基于分块压缩感知的图像全局重构模型

• 作者: 干宗良 朱秀昌 李然
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 分块压缩感知 块稀疏度 分块重构 全局稀疏度 全局重构 块效应
• 年，卷（期）: 2012,（10）
• 所属期刊栏目: 算法研究
• 页码范围: 1416-1422
• 分类号: TN911.73
• 字数: 4474字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0530.2012.10.009

摘要

已有的基于分块压缩感知(Block Compressed Sensing,Block CS)的图像重构模型采用相同的测量矩阵以块×块的方式获取数据,解决了传统CS方法中测量矩阵所需存储量较大的问题,但由于采用分块重构,没有考虑到图像的全局稀疏度,出现了大量的块效应.本文分析了图像分块重构产生块效应的三个主要原因:块稀疏度不均匀、频谱泄漏和块尺寸受限,提出了一种基于Block CS的图像全局重构模型.该模型在编码端采用高斯随机矩阵逐块作非相关测量；在解码端,引入排序算子,重新构造测量矩阵,该测量矩阵既适合于进行全局重构,又适合于分块测量的CS观测值,并仍与图像的稀疏矩阵高度不相关,所以其可充分利用图像的全局稀疏度进行CS重构.仿真实验表明,所提出的全局重构模型有效地消除了块效应现象,并且对块尺寸的变化有较强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱秀昌	南京邮电大学江苏省图像处理与图像通信重点实验室	193	1476	17.0	28.0
2	干宗良	南京邮电大学江苏省图像处理与图像通信重点实验室	69	440	13.0	17.0
3	李然	南京邮电大学江苏省图像处理与图像通信重点实验室	14	163	8.0	12.0