结合自适应稀疏表示和全变分约束的图像重建

发布时间：2017-10-19 13:26

  本文关键词：结合自适应稀疏表示和全变分约束的图像重建

  更多相关文章： 压缩感知 自适应冗余字典 稀疏表示 图像重建 全变分

【摘要】：针对以二维小波变换和离散余弦变换为代表的固定正交基在图像压缩感知高分辨率重建中的局限性,提出了一种新的自适应冗余字典稀疏表示结合全变分约束的图像高分辨率重建算法.该算法以迭代过程的中间图像作为训练样本,通过自适应学习获得适合样本特征的冗余字典,它充分利用了字典原子与待重建图像的相关性,获得了待重建图像的理想完备稀疏表示,从而降低了采样率,提高了图像重建质量.最后,以全变分作为正则化条件,采用交替迭代算法求解稀疏优化问题.仿真结果表明,该算法可以在低采样率下重建出高质量的图像.
【作者单位】： 西安电子科技大学电子工程学院;西安电子科技大学通信工程学院;
【关键词】： 压缩感知 自适应冗余字典 稀疏表示 图像重建 全变分
【基金】：国家自然科学基金资助项目(61271296) 中央高校基本科研业务费专项资金资助项目(JB150218) 西安电子科技大学教育教学改革研究资助项目(B1311);西安电子科技大学新实验开发与新实验设备研制及实验教学改革资助项目(SY1354)
【分类号】：TP391.41
【正文快照】： 在图像高分辨率重建中,稀疏表示是近年来关注的热点之一,也是压缩感知成像的核心问题之一[1].为提高图像表示的稀疏性,一般通过小波、离散余弦等正交变换对图像进行稀疏表示.这些传统稀疏表示的优 点是操作简单、理论成熟.但是这些变换存在着只能表示有限的信号特征的缺点,当

【共引文献】

中国期刊全文数据库 前3条

1 郝岩;许建楼;;去除乘性噪声的二阶总广义变分模型及算法[J];光电子.激光;2013年09期

2 郝岩;许建楼;;迭代重加权的小波变分修复模型[J];电子与信息学报;2013年12期

3 胡文瑾;李战明;刘仲民;;快速非局部均值形态成分分析唐卡图像修复算法[J];计算机辅助设计与图形学学报;2014年07期

【相似文献】

中国期刊全文数据库 前10条

1 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期

2 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期

3 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期

4 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期

5 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期

6 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期

7 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期

8 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期

9 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期

10 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期

中国重要会议论文全文数据库 前3条

1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集（上册）[C];2013年

2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年

3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年

2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年

3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年

4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年

5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年

6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年

7 李小薪;稀疏表示的分段匹配寻踪方法[D];华南理工大学;2009年

8 何艳敏;稀疏表示在图像压缩和去噪中的应用研究[D];电子科技大学;2011年

9 宋相法;基于稀疏表示和集成学习的若干分类问题研究[D];西安电子科技大学;2013年

10 匡金骏;基于稀疏表示的图像分类与目标跟踪研究[D];重庆大学;2013年

中国硕士学位论文全文数据库 前10条

1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年

2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年

3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年

4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年

5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年

6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年

7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年

8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年

9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年

10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年

，

本文编号：1061353