本文關(guān)鍵詞：結(jié)合全變差與自適應(yīng)低秩正則化的圖像壓縮感知重構(gòu)

  更多相關(guān)文章： 壓縮感知 全變差 非局部方法 低秩逼近 協(xié)同重構(gòu)

【摘要】：針對基于固定變換基的協(xié)同稀疏圖像壓縮感知(CS)重構(gòu)算法不能充分利用圖像自相似特性的問題,提出了一種改進的聯(lián)合全變差與自適應(yīng)低秩正則化的壓縮感知重構(gòu)方法。首先,通過圖像塊匹配法尋找結(jié)構(gòu)相似塊,并組成非局部相似塊組;然后,以非局部相似塊組加權(quán)低秩逼近替代協(xié)同稀疏表示中的三維小波變換域濾波;最后,結(jié)合梯度稀疏與非局部相似塊組低秩先驗構(gòu)成重構(gòu)模型的正則化項,并采用交替方向乘子法求解實現(xiàn)圖像重構(gòu)。實驗結(jié)果表明,相比協(xié)同稀疏壓縮感知重構(gòu)(RCo S)算法,該方法重構(gòu)圖像的峰值信噪比平均可提升約2 d B,所提算法在準(zhǔn)確描述圖像非局部自相似結(jié)構(gòu)特征的前提下顯著提高了重構(gòu)質(zhì)量,更好地保留了圖像的紋理細(xì)節(jié)信息。
【作者單位】： 中南民族大學(xué)電子信息工程學(xué)院;中南民族大學(xué)計算機科學(xué)學(xué)院;桂林電子科技大學(xué)信息科技學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61471400,61201268) 湖北省自然科學(xué)基金資助項目(2013CFC118) 中央高�；究蒲袠I(yè)務(wù)費專項(CZW14018)~~
【分類號】：TN911.73
【正文快照】： 0引言壓縮感知(Compressive Sensing,CS)理論[1-2]作為一種新的信號采樣理論認(rèn)為,信號在具有稀疏性或可壓縮性時,可由其降維采樣的表示準(zhǔn)確重構(gòu)。壓縮感知實現(xiàn)了信號壓縮與采樣的同時進行[3],假設(shè)N維稀疏信號x∈CN,其CS的數(shù)學(xué)模型可表示如式(1):y=Φx(1)其中:Φ∈CM×N(M郙N)

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 肖亮,吳慧中,韋志輝,湯淑春,劉揚;基于圖的數(shù)字全變差模型及其帶噪圖像任意精度放大[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2004年01期

2 王鵬;于錦海;;運用全變差模型進行道路影像處理[J];計算機工程與設(shè)計;2008年08期

3 王旭東;馮象初;霍雷剛;;去除乘性噪聲的重加權(quán)各向異性全變差模型[J];自動化學(xué)報;2012年03期

4 任福全;邱天爽;;基于空-時加權(quán)全變差正則項的視頻復(fù)原算法[J];電子與信息學(xué)報;2013年04期

5 曾泰山;魯春元;;多尺度全變差圖像去噪算法[J];華南師范大學(xué)學(xué)報(自然科學(xué)版);2013年04期

6 余瑞艷;劉文;;全變差圖像去噪模型的快速求解[J];武漢理工大學(xué)學(xué)報(信息與管理工程版);2011年02期

7 路雅寧;郭雷;李暉暉;;帶限剪切波變換與全變差結(jié)合的圖像去噪[J];光子學(xué)報;2013年12期

8 吳亞東;孫世新;張紅英;韓永國;陳波;;一種基于圖割的全變差圖像去噪算法[J];電子學(xué)報;2007年02期

9 閔濤;武海霞;;全變差正則化在拋物型方程初始條件反問題的應(yīng)用[J];計算機應(yīng)用;2008年S1期

10 盧成武;宋國鄉(xiāng);;一種全變差正則化流場的圖像抑噪方法[J];電子與信息學(xué)報;2009年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 肖長國;二維定常Euler反應(yīng)流方程組的研究[D];復(fù)旦大學(xué);2013年

2 史寶麗;幾類全變差型圖像恢復(fù)模型研究[D];湖南大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 喬麗紅;全變差法在圖像處理中的應(yīng)用[D];河北師范大學(xué);2007年

2 王萍;基于全變差和小波方法的圖像修補[D];西安電子科技大學(xué);2010年

3 叢麗麗;基于小波包和全變差的圖像去噪算法[D];吉林大學(xué);2010年

4 楊夏芳;自適應(yīng)加權(quán)全變差和非局部正則模型在圖像重建中的應(yīng)用[D];西安電子科技大學(xué);2013年

5 李權(quán)利;全變差正則化盲圖像復(fù)原技術(shù)研究[D];重慶大學(xué);2012年

6 劉宇;基于局部加權(quán)全變差和連續(xù)核的盲去模糊[D];大連理工大學(xué);2014年

7 沈維燕;基于contourlets和全變差的一種圖像去噪方法的研究[D];南京理工大學(xué);2006年

8 賈小寧;基于傅立葉—全變差正則化的圖像去卷積算法[D];吉林大學(xué);2011年

9 王丹;分裂鏈的應(yīng)用[D];湖北大學(xué);2011年

10 宋海岸;交替方向乘子法求解帶全變差和小波項的相位復(fù)原問題[D];上海交通大學(xué);2014年

，

本文編號：1260308