半张量积压缩感知模型的快速重构方法Fastreconstructionmethodfor.PDFVIP

第39 卷第7 期 通 信 学 报 Vol.39 No.7 2018 年7 月 Journal on Communications July 2018 半张量积压缩感知模型的快速重构方法 王金铭，叶时平，尉理哲，许森，蒋燕君 （浙江树人大学信息科技学院，浙江杭州 310015 ） 摘 要：为降低随机观测矩阵在压缩感知应用中所需的存储空间，提升大尺寸图像重构的实时性，提出一种半张量 积压缩感知方法。利用该方法构建低阶随机观测矩阵，对原始信号进行全局采样，随后将测量值进行分组处理并采用 l -范数（0q1 ）迭代重加权方法进行重构。与传统压缩感知方法相比，所提方法既可成倍减小随机观测矩阵所需的 q 存储空间，又可在保证图像重构质量的前提下，大大提升重构速度。验证实验利用了几种不同大小的随机观测矩阵对 2 维灰度图像进行了测试，比较其重构图像的峰值信噪比和重构时间。测试结果表明，利用所提方法在保证重构精度 1 的前提下，可大大减小随机观测矩阵所需的存储空间（当降低为传统方法的 时，仍可得到与传统方法一致的重 4 096 构质量），同时极大地提升重构的实时性，对于1 024 像素×1 024 像素大小的图像，其重构时间可提升近260 倍。 关键词：压缩感知；观测矩阵；半张量积；存储空间；重构时间 中图分类号：TN911.73 文献标识码：A doi: 10.11959/j.issn.1000−436x.2018111 Fast reconstruction method for compressed sensing model with semi-tensor product WANG Jinming, YE Shiping, YU Lizhe, XU Sen, JIANG Yanjun Collage of Information Science Technology, Zhejiang Shuren University, Hangzhou 310015, China Abstract: To reduce the storage space of random measurement matrix and improve the reconstruction efficiency for compressed sensing (CS), a new sampling approach for CS with semi-tensor product (STP-CS) was proposed. The pro- posed approach generated a low dimensional random measurement matrix to sample the sparse signals. Then the solu- tions of the sparse vector were estimated group by group with a lq-minimization (0q1) it