压缩感知中图像重构的模型综述.pdfVIP

第 27 卷第 4 期 Vo l. 27 No.4 中原工学院学报 2016 年 8 月 JOURNAL OF ZHONGYUAN UNIVERSITY OF TECHNOLOGY Aug. ,2016 文章编号: 1671-6906{ 2016)04-0080-05 压缩感知中图像重构的模型综述 宋长明，急庆磊 (中原工学院，郑州 450007) 摘 要: 分别从稀疏表示、编码测量以及重构算法等方面阐述了压缩感知的基本原理。基于概率、凸优化等详细介绍 了图像重构模型的理论框架和发展状况，并从字典学习和低秩表示的角度展望了图像重构模型进一步研究的方向。 关键 词: 压缩感知;图像重构p 凸优化川成秩 中图分类号: TN91 1. 7 文献标志码: A 001: 10. 3969/j. issn. 1671-6906.2016.04.017 随着科学技术的发展，海量数据在带给人们各种便 知理论更早地被提出来。考虑到非确定性因素，Ji S 等提出了贝叶斯压缩感知模型[5] ，这类模型构建了压 利的同时，也给数据分析和处理带来了极大的困难。如 缩感知和机器学习的桥梁，为深层次研究提供了新的 何有效采集和处理高维数据，成为信号处理领域一个亟 待解决的问题。 2006 年，Donoho D L 和Cand臼 E 等提 思路。通过逐步迭代的方法逼近待重构稀疏信号的支 撑集，从而引出一大类匹配追踪算法凶。考虑到 i。范 出一种新颖的信号采样和处理理论，即压缩感知(Com­ pressive Sensing) 理论[1-3J 。该理论将信号采样和压缩 数的高度非凸性属于 NP 问题，研究者从多个角度人 手，提出了多种近似等价的重构模型。目前主流的研 合并进行，提高了信号采集、信息处理能力，突破了香农 究模型是凸优化模型，即采用凸函数代替非凸函数，并 一奈奎斯特采样定理的瓶颈，大大缓解了数据采集、存 采用凸优化的方法求解。 Candès E 等采用 I 范数代 1 储、传输和分析的压力。 l I 范数模型时，随后又提出了加 。范数，提出最小 替 1 压缩感知理论指出，当信号在某个变换域下可压 II 范数模型[7J 。在 Candès E 等结合二维图 权的最小 缩或稀疏时，通过采集少量的信号非自适应线性投影