当前位置:主页 > 科技论文 > 软件论文 >

基于改进StOMP算法图像压缩感知重构

发布时间:2018-01-01 01:33

  本文关键词:基于改进StOMP算法图像压缩感知重构 出处:《计算机应用研究》2016年09期  论文类型:期刊论文


  更多相关文章: 压缩感知 小波域稀疏 硬阈值 共轭梯度 分段正交匹配追踪


【摘要】:在图像压缩感知重建中,针对重构效果和耗时不能兼得的问题进行深入研究。基于小波域稀疏,选用常规观测矩阵进行观测采样,通过对观测结果预定义滤波、选取信号硬阈值,引入共轭梯度下降算法,对分段正交匹配追踪(St OMP)重建算法进行改进。提出重建图像的边缘相似度概念,并对不同压缩比下的观测信号重建进行实验仿真。结果表明,相对于改进前St OMP算法,改进算法在迭代收敛时间较短的情况下,重构效果有所提升。在主观评价上,重建图像噪声点明显减少;客观评价上,PSNR值提高,达到了预期效果。该算法为高效解决压缩感知优化重建问题提供了参考。
[Abstract]:In the compressed sensing image reconstruction, to conduct a thorough study on the reconstruction effect and time have not. The wavelet domain based on sparse matrix, using routine observation sampling, using predefined observations of selected signal filtering, hard threshold algorithm, descending conjugate gradient, the piecewise orthogonal matching pursuit (St OMP) improved reconstruction the concept of similarity algorithm. The proposed edge image reconstruction, and the different compression ratio of the observed signal reconstruction simulation experiments. The results show that compared to the improved St OMP algorithm, the improved algorithm in convergence time is very short, the reconstruction effect improved. In the subjective evaluation, the noise image is obviously decreased; objective evaluation on the PSNR value increased, to achieve the desired effect. The algorithm is efficient to solve the optimization problem of compressed sensing reconstruction provides a reference.

【作者单位】: 东北石油大学电气信息工程学院;
【基金】:黑龙江省自然科学基金资助项目(F201404)
【分类号】:TP391.41
【正文快照】: 0引言压缩感知理论是由Donoho和Candes[1~3]于2005年提出的一种以信号稀疏性为压缩先验条件的全新的信号采样理论。该理论表明,用远低于Nyquist采样定理要求的频率对信号进行采样也能实现信号的精确重构。压缩感知理论利用原始图像或信号的稀疏性先验知识,通过适当的稀疏优化

【相似文献】

相关期刊论文 前10条

1 颜绍书;;“共轭梯度——最小p乘”法及其在幅度均衡器和时延均衡器设计中的应用[J];北京邮电学院学报;1981年01期

2 沈焕锋;李平湘;张良培;;不完全乔莱斯基分解预优共轭梯度的模型[J];计算机工程;2006年17期

3 孙桂芹;许芳谦;;用共轭梯度—最小p乘法设计IIR恒时延特性数字滤波器[J];北京邮电学院学报;1983年04期

4 黎小圣;张国山;;区间分割共轭梯度混沌优化算法及其应用[J];自动化博览;2011年S2期

5 张军;张召明;褚江;任登凤;;共轭梯度方法在求解不可压N-S方程中的应用[J];航空计算技术;2008年04期

6 李业丽;冯超;陆利坤;;一种基于共轭梯度的LMBP改进学习算法[J];计算机工程与应用;2008年21期

7 陈爱新;求解非均匀介质问题的双共轭梯度方法[J];系统工程与电子技术;2002年09期

8 李军,常涛,丁萃菁;改进共轭梯度BP算法的应用研究[J];计算机仿真;2005年04期

9 赖锦辉;梁松;;基于改进人工萤火虫算法的无线传感网络覆盖优化[J];计算机测量与控制;2014年06期

10 隋元明;刘鹏;刘钦晓;张磊;余飞鸿;陈燕平;;波前编码双共轭梯度平方稳定解码算法及其TMS320DM642平台的实现[J];光子学报;2012年06期

相关会议论文 前2条

1 谷同祥;刘兴平;;预条件多搜索方向共轭梯度方法[A];中国工程物理研究院科技年报(2003)[C];2003年

2 毕竞;袁伟;;线性约束共轭梯度常模算法的研究[A];中国电子学会第十六届信息论学术年会论文集[C];2009年

相关博士学位论文 前3条

1 胡朝明;几类谱共轭梯度方法理论及数值行为研究[D];中南大学;2012年

2 马明娟;一类共轭梯度方法及其收敛性[D];吉林大学;2009年

3 张昆;改进的大地电磁场非线性共轭梯度三维反演及其并行计算研究[D];中国地质大学(北京);2013年

相关硕士学位论文 前10条

1 刘亮;基于共轭梯度的2DNMF算法研究[D];大连海事大学;2016年

2 蒲小丽;共轭梯度分解算法及其应用[D];南京航空航天大学;2012年

3 顾迪;基于共轭梯度的随机赋权神经网络[D];河北大学;2015年

4 黄文姬;线性约束优化的仿射内点共轭梯度路径方法及其应用[D];上海师范大学;2010年

5 张杨;共轭梯度型方法的进一步研究与改进[D];重庆大学;2012年

6 王珏钰;非线性(无)约束问题的共轭梯度路径法[D];上海师范大学;2013年

7 张勇;有界变量约束非线性方程组的仿射共轭梯度路径法[D];上海师范大学;2009年

8 姚胜伟;一个新的共轭梯度公式及其应用[D];广西大学;2007年

9 鲍吉锋;有界变量约束非线性优化问题的仿射共轭梯度路径法及其应用[D];上海师范大学;2008年

10 马文亚;基于韦增欣等的共轭梯度参数的修正共轭梯度算法[D];重庆师范大学;2015年



本文编号:1362382

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1362382.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户a627d***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com