压缩感知图像重建-中国图象图形学报.DOCVIP

中图法分类号：TP391 文献标识码：A 文章编号：1006-8961(2013) - - 论文引用格式： 优化加权TV的复合正则化压缩感知图像重建 费选1， 韦志辉1， 肖亮1， 李星秀2 1.南京理工大学计算机科学与工程学院, 南京 210094； 2.南京理工大学理学院, 南京 210094 摘 要：目的：压缩感知理论突破了传统的Shanon-Nyquist采样定理的限制，能够以较少的采样值来进行原信号的恢复。针对压缩感知图像重建问题，本文提出了一种基于优化加权全变差（Total Variation, TV）的复合正则化压缩感知图像重建模型。方法：提出的重建模型是以TV正则化模型为基础的。首先，为克服传统TV正则化会导致重建图像的边缘和纹理细节部分模糊或丢失的缺点，本文引入图像的梯度信息估计权重，构建加权TV的重建模型。其次，利用全变差去噪（Rudin–Osher–Fatemi，ROF）模型对权重进行优化估计，从而减少计算权重时受噪声的影响。再次，本文将非局部结构相似性先验和局部自回归性先验引入提出的加权TV模型，得到优化加权TV的复合正则化重建模型。最后，结合投影法和算子分裂法对优化模型求解。结果：针对自然图像的不同特性，本文使用复合正则化先验进行建模，实验表明上述重建问题通过我们的方法得到了很好的解决，加权TV正则化先验使得图像的平坦区域和