基于结构组全变分模型的图像压缩感知重建

• 作者: 孙超 张天骐 张静 杨晓军 赵辉
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 图像重建 压缩感知 非局部自相似 全变分
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 论文
• 页码范围: 2773-2780
• 页数: 8页
• 分类号: TN911.73|TP391
• 语种: 中文
• DOI: 10.11999/JEIT190243

摘要

针对基于传统全变分(TV)模型的图像压缩感知(CS)重建算法不能有效地恢复图像的细节和纹理,从而导致图像过平滑的问题,该文提出一种基于结构组全变分(SGTV)模型的图像压缩感知重建算法.该算法利用图像的非局部自相似性和结构稀疏特性,将图像的重建问题转化为由非局部自相似图像块构建的结构组全变分最小化问题.算法以结构组全变分模型为正则化约束项构建优化模型,利用分裂Bregman迭代将算法分离成多个子问题,并对每个子问题高效地求解.所提算法很好地利用了图像自身的信息和结构稀疏特性,保护了图像细节和纹理.实验结果表明,该文所提出的算法优于现有基于全变分模型的压缩感知重建算法,在PSNR和视觉效果方面取得了显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张天骐		263	1256	15.0	20.0
2	赵辉		9	27	4.0	5.0
3	张静		8	65	3.0	8.0
4	杨晓军		1	0	0.0	0.0
5	孙超		1	0	0.0	0.0