加权结构组稀疏表示的图像压缩感知重构
【图文】：
6/0.961135.71/0.981638.05/0.983634.86/0.974140.26/0.99060.124.41/0.773124.24/0.765026.50/0.855825.31/0.815927.49/0.8668平均0.228.55/0.875829.04/0.894531.73/0.930729.63/0.907632.44/0.94050.331.36/0.917732.20/0.938934.83/0.955232.63/0.943635.67/0.96400.433.36/0.942634.75/0.960737.19/0.969134.97/0.962438.57/0.9783(a)原图像(b)MH(PSNR=30.44dB,SSIM=0.8317)(c)RCoS(PSNR=31.69dB,SSIM=0.8504)(d)SGSR(PSNR=33.29dB，，SSIM=0.8693)(e)RM(PSNR=31.30dB,SSIM=0.8536)(f)WSGSR(PSNR=33.94dB,SSIM=0.8861)图1测量率为0.1时House图像的重构图像比较2017041-5
6/0.961135.71/0.981638.05/0.983634.86/0.974140.26/0.99060.124.41/0.773124.24/0.765026.50/0.855825.31/0.815927.49/0.8668平均0.228.55/0.875829.04/0.894531.73/0.930729.63/0.907632.44/0.94050.331.36/0.917732.20/0.938934.83/0.955232.63/0.943635.67/0.96400.433.36/0.942634.75/0.960737.19/0.969134.97/0.962438.57/0.9783(a)原图像(b)MH(PSNR=30.44dB,SSIM=0.8317)(c)RCoS(PSNR=31.69dB,SSIM=0.8504)(d)SGSR(PSNR=33.29dB，SSIM=0.8693)(e)RM(PSNR=31.30dB,SSIM=0.8536)(f)WSGSR(PSNR=33.94dB,SSIM=0.8861)图1测量率为0.1时House图像的重构图像比较2017041-5
【参考文献】
相关期刊论文 前3条
1 刘磊;张建军;陆阳;卫星;韩江洪;;仅依赖连通度的压缩感知多目标定位方法[J];通信学报;2016年05期
2 沈燕飞;朱珍民;张勇东;李锦涛;;基于秩极小化的压缩感知图像恢复算法[J];电子学报;2016年03期
3 焦李成;杨淑媛;刘芳;侯彪;;压缩感知回顾与展望[J];电子学报;2011年07期
【共引文献】
相关期刊论文 前10条
1 刘春燕;王建军;王文东;王尧;;基于非凸极小化的扰动压缩数据分离[J];电子学报;2017年01期
2 王强;张培林;王怀光;杨望灿;陈彦龙;;压缩感知中测量矩阵构造综述[J];计算机应用;2017年01期
3 陈雷;郑德忠;王忠东;;基于压缩感知的电力信号压缩与重构研究[J];电测与仪表;2017年01期
4 林思铭;彭卫东;林志国;李瑞;;改进的卡尔曼滤波压缩感知信道估计算法[J];探测与控制学报;2016年06期
5 许晓荣;胡慧;章坚武;;L-CR系统中分布式压缩感知最小角回归信号重构[J];信号处理;2016年12期
6 陈熠;樊祥;程玉宝;程正东;梁振宇;;压缩感知鬼成像中观测矩阵构造[J];光电子·激光;2016年12期
7 陈熠;樊祥;程玉宝;程正东;梁振宇;;光场衍射在压缩感知鬼成像中的研究[J];激光与红外;2016年11期
8 何继爱;刘向阳;;压缩感知理论及其在盲源分离中的应用[J];测控技术;2016年11期
9 孔舒亚;叶伟;劳国超;;基于压缩感知的SAR宽带干扰抑制方法[J];电子测量技术;2016年11期
10 尹珠;黄友锐;陈珍萍;;煤矿井下压缩感知图像处理算法[J];工矿自动化;2016年11期
【二级参考文献】
相关期刊论文 前7条
1 刘盼盼;李雷;王浩宇;;压缩感知中基于变尺度法的贪婪重构算法的研究[J];通信学报;2014年12期
2 韩江洪;刘磊;卫星;;信号场强压缩感知的传感器定位方法研究[J];仪器仪表学报;2014年06期
3 赵春晖;许云龙;黄辉;;基于LU分解的稀疏目标定位算法[J];电子与信息学报;2013年09期
4 朱剑;赵海;徐久强;李大舟;;无线传感器网络中的定位模型[J];软件学报;2011年07期
5 戴琼海;付长军;季向阳;;压缩感知研究[J];计算机学报;2011年03期
6 杨辉强;李德英;李政;;定向传感器网络中的最小化覆盖间隙和最大化网络生命时间问题的研究[J];电子学报;2010年S1期
7 张春梅;尹忠科;肖明霞;;基于冗余字典的信号超完备表示与稀疏分解[J];科学通报;2006年06期
【相似文献】
相关期刊论文 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
相关会议论文 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
相关博士学位论文 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 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年
8 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年
9 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年
10 孙乐;空谱联合先验的高光谱图像解混与分类方法[D];南京理工大学;2014年
相关硕士学位论文 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：2560299
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2560299.html
