-
题名基于分块压缩感知的图像全局重构模型
被引量：12
- 1
-
-
作者
李然
干宗良
朱秀昌
-
机构
南京邮电大学江苏省图像处理与图像通信重点实验室
-
出处
《信号处理》
CSCD
北大核心
2012年第10期1416-1422,共7页
-
基金
国家自然基金61071091
江苏省研究生创新计划CXZZ11_0390
+1 种基金
江苏省研究生创新计划CXZZ12_0466
江苏省高校自然科学研究项目(编号:12KJB510019)
-
文摘
已有的基于分块压缩感知(Block Compressed Sensing,Block CS)的图像重构模型采用相同的测量矩阵以块×块的方式获取数据,解决了传统CS方法中测量矩阵所需存储量较大的问题,但由于采用分块重构,没有考虑到图像的全局稀疏度,出现了大量的块效应。本文分析了图像分块重构产生块效应的三个主要原因:块稀疏度不均匀、频谱泄漏和块尺寸受限,提出了一种基于Block CS的图像全局重构模型。该模型在编码端采用高斯随机矩阵逐块作非相关测量;在解码端,引入排序算子,重新构造测量矩阵,该测量矩阵既适合于进行全局重构,又适合于分块测量的CS观测值,并仍与图像的稀疏矩阵高度不相关,所以其可充分利用图像的全局稀疏度进行CS重构。仿真实验表明,所提出的全局重构模型有效地消除了块效应现象,并且对块尺寸的变化有较强的鲁棒性。
-
关键词
分块压缩感知
块稀疏度
分块重构
全局稀疏度
全局重构
块效应
-
Keywords
block compressed sensing
block sparsity
block-by-block reconstruction
global sparsity
global reconstruction
block artifacts
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
