首页 | 官方网站   微博 | 高级检索  
     

一种改进的图像压缩感知稀疏恢复算法
引用本文:杨三加,谢正光,张 峥,姜欣玲.一种改进的图像压缩感知稀疏恢复算法[J].电讯技术,2015,55(8).
作者姓名:杨三加  谢正光  张 峥  姜欣玲
作者单位:南通大学 电子信息学院,江苏 南通 226019;南通大学 电子信息学院,江苏 南通 226019;南通大学 电子信息学院,江苏 南通 226019;南通大学 电子信息学院,江苏 南通 226019
基金项目:国家自然科学基金资助项目(61171077)
摘    要:稀疏信号的分布模型是影响基于近似信息传递(AMP)的压缩感知(CS)信号重建效果的关键因素。因实际图像的小波近似系数、各级的水平细节系数、垂直细节系数以及对角细节系数的模型参数存在较大差异,现有基于拉普拉斯、贝努力高斯(BG)和高斯混合等模型的AMP方法因未考虑此差异而影响重建效果。为了提高模型估计的准确性,将各级小波系数的BG模型参数分开估计,进而提出了一种改进的图像压缩感知稀疏重建的新方法,即期望最大分段贝努力高斯近似信息传递算法(EM-SSBG-AMP)。仿真结果表明,相同采样率下,新算法的峰值信噪比(PSNR)明显高于5阶期望最大高斯混合近似信息传递算法(EM-GM-AMP),重建时间与5阶EM-GM-AMP相当。

关 键 词:图像信号处理  压缩感知  近似信息传递  贝努力高斯模型  期望最大值  参数估计

An improved image compressed sensing sparse recovery algorithm
YANG Sanji,XIE Zhengguang,ZHANG Zheng and JIANG Xinling.An improved image compressed sensing sparse recovery algorithm[J].Telecommunication Engineering,2015,55(8).
Authors:YANG Sanji  XIE Zhengguang  ZHANG Zheng and JIANG Xinling
Abstract:
Keywords:image signal processing  compressed sensing  approximate message passing  Bernoulli Gaussian  expectation maximization  parameter estimation
本文献已被 万方数据 等数据库收录!
点击此处可从《电讯技术》浏览原始摘要信息
点击此处可从《电讯技术》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号