|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
摘要:为了准确有效地实现自然图像的压缩感知重构,提出一种使用拉普拉斯尺度混合( Laplacian ScaleMixture ,LSM)先验的结构化近似消息传递算法。利用LSM模型构建AMP算法1 r) g# V4 [) o+ _' z
的高阶统计约束,将压缩感知重构问题转化为先验信息估计问题和奇异值最小化问题.首先,用LSM分布刻画相似块矩阵奇异值的稀疏性,其中该稀疏性指」图像参尖的N'可营的先验信息;最后,由AMP算法求解奇异值最小化问后,通过期望最大化算法估计LSM模型的尺度参效数,仔到VD笑时的图伫雷构质量优于多种主流的压缩感知图像重构题,实现图像的精确重构.实验结果表明,提出的结构化AMP算法的图像重构质量优于多种主流的压缩感知图像重构算法.& e, C8 C8 \& [& V: d% A
+ x# C. u( S! U1 F z) A; T关键词:压缩感知;近似消息传递;拉普拉斯尺度混合先验;非局部相似性;期望最大化& | x) _7 j! Q" ^, C/ j8 m
' i" j8 _! ^5 S4 Q2 C. D. k
压缩感知(Compressive Sensing ,CS)是一种新的信号采集和处理技术,它突破奈奎斯特采样率的限制,以随机观测的方式采样稀疏信号,再通过重构算法从低维观测值中恢复出高维的原始信号.主要的CS重构算法包括贪婪算法,凸优化算法和贝叶斯推断方法.其中,近似消息传递(AMP)算法在重构质量和运行时间方面都表现出优势.
% M) g" A; F7 ^+ O0 j' B [2 l/ L! P1 }8 l6 U, v2 r' O% A
9 A/ J( X) U7 X9 F$ `
- x/ p6 ^6 g- k+ O
4 N3 ^4 |6 g1 H3 G2 y) @8 w
; p1 c7 W0 @8 c5 f |
|