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:
为了解决基于低秩正则化的图像压缩感知重构算法不能充分利用图像局部梯度稀疏特性的问题,提出了一种基于低秩与全变差正则化的图像压缩感知重构算法.首先,通过图像块匹配法寻找结构相似的图像块,组成非局部相似块组;其次,联合相似块矩阵低秩与图像梯度稀疏先验组成正则化项,结合传统的压缩感知模型形成新模型;最后,采用交替方向乘子法实现图像的重构.测试图像为自然灰度图像,为了验证算法的有效性,从主观视觉和峰值信噪比两方面进行对比.试验结果表明,和基于低秩正则化的图像压缩感知算法相比,该算法在准确描述图像非局部自相似性结构特征的前提下提高了重构质量,重构的图像在峰值信噪比上平均提升1 dB.
推荐文章
基于低秩和稀疏性先验知识的压缩感知图像重构
压缩感知
稀疏表示
总变差
低秩属性
混合高阶全变差正则化的运动模糊图像盲复原
运动模糊
盲复原
正则化约束
混合高阶全变差
分裂布雷格曼迭代策略
基于变步长的正则回溯SAMP压缩感知重构算法
压缩感知
正则回溯
变步长
重构精度
基于改进StOMP算法图像压缩感知重构
压缩感知
小波域稀疏
硬阈值
共轭梯度
分段正交匹配追踪
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 基于低秩和全变差正则化的图像压缩感知重构
来源期刊 江苏大学学报(自然科学版) 学科 工学
关键词 压缩感知 图像重构 全变差 低秩近似 交替方向乘子法
年,卷(期) 2017,(5) 所属期刊栏目
研究方向 页码范围 571-575,614
页数 6页 分类号 TN919.8
字数 4495字 语种 中文
DOI 10.3969/j.issn.1671-7775.2017.05.012
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 孙权森 南京理工大学计算机科学与工程学院 112 1385 19.0 32.0
2 孙怀江 南京理工大学计算机科学与工程学院 81 1003 16.0 28.0
3 杨桄 南京理工大学计算机科学与工程学院 1 4 1.0 1.0
4 封磊 南京理工大学计算机科学与工程学院 4 18 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (4)
参考文献  (9)
节点文献
引证文献  (4)
同被引文献  (27)
二级引证文献  (2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(3)
  • 参考文献(2)
  • 二级参考文献(1)
2013(5)
  • 参考文献(3)
  • 二级参考文献(2)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
压缩感知
图像重构
全变差
低秩近似
交替方向乘子法
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
江苏大学学报(自然科学版)
双月刊
1671-7775
32-1668/N
大16开
江苏省镇江市梦溪园巷30号
28-83
1980
chi
出版文献量(篇)
2980
总下载数(次)
2
总被引数(次)
31026
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导