基于统计的图像压缩感知低复杂度还原方法.pdfVIP

第 34 卷第4 期 应用科学学报 Vol. 34 No.4 2016年7月 JOURNAL OF APPLIED SCIENCES-Electronics and Information Engineering Ju l. 2016 DOI: 1O.3969jj.剧n.0255-8297.2016.04.007 基于统计的图像压缩感知低复杂度还原方法 杨竞然， 吴绍华， 王海旭， 李佳慧 哈尔滨工业大学深圳研究生院，广东深圳 518055 摘 要=提出了一种基于图像统计信息的低复杂度高性能压缩感知还原方法.通过分析自 然图像在小波表示下能量的分布特点，建立指数衰减模型，并将其作为统计先验应用于还原 算法中.还原算法分为列(行)方向还原，行(列)方向还原两步骤进行，同时引入包含图像小 波域能量统计先验的权重矩阵，并约束还原结果符合该权重矩阵的能量分步特点根据实 际应用的不同，该方法包含两种不同复杂度的还原策略，分别为一次直接(one-time direct , OTD) 还原和两次迭代(two times iterative , TTI) 还原.OTD策略在两步骤中均使用相同的 权重矩阵，还原速度较快; TTI策略在第 2 步还原时通过二次迭代修正权重矩阵以获得更精 确的还原结果.实验表明: OTD还原速度较传统方法有大幅度提高，同时还原质量也有所提 升; TTI 在OTD基础上以牺牲一部分还原速度为代价，获得了更好的还原质量，同时还原速 度较传统方法亦有提高. 关键词:压缩感知:小波变换:图像统计先验:权重矩阵 中图分类号: TN919 文章编号: 0255-8297(2016)04-0417-13 Low Complexity Recovery Algorithms of Image Compressed Sensing Based on Statistics YANG Jing-ran , WU Shao-hua , WANG Hai咀1， LI Jia-hui Shenzhen Gmduαte School, Harbin Institute of Technology, Shenzhen 518055, Guαngdong Province , Chinα Abstract: Based on statistical prior information of image representations in the wavelet domain , we propose a low-complexity high-performance recovery method coupled with a sep缸able image sensing encoder. By analyzing energy distribution of natural images in the wavelet domain , we develop an exponential decay model and use it as statisticalprior information in the algorithm. Particularly, the recovery process is composed of two steps , in which row-wise (or column-wise) intermediates and column-wise (or row-wise) final results are reconstructed sequentially. In each step , reconstruction is constrained to conform to the statistical prior b