半张量积低存储压缩感知方法研究

• 作者: 叶时平 徐振宇 王金铭 蒋燕君 陈超祥
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 压缩感知 随机观测矩阵 半张量积 存储空间 奇异值分解
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 797-804
• 页数: 8页
• 分类号: TN911.73
• 字数: 7299字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.04.005

摘要

由于随机观测矩阵的随机性,存在数据存储量大、内存占用率高、数据计算量大以及难以面向大规模实际应用等问题.为此,提出了一种可有效降低随机观测矩阵所占存储空间的半张量积压缩感知(STP-CS)方法.利用该方法,构建低维随机观测矩阵,经奇异值分解(SVD)优化后对原始信号进行采样,并利用拟合0-范数的迭代重加权方法进行重构.实验利用2维灰度图像进行测试,并对重构图像的峰值信噪比,结构相似度等指标进行了统计和比较.实验结果表明,本文所述的STP-CS方法在不改变随机观测矩阵数据类型的前提下,可将观测矩阵减小至传统CS模型中观测矩阵所占内存空间的1/256(甚至更低),同时仍保持很高的重构质量.

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	陈超祥	浙江树人大学信息科技学院	27	46	4.0	5.0
5	徐振宇	浙江树人大学信息科技学院	7	11	2.0	3.0