|
|||||
|
|
| 联合低秩与稀疏先验的高光谱图像压缩感知重建 | |
| 引用本文： | 孙玉宝,吴泽彬,吴敏,刘青山.联合低秩与稀疏先验的高光谱图像压缩感知重建[J].电子学报,2014,42(11):2219. |
| 作者姓名： | 孙玉宝 吴泽彬 吴敏 刘青山 |
| 作者单位： | 1. 南京信息工程大学信息与控制学院，江苏南京 210044; 南京理工大学计算机科学与工程学院与江苏省光谱成像与智能感知重点实验室，江苏南京 210094 2. 南京理工大学计算机科学与工程学院与江苏省光谱成像与智能感知重点实验室,江苏南京,210094 3. 南京军区南京总医院医学工程科,江苏南京,210002 4. 南京信息工程大学信息与控制学院,江苏南京,210044 |
| 基金项目： | 国家自然科学基金(No ．61300162，No ．81201161)；江苏省自然科学基金(No ．BK2012045，No ．BK20131003)；中国博士后基金(No ．20110491429)；江苏省博士后基金(No ．1101083C)；江苏省光谱成像与智能感知重点实验室基金 |
| 摘 要： | 本文建立了一种新的高光谱图像压缩感知重建模型，编码端采用块对角的Noiselet测量矩阵对每一谱带进行独立采样，解码端首先建立高光谱图像低秩稀疏表示模型，分解为低秩与稀疏成分，并对低秩成分在空间维进行稀疏分解，进而构建联合谱间低秩性先验与谱内空间稀疏性先验的凸优化重建模型，并提出模型求解的增广拉格朗日乘子迭代算法，通过引入辅助变量与线性化技巧，使得每一子问题均存在解析解，降低了模型求解的复杂度。实验结果验证了本文模型及其算法的有效性。 |
| 关 键 词： | 压缩感知 低秩先验 稀疏先验 增广拉格朗日乘子算法 |
| 收稿时间： | 2013-11-08 |
Compressed Sensing Reconstruction of Hyperspectral Imagery Jointly Using Low Rank and Sparse Prior |
|
| SUN Yu-bao,WU Ze-bin,WU Min,LIU Qing-shan.Compressed Sensing Reconstruction of Hyperspectral Imagery Jointly Using Low Rank and Sparse Prior[J].Acta Electronica Sinica,2014,42(11):2219. | |
| Authors: | SUN Yu-bao WU Ze-bin WU Min LIU Qing-shan |
| Abstract: | |
| Keywords: | compressed sensing low rank prior sparse prior augmented Lagrange multiplier method |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《电子学报》浏览原始摘要信息 | |
| 点击此处可从《电子学报》下载全文 | |
