|
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
' j& S" E2 t/ @: ^3 |5 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.3 Q$ H" v8 P _( ^4 H
. \' X5 `3 d; |! O Y4 c6 q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7 h% F9 V" {0 E9 ~' z H. e8 s
" E4 c' Z! E, E% u. \
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.
4 F- F8 U/ u3 W. L8 V
G( O+ H; m( S& Y. Y0 b% b* C5 w; n& U8 c
" C! X3 _; I; Q/ e/ u0 b' l" C2 @9 R7 s5 j( ]3 M
4 A; [. U% r1 J+ f3 t2 h, l
|
|