结合全变差与自适应低秩正则化的图像压缩感知重构

发布时间：2017-12-06 23:16

  本文关键词：结合全变差与自适应低秩正则化的图像压缩感知重构

  更多相关文章： 压缩感知 全变差 非局部方法 低秩逼近 协同重构

【摘要】：针对基于固定变换基的协同稀疏图像压缩感知(CS)重构算法不能充分利用图像自相似特性的问题,提出了一种改进的联合全变差与自适应低秩正则化的压缩感知重构方法。首先,通过图像块匹配法寻找结构相似块,并组成非局部相似块组;然后,以非局部相似块组加权低秩逼近替代协同稀疏表示中的三维小波变换域滤波;最后,结合梯度稀疏与非局部相似块组低秩先验构成重构模型的正则化项,并采用交替方向乘子法求解实现图像重构。实验结果表明,相比协同稀疏压缩感知重构(RCo S)算法,该方法重构图像的峰值信噪比平均可提升约2 d B,所提算法在准确描述图像非局部自相似结构特征的前提下显著提高了重构质量,更好地保留了图像的纹理细节信息。
【作者单位】： 中南民族大学电子信息工程学院;中南民族大学计算机科学学院;桂林电子科技大学信息科技学院;
【基金】：国家自然科学基金资助项目(61471400,61201268) 湖北省自然科学基金资助项目(2013CFC118) 中央高校基本科研业务费专项(CZW14018)~~
【分类号】：TN911.73
【正文快照】： 0引言压缩感知(Compressive Sensing,CS)理论[1-2]作为一种新的信号采样理论认为,信号在具有稀疏性或可压缩性时,可由其降维采样的表示准确重构。压缩感知实现了信号压缩与采样的同时进行[3],假设N维稀疏信号x∈CN,其CS的数学模型可表示如式(1):y=Φx(1)其中:Φ∈CM×N(M郙N)

【相似文献】

中国期刊全文数据库 前10条

1 肖亮,吴慧中,韦志辉,汤淑春,刘扬;基于图的数字全变差模型及其带噪图像任意精度放大[J];计算机辅助设计与图形学学报;2004年01期

2 王鹏;于锦海;;运用全变差模型进行道路影像处理[J];计算机工程与设计;2008年08期

3 王旭东;冯象初;霍雷刚;;去除乘性噪声的重加权各向异性全变差模型[J];自动化学报;2012年03期

4 任福全;邱天爽;;基于空-时加权全变差正则项的视频复原算法[J];电子与信息学报;2013年04期

5 曾泰山;鲁春元;;多尺度全变差图像去噪算法[J];华南师范大学学报(自然科学版);2013年04期

6 余瑞艳;刘文;;全变差图像去噪模型的快速求解[J];武汉理工大学学报(信息与管理工程版);2011年02期

7 路雅宁;郭雷;李晖晖;;带限剪切波变换与全变差结合的图像去噪[J];光子学报;2013年12期

8 吴亚东;孙世新;张红英;韩永国;陈波;;一种基于图割的全变差图像去噪算法[J];电子学报;2007年02期

9 闵涛;武海霞;;全变差正则化在抛物型方程初始条件反问题的应用[J];计算机应用;2008年S1期

10 卢成武;宋国乡;;一种全变差正则化流场的图像抑噪方法[J];电子与信息学报;2009年01期

中国博士学位论文全文数据库 前2条

1 肖长国;二维定常Euler反应流方程组的研究[D];复旦大学;2013年

2 史宝丽;几类全变差型图像恢复模型研究[D];湖南大学;2012年

中国硕士学位论文全文数据库 前10条

1 乔丽红;全变差法在图像处理中的应用[D];河北师范大学;2007年

2 王萍;基于全变差和小波方法的图像修补[D];西安电子科技大学;2010年

3 丛丽丽;基于小波包和全变差的图像去噪算法[D];吉林大学;2010年

4 杨夏芳;自适应加权全变差和非局部正则模型在图像重建中的应用[D];西安电子科技大学;2013年

5 李权利;全变差正则化盲图像复原技术研究[D];重庆大学;2012年

6 刘宇;基于局部加权全变差和连续核的盲去模糊[D];大连理工大学;2014年

7 沈维燕;基于contourlets和全变差的一种图像去噪方法的研究[D];南京理工大学;2006年

8 贾小宁;基于傅立叶—全变差正则化的图像去卷积算法[D];吉林大学;2011年

9 王丹;分裂链的应用[D];湖北大学;2011年

10 宋海岸;交替方向乘子法求解带全变差和小波项的相位复原问题[D];上海交通大学;2014年

，

本文编号：1260308