針對傳統(tǒng)基于多尺度小波變換壓縮感知算法中,將固定碼率分配給各子帶,從而限制了重構(gòu)圖像質(zhì)量的問題,本文提出了基于自適應采樣及平滑投影的分塊壓縮感知方法。該方法在圖像的空間域和稀疏域中進行相應的多尺度重構(gòu),在各分割塊的基礎(chǔ)上,在空間域使用平滑濾波器進行平滑投影,在稀疏域進行稀疏變換和閾值處理。采用了不同的觀測矩陣對各層小波系數(shù)進行觀測,改善了塊效應。通過自適應采樣,克服了各子塊間采樣率相同而限制了稀疏性能的問題。實驗結(jié)果表明:在不同的采樣率下,本文提出的分塊壓縮感知算法均能得到質(zhì)量更好的重構(gòu)圖像,且比傳統(tǒng)方法的重構(gòu)速度更快。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1 本文算法整體框架

對傳統(tǒng)塊壓縮感知算法,在對原始圖像信號進行采樣時,各圖像塊往往采用固定的采樣率。這種不考慮圖像內(nèi)容的采樣方式,限制了壓縮感知算法性能的提升。本文提出了一種改進的多尺度塊及平滑投影壓縮感知算法。首先,通過分析圖像上下文特征,同時考慮掃描順序?qū)D像重構(gòu)性能的影響,設(shè)計了一種面向分塊的....

圖2 測試圖像集

為了驗證本文算法的有效性,這里將本文算法與BCS-SPL、基于梯度投影的稀疏重建(gradientprojectionforsparsereconstruction,GPSR)[17]、TV、MH-BCS-SPL4種算法進行比較。實驗選取了不同場景的6幅圖像作為測試圖....

圖3 采用5種方法對Lena圖像的重構(gòu)結(jié)果比較

由圖3以及表1～表6的結(jié)果可知,在0.1～0.5的采樣率下,本文提出的多尺度塊及平滑投影壓縮感知算法,總體上比其他5種算法得到的圖像重構(gòu)質(zhì)量更高。表1peppers圖像上各項算法PSNR結(jié)果對比Table1ThePSNRcomparisonofdifferentm....

圖4 不同算法的圖像重構(gòu)圖像及殘差圖像比較

圖4給出了采樣率為0.1時,分別采用本文算法和其他5種算法,得到的重構(gòu)圖像及殘差圖像的結(jié)果比較�？梢�,與其他算法相比,本文算法的殘差相對小一些,尤其是在方框內(nèi)的區(qū)域。結(jié)合表6的結(jié)果可知,本文算法在重構(gòu)時間上具有較大的優(yōu)勢,不同于一般的以犧牲重構(gòu)圖像質(zhì)量為代價換取重構(gòu)速度的算法,本....

本文編號：4050810