一种改进的图像压缩感知稀疏恢复算法.pdfVIP

第55卷 第 8期 电讯技术 Vol_55．No．8 2015年 8月 TelecommunicationEngineering August，2015 doi：10．3969／j．issn．1001—893x．2015．08．006 引用格式：杨三加，谢正光，张峥，等．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)：860—865．[YANGSanjia，XIE Zhengguang，ZHANGZheng，eta1．AnImprovedImageCompressedSensingSparseRecoveryAlgorithm[J]．TelecommunicationEngineering， 2015，55(8)：860—865．] 一 种改进的图像压缩感知稀疏恢复算法 杨三加，谢正光料，张 峥，姜欣玲 (南通大学 电子信息学院，江苏 南通 226019) 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 中图分类号 ：TN911．73 文献标志码 ：A 文章编号 ：1001—893X(2015)08—0860—06 An ImprovedImageCompressedSensingSparseRecoveryAlgorithm YANGSanjia，XIEZhengguang，ZHANGZheng，JIANGXinling (SchoolofElectronicsandInformation，NantongUniversity，Nantong226019，China) Abstract：ThedistributionmodelofsparsesignalsisakeyinfluencingfactoroftheeffectivenessofCom— pressedSensing(CS)signalreconstructionbasedonApproximateMessagePassing(AMP)．Inactualima— ges，therearesharpdifferencesinthemodelparametersofwaveletapproximationcoefficients，horizontalde— tailcoefficient，verticaldetailcoefficientsandthediagonaldetailcoefficientsatalllevels．Andthecurrent AMPmethodisbasedonLaplacemodel，BernoulliGaussian(BG)andGaussianMixture，which，however， failstotakesuch differencesintoconsideration．Therefore，thereconsturctionresultswillbeaffected．In ordertoimprovetheaccuracyofmodelestimation，thisp