多稀疏空间下的压缩感知图像重构.pdfVIP

2013 年 6 月 西安电子科技大学学报(自然科学版) Jun.2013 第 40 卷第3 期 JOURNAL OF XIDIAN UNIVERSITY Vol.40 No.3 doi: 10. 3969/j. issn. 1001-2400.2013.03.011 多稀疏空间下的压缩感知图像重构 王良君，石光明，李 甫，谢雪梅，林耀海 (西安电子科技大学智能感知与图像理解教育部重点实验室，陕西西安 71007 1) 摘要:提出了一种基于多稀疏特征空间的压缩感知图像恢复算法，将全变差最小化特征和分段自回归模 型(PAR)残差系数的稀疏特征同时作为信号的联合稀疏特征约束，根据信号局部特性自适应地选取与图 像特征相适应的特征空间，并建立了包含多项 1 范数和 2 范数混合优化的目标函数.为了求解该目标函 数，采用了一种基于交替方向法的高效优化算法.实验证明，利用多空间稀疏特征的重构图像相比单个特 征的重构图像，在客观质量和主观视觉效果上都有很大提升.对于图像信号在一定的采样率下，文中算法 的峰值信噪比与全变差最小化方法和基于 PAR 残差系数稀疏算法的峰值信噪比相比，分别有 7dB 和 1dB 的提高. 关键词:压缩感知z 交替方向法;稀疏z 多空间 中困分类号:TN91 1. 73 文献标识码:A 文章编号:1001-2400(2013)03-0073-08 Compressed sensing image reconstruction in multiple sparse spaces WANG Liangjun , SHI Guangming, LI Fu , XIE Xuemei , LIN Yaohai (Ministry of Education Key Lab. of Intelligent Perception and Image Understanding , Xidian Univ. , Xian 710071 , China) Ab!南部t: Most traditional compressed sensing ( CS) r优onstruction algorithms only exploit the sparsity of a natural signal in a single sp盯se space. However , since natural signals often exhibit spatially varying characteristics , the single space sparse representation fails to well characterize the local signal structures. The mismatch between s阳rse repr，四entation in the single space and the varying local structures make the re∞nstruction algorithms fail to exploit the local sparsity , leading to low reconstruction qua!ity. In this paper , we propose a new image signal reconstruction me