计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
29期
153-155
,共3页
可压缩传感%非线性恢复%稀疏性%块效应
可壓縮傳感%非線性恢複%稀疏性%塊效應
가압축전감%비선성회복%희소성%괴효응
可压缩传感或可压缩采样(Compressed Sensing或Compressive Sampling简称CS)是数据采样同时实现压缩的新理论、新技术.分块CS(Block Compressed Sensing)的图像重构算法采用相同的采样算子以块×块的方式获取图像,解决了现有的CS方法中可压缩采样算子所需存储较大的问题,而且算法中应用线性算子、凸集投影法和Contourlet变换域的硬阈值法进一步优化恢复图像,能更有效捕获图像的复杂结构.实验结果表明分块CS的图像重构算法较现有的其他CS方法实现代价更低,且在相同CS观测数条件下,计算速度几乎相同的同时图像质量提高了3～4dB.
可壓縮傳感或可壓縮採樣(Compressed Sensing或Compressive Sampling簡稱CS)是數據採樣同時實現壓縮的新理論、新技術.分塊CS(Block Compressed Sensing)的圖像重構算法採用相同的採樣算子以塊×塊的方式穫取圖像,解決瞭現有的CS方法中可壓縮採樣算子所需存儲較大的問題,而且算法中應用線性算子、凸集投影法和Contourlet變換域的硬閾值法進一步優化恢複圖像,能更有效捕穫圖像的複雜結構.實驗結果錶明分塊CS的圖像重構算法較現有的其他CS方法實現代價更低,且在相同CS觀測數條件下,計算速度幾乎相同的同時圖像質量提高瞭3～4dB.
가압축전감혹가압축채양(Compressed Sensing혹Compressive Sampling간칭CS)시수거채양동시실현압축적신이론、신기술.분괴CS(Block Compressed Sensing)적도상중구산법채용상동적채양산자이괴×괴적방식획취도상,해결료현유적CS방법중가압축채양산자소수존저교대적문제,이차산법중응용선성산자、철집투영법화Contourlet변환역적경역치법진일보우화회복도상,능경유효포획도상적복잡결구.실험결과표명분괴CS적도상중구산법교현유적기타CS방법실현대개경저,차재상동CS관측수조건하,계산속도궤호상동적동시도상질량제고료3～4dB.
