|
|
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/ \" _/ V7 e& z# B6 H
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. f6 I1 s! f8 I& k* @( f
; e+ S+ ]/ }2 s+ H2 o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! @- G. q* G/ V% P& B) ^4 a! |/ n0 n- }& ?
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.
8 M! g: G; b! `* z% @ ?- P. g, T1 s0 ?5 ^# U0 C+ B$ A
& i$ ?9 t! t6 z+ w
3 n0 h1 u2 u j4 s
6 C/ s, n, B3 z1 j& d* f* p& x4 T! A( f3 { b
|
|
/1 
发表于 2021-5-27 09:11
收藏
淘帖
支持！
反对！