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:
传统的压缩感知重建算法利用信号在某个特征空间下的稀疏性构建目标优化函数,但没有充分考虑信号的局部特性和结构化属性,影响了算法的重建性能和算法的适应性.本文考虑图像的非局部自相似性(NonlocalSelf-Similarity,NLSS),提出一种基于图像相似块低秩的压缩感知图像重建算法,将图像恢复问题转化为聚合的相似块矩阵秩最小问题.算法以最小压缩感知重建误差为约束构建优化模型,并采用加权核范数最小化算法(Weighed Nuclear Norm Minimization,WNNM)求解低秩优化问题,很好地挖掘了图像自身的信息和结构化稀疏特征,保护了图像的结构和纹理细节.多个测试图像、不同采样率下的实验证明了算法的有效性,特别是在低采率下对于纹理较为丰富的图像,提出的算法图像重建质量较明显的优于最新的同类算法.
推荐文章
基于非局部低秩矩阵重建的图像插值
图像插值
低秩矩阵重建
优化
图像处理
基于小波树和非局部TV的压缩感知MR图像重建
小波树
非局部全变分
压缩感知
核磁共振图像
图像重建
非局部相似和双边滤波的 图像超分重建
图像处理
超分辨率
稀疏表示
非局部相似性
双边滤波
基于低秩表示的非负张量分解算法
图像分类
低秩表示
非负
张量分解
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 基于非局部相似块低秩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 压缩感知 图像重建 非局部白相似 低秩优化
年,卷(期) 2017,(3) 所属期刊栏目 学术论文
研究方向 页码范围 695-703
页数 9页 分类号 TP391
字数 7522字 语种 中文
DOI 10.3969/j.issn.0372-2112.2017.03.029
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 宋云 长沙理工大学综合交通运输大数据智能处理湖南省重点实验室 15 90 5.0 9.0
7 沈燕飞 中国科学院计算技术研究所 21 264 9.0 16.0
8 杨高波 湖南大学信息科学与工程学院 47 423 11.0 18.0
12 李雪玉 长沙理工大学综合交通运输大数据智能处理湖南省重点实验室 2 18 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (42)
共引文献  (31)
参考文献  (18)
节点文献
引证文献  (16)
同被引文献  (27)
二级引证文献  (9)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(12)
  • 参考文献(2)
  • 二级参考文献(10)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(7)
  • 参考文献(1)
  • 二级参考文献(6)
2010(16)
  • 参考文献(4)
  • 二级参考文献(12)
2011(6)
  • 参考文献(2)
  • 二级参考文献(4)
2012(4)
  • 参考文献(3)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(16)
  • 引证文献(11)
  • 二级引证文献(5)
2020(6)
  • 引证文献(2)
  • 二级引证文献(4)
研究主题发展历程
节点文献
压缩感知
图像重建
非局部白相似
低秩优化
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
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
湖南省自然科学基金
英文译名:Natural Science Foundation of Hunan Province
官方网址:http://jj.hnst.gov.cn/
项目类型:一般面上项目
学科类型:
论文1v1指导