分块可压缩传感的图像重构模型

摘要：

可压缩传感或可压缩采样(Compressed Sensing或Compressive Sampling简称CS)是数据采样同时实现压缩的新理论、新技术.分块CS(Block Compressed Sensing)的图像重构算法采用相同的采样算子以块×块的方式获取图像,解决了现有的CS方法中可压缩采样算子所需存储较大的问题,而且算法中应用线性算子、凸集投影法和Contourlet变换域的硬阈值法进一步优化恢复图像,能更有效捕获图像的复杂结构.实验结果表明分块CS的图像重构算法较现有的其他CS方法实现代价更低,且在相同CS观测数条件下,计算速度几乎相同的同时图像质量提高了3～4dB.

关键词：可压缩传感、非线性恢复、稀疏性、块效应

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 60776795;国家教育部新世纪人才支持计划;西北工业大学科技创新基金

在线出版日期：2009-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：153-155