压缩感知可在对数据进行采样的同时完成数据压缩,与传统压缩方法相比能够节省大量时间和存储资源。压缩感知中测量矩阵直接影响信号重建效果,根据减小测量矩阵与稀疏表示矩阵之间的互相关性可优化测量矩阵的原理,提出了一种利用卡洛南-...压缩感知可在对数据进行采样的同时完成数据压缩,与传统压缩方法相比能够节省大量时间和存储资源。压缩感知中测量矩阵直接影响信号重建效果,根据减小测量矩阵与稀疏表示矩阵之间的互相关性可优化测量矩阵的原理,提出了一种利用卡洛南-罗伊(Karhunen-Loeve, KL)变换,结合KSVD(K-singular value decomposition)更新稀疏表示矩阵对测量矩阵进行KL-KSVD联合优化的方法。实验结果表明,优化后的测量矩阵比未优化的测量矩阵最终得到的重构图像拥有更高的峰值信噪比,且在压缩比较高的情况下拥有更少的重构时间。展开更多
文摘压缩感知可在对数据进行采样的同时完成数据压缩,与传统压缩方法相比能够节省大量时间和存储资源。压缩感知中测量矩阵直接影响信号重建效果,根据减小测量矩阵与稀疏表示矩阵之间的互相关性可优化测量矩阵的原理,提出了一种利用卡洛南-罗伊(Karhunen-Loeve, KL)变换,结合KSVD(K-singular value decomposition)更新稀疏表示矩阵对测量矩阵进行KL-KSVD联合优化的方法。实验结果表明,优化后的测量矩阵比未优化的测量矩阵最终得到的重构图像拥有更高的峰值信噪比,且在压缩比较高的情况下拥有更少的重构时间。
