016年

3 陳世姣;盲稀疏度的CS前向預(yù)測(cè)算法及其在稀疏結(jié)構(gòu)信號(hào)中的應(yīng)用[D];華南理工大學(xué);2013年

4 任淼;Directionlets格型實(shí)現(xiàn)及其在CS稀疏度和觀測(cè)維數(shù)估計(jì)中的應(yīng)用[D];華南理工大學(xué);2011年

5 劉京川;基于稀疏度檢測(cè)的寬帶壓縮頻譜感知方法研究[D];北京郵電大學(xué);2013年

，

本文編號(hào)：2584038