基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
多数现有的压缩感知重建算法基于单观测向量,处理图像信号时将其表示成一维信号,算法效率低,重建图像的效果也有待提高.本文提出了一种基于多观测向量和稀疏贝叶斯学习的重建算法,通过同时处理观测矩阵的每一列直接求得加权系数矩阵,从而快速重建图像.在相同的采样率条件下,该算法的重建图像效果更好,算法效率明显提高.采用标准测试图像进行实验,验证了算法的有效性.
推荐文章
基于压缩感知的一种改进射电图像重建算法
射电图像重建
压缩感知
原始对偶算法
射电天文观测
凸优化算法
阈值去噪
一种基于压缩感知的数字图像水印算法
数字水印
压缩感知
RAMP算法
水印重构
一种基于小波稀疏基的压缩感知图像融合算法
压缩感知
图像融合
小波稀疏
双放射采样模式
一种均匀化稀疏表示的图像压缩感知算法
压缩感知
稀疏表示
图像重构
里德所罗门码
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种有效的压缩感知图像重建算法
来源期刊 电子学报 学科 工学
关键词 图像重建 压缩感知 稀疏贝叶斯学习 多观测向量
年,卷(期) 2011,(12) 所属期刊栏目 学术论文
研究方向 页码范围 2796-2800
页数 分类号 TN911.73
字数 3946字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈后金 北京交通大学电子信息工程学院 120 1030 17.0 27.0
2 杨娜 北京交通大学电子信息工程学院 128 740 13.0 23.0
3 李居朋 北京交通大学电子信息工程学院 27 240 8.0 15.0
4 李志林 北京交通大学电子信息工程学院 4 46 2.0 4.0
5 姚畅 北京交通大学电子信息工程学院 22 245 8.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (25)
共引文献  (567)
参考文献  (14)
节点文献
引证文献  (24)
同被引文献  (38)
二级引证文献  (212)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(9)
  • 参考文献(4)
  • 二级参考文献(5)
2007(6)
  • 参考文献(2)
  • 二级参考文献(4)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(5)
  • 参考文献(3)
  • 二级参考文献(2)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(8)
  • 引证文献(5)
  • 二级引证文献(3)
2014(28)
  • 引证文献(7)
  • 二级引证文献(21)
2015(29)
  • 引证文献(3)
  • 二级引证文献(26)
2016(37)
  • 引证文献(3)
  • 二级引证文献(34)
2017(49)
  • 引证文献(4)
  • 二级引证文献(45)
2018(47)
  • 引证文献(0)
  • 二级引证文献(47)
2019(27)
  • 引证文献(0)
  • 二级引证文献(27)
2020(10)
  • 引证文献(1)
  • 二级引证文献(9)
研究主题发展历程
节点文献
图像重建
压缩感知
稀疏贝叶斯学习
多观测向量
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
相关基金
北京市自然科学基金
英文译名:Natural Science Foundation of Beijing Province
官方网址:http://210.76.125.39/zrjjh/zrjj/
项目类型:重大项目
学科类型:
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导