图像的压缩感知

提出了一种改进的DCT扇形划分的压缩感知方法。为了进一步提高图像重建质量，降低重建时间，使用扇形划分的形式保留低频带系数，利用不同采样率分别对中/高频带系数进行测量。利用正交匹配追踪算法（OMP）对中

针对基于空域上下采样的深度编码框架中，由边缘信息损失带来的视点绘制质量下降的问题，提出了一种面向视点绘制质量的深度图像分块自适应压缩采样方法。在基于分块压缩感知和光滑Landweber投影重构的BCS

这本书籍由王建英、尹忠科和张春梅合著，介绍了压缩感知的概念和原理，并重点阐述了信号与图像的稀疏分解及其在图像处理中的应用。本书适合从事信号处理和图像处理相关工作的专业人士学习参考。

基于分块和混合采样的图像压缩感知，刘学，全子一，压缩感知是一种集采样和压缩于一体的新的理论框架。但是对于大规模信号如2D图像，由于需要高维的随机采样矩阵和高效的重构算法，�

高光谱图像（HSI）具有数百个频带，这给数据存储和传输带宽带来了沉重负担。 在过去的几十年中，已经为HSI探索了许多压缩技术。 一种高性能的技术是主成分分析（PCA）和JPEG-2000（J2K）的组

超分辨率重建通用方法中，图像分解后对应小波基只能有效稀疏表示单一成分，往往只侧重边缘成分而忽略了光滑成分等。针对这个问题，本文改进了一种基于压缩感知的声纳图像超分辨率重建算法。该算法基于三种不同稀疏字

稀疏信号的分布模型是影响基于近似信息传递(AMP)的压缩感知(CS)信号重建效果的关键因素。因实际图像的小波近似系数、各级的水平细节系数、垂直细节系数以及对角细节系数的模型参数存在较大差异,现有基于拉

卫星平台振动和反射镜震颤会引起遥感图像中的振荡畸变。这类畸变难以通过常用的几何校正方法消除。对此,提出了一种使用压缩感知的几何校正方法。该方法基于有理函数模型(RFM)进行几何校正。在校正过程中,利用

利用正交匹配追踪算法对高光谱图像进行压缩感知重构,是通过寻找最优原子对原始信号进行线性表示,使残差不断减小以获取重构信号。在处理基于冗余字典的重构问题时,其耗时主要存在于原子匹配过程和残差更新过程,导

传统的图像分块压缩感知(BCS,block compressed sensing)以相同的测量率对各块进行测量,但由于图像的空间特性不同,在重构图像时出现了块效应。通过自适应为各块设定不同的测量率,该