基于多重解析字典学习和观测矩阵优化的压缩感知.pdfVIP

第 38卷 第 6期 计 算 机 学 报 Vo1．38 NO．6 2015年 6月 CHINESEJOURNAL0FCoMPUTERS June2015 基于多重解析字典学习和观测矩阵优化的压缩感知 练秋生 王小娜 石保顺 陈书贞 (燕山大学信息科学与工程学院 河北 秦皇岛 066004) 摘 要 文中提出了一种基于子空间解析字典学习和观测矩阵优化的图像压缩感知算法．该算法根据图像的局部 方 向特征，将整个 图像空间分成多个子空间，并且采用几何共轭梯度算法分别在各个子空间学习解析字典，以实现 对不 同子空间图像块的最优稀疏表示．在 图像重构过程中，首先在所有的子空间对每个 图像块分别进行估计 ，然后 根据稀疏表示最小误差准则获得每个图像块的最优估计．为了进一步提高图像重构质量，文中通过对不同子空间 的图像块进行线性判别分析获得优化观测矩阵．实验表明文 中算法可以实现高质量 的压缩感知 图像重构． 关键词 稀疏表示 ；压缩感知；解析模型；解析字典；观测矩阵优化 中图法分类号 TP391 DOI号 10．11897／SP．J．1016．2015．01162 CompressedSensingBasedonMultipleLearningAnalysisDictionariesand OptimizingM easurementM atrix LIAN Qiu—Sheng WANG Xiao～Na SHIBao—Shun CHEN Shu—Zhen (SchoolofInformationScienceandEngineering，YanshanUniversity，Qinhuangdao，Hebei 066004) Abstract A novelcompressedsensingalgorithm basedon learninganalysisdictionaryandopti— mizingmeasurementmatrixfrom subspacesisproposedinthispaper．Thewholeimagespaceis dividedintomultiplesubspacesbasedon thelocaldirectionalfeaturesinouralgorithm tOachieve theoptimalsparserepresentation for the imagepatchesofdifferent subspaces． Theanalysis dictionariesarelearnedineachsubspacerespectivelybythegeometricCOnjugategradientmethod． Intheimagereconstructionprocess，eachimagepatchisestimatedineverysubspacerespectively， and theoptimalestimationofeachimagepatchisselectedbasedontheleastsparserepresentation errorcriterion．AimingtOfurtherimprovethequalityofthereconstructedimage，themeasurement matrixisoptimizedby 1ineardiscriminantanalysison theimagepatch subspaces．Experiments show thattheproposedalgorithm canachievehigh qualityimagereconstruction． Keywords sparserepresentation；compressed sensingianalysismodel；analysisdictionary； measurementmatrixoptim izing