基于块稀疏度与自适应迭代的压缩感知方法

发布时间：2021-11-25 10:43

　　针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。 

【文章来源】：电讯技术. 2020,60(02)北大核心

【文章页数】：6 页

【部分图文】：

比特率为0.4时不同方法的peppper重构图像比较

为了更直观地对算法性能进行比较，将表1的结果绘制成折线图，如图2所示。可以看出，采用本文方法得到的重构图像的PSNR明显高于另外三种方法得到的结果。不同于以往的图像重构质量的提高通常是以算法复杂度大幅增加为代价的方式，本文算法在提高图像重构质量的同时，算法复杂度仍然较低。表2给出了不同采样率下的图像重构时间，可见在大多数采样率下，采用本文方法进行图像重构，整体上所需的时间更短。如在采样率为0.2时，本文算法的重构时间为11.127 s，而BCS-SPL方法的时间为14.795 3 s,GPSR方法的时间为58.217 3 s,OMP方法的时间高达160.105 s。表1和表2的结果从客观上证明了本文方法的有效性。

实验二:在测试图像mandrill上进行实验对比。比特率为0.2时，不同方法得到的重构图像如图3所示。不同采样率下，图像mandrill的PSNR结果和重构时间结果分别见表3和表4。实验三:在测试图像Goldhill上进行实验对比。比特率为0.3时，不同方法得到的重构图像如图4所示。不同采样率下，图像Goldhill的PSNR结果和重构时间结果分别见表5和表6。

【参考文献】：
期刊论文
[1]广义空间调制系统的正则化OMP检测算法[J]. 刘晓鸣,景小荣.  电讯技术. 2018(01)
[2]基于DFT基的矿井视频监控图像分块压缩感知方法[J]. 张帆,闫秀秀.  传感技术学报. 2017(01)
[3]基于块稀疏度估计的压缩感知自适应重构算法[J]. 许华杰,何敬禄,胡小明.  计算机应用研究. 2018(01)
[4]基于BCS-SPL压缩感知算法的纸病图像重构[J]. 周强,胡江涛,王志强,张俊涛.  中国造纸. 2016(12)
[5]基于块稀疏信号的正则化自适应压缩感知算法[J]. 庄哲民,吴力科,李芬兰,魏楚亮.  吉林大学学报(工学版). 2014(01)
[6]结合图像信号显著性的自适应分块压缩采样[J]. 王瑞,余宗鑫,杜林峰,万旺根.  中国图象图形学报. 2013(10)
[7]面向压缩感知的块稀疏度自适应迭代算法[J]. 付宁,乔立岩,曹离.  电子学报. 2011(S1)
[8]一种压缩采样中的稀疏度自适应子空间追踪算法[J]. 杨成,冯巍,冯辉,杨涛,胡波.  电子学报. 2010(08)



本文编号：3517978