针对传统方法进行岩心图像压缩感知重构时,在低码率下容易产生细节丢失的问题,提出一种基于K-SVD(K-Singular Value Decomposition)超完备字典学习的压缩感知重构算法。首先根据分块压缩感知理论,将岩心图像分块,采用高斯随机矩阵对相...针对传统方法进行岩心图像压缩感知重构时,在低码率下容易产生细节丢失的问题,提出一种基于K-SVD(K-Singular Value Decomposition)超完备字典学习的压缩感知重构算法。首先根据分块压缩感知理论,将岩心图像分块,采用高斯随机矩阵对相应层级的图像块进行观测,得到对应的观测值块,然后用MMSE(Minimum Mean Squareerror Estimation)方法获得初始解的估计并利用提示小波进行滤波,通过全局阈值的思想得到自适应阈值,最后利用K-SVD字典结合Landweber迭代实现压缩与重构。实验结果表明,与传统方法相比,在相同的采样率下获得的重构图像能较好地保留岩心图像的纹理信息,重构岩心图像的PSNR(Peak Signal to Noise Ratio)值提高约0. 1~0. 8 dB。展开更多
文摘针对传统方法进行岩心图像压缩感知重构时,在低码率下容易产生细节丢失的问题,提出一种基于K-SVD(K-Singular Value Decomposition)超完备字典学习的压缩感知重构算法。首先根据分块压缩感知理论,将岩心图像分块,采用高斯随机矩阵对相应层级的图像块进行观测,得到对应的观测值块,然后用MMSE(Minimum Mean Squareerror Estimation)方法获得初始解的估计并利用提示小波进行滤波,通过全局阈值的思想得到自适应阈值,最后利用K-SVD字典结合Landweber迭代实现压缩与重构。实验结果表明,与传统方法相比,在相同的采样率下获得的重构图像能较好地保留岩心图像的纹理信息,重构岩心图像的PSNR(Peak Signal to Noise Ratio)值提高约0. 1~0. 8 dB。
