低存储化压缩感知

• 作者: 叶时平 徐振宇 王金铭 蒋燕君
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 压缩感知 随机观测矩阵 存储空间 半张量积 迭代重加权 最小化
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 图像处理与编码
• 页码范围: 835-844
• 页数: 10页
• 分类号: TN911.73
• 字数: 8892字
• 语种: 中文
• DOI: 10.11834/jig.20160701

摘要

目的 非相关观测是压缩感知(CS)理论中的关键因素.高斯随机矩阵作为一种普适的CS非相关观测矩阵,在压缩感知中得到广泛的研究与应用.但在实际应用中,却存在实际内存占用较多,不适应大规模应用的问题.为寻求降低随机观测矩阵所需的存储空间,提出一种基于半张量积的压缩感知方法,利用该方法可以成倍地降低观测矩阵所需的存储空间.方法 该方法利用半张量积理论,构建降维随机观测矩阵,实现对原始信号的随机观测,并采用lq(0＜q＜1)范数的迭代重加权最小二乘法进行重构,从而得到稀疏信号的估计值.结果 仿真实验分别采用1维稀疏信号和2维图像信号进行了测试,并从重构概率、迭代收敛速度、重构信号的峰值信噪比等角度进行了测试和比较.通过不同大小的随机观测矩阵比较验证表明,采用降维后观测矩阵进行采样和重构,其重构信号质量并没有明显下降,但其观测矩阵所需的存储空间却可大大降低,如降低为通常的1/4,1/16,甚至更低.结论 本文压缩感知方法,可以大大降低观测矩阵所需的存储空间,同时有效降低数据运算复杂度以及内存占用率,有助于压缩感知的应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋燕君	浙江树人大学信息科技学院	21	65	5.0	7.0
2	叶时平	浙江树人大学信息科技学院	29	86	5.0	7.0
3	王金铭	浙江树人大学信息科技学院	17	33	4.0	4.0
4	徐振宇	浙江树人大学信息科技学院	7	11	2.0	3.0