-
公开(公告)号：CN110830043B
公开(公告)日：2023-07-18
申请号：CN201911055874.6
申请日：2019-10-31
Applicant: 重庆邮电大学
IPC: H03M7/30 , H04N19/176
Abstract: 本发明涉及一种基于混合加权全变分和非局部低秩的图像压缩感知重构方法，属于属于信号处理技术领域。该方法包括：S1首先对原始图像进行CS处理，得到观测图像；然后利用平均曲率M构造的边缘检测器对观测后的图像进行分解，得到高频部分和低频部分；再对图像的低频部分进行二阶全变分处理，对图像的高频部分进行一阶加权全变分处理，得到一个混合加权全变分模型；S2将图像样本块和样本相似块按列聚合成为一个数据矩阵，得到一个非局部低秩模型；S3将混合加权全变分模型和非局部低秩模型联合，得到最终的目标函数，通过ADMM算法对目标函数进行优化求解。本发明在采样率较低的情况下具有更高的重构质量。
-
公开(公告)号：CN111475768B
公开(公告)日：2023-07-25
申请号：CN202010167064.6
申请日：2020-03-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于低相干单位范数紧框架的观测矩阵构造方法，属于信号处理技术领域，包括：S1：初始观测矩阵Φ0初始化为随机部分傅里叶矩阵，并作为初始的α紧框架F；S2：计算框架F对应的Gram矩阵，使用收缩函数将矩阵投影到紧框架的结构约束集上产生新的Gram矩阵；S3：通过加权迭代过程来更新Gram矩阵；S4：降秩新Gram矩阵，计算其平方根，找到最接近于单位范数紧框架的紧框架；S5：求解最优化目标函数解出观测矩阵。本发明降低了观测矩阵和稀疏基之间的互相干性系数，降低了对信号稀疏性的依赖程度，规避了ETF框架构造困难的问题，初始化为部分傅里叶矩阵的初始观测矩阵降低了计算复杂度，减轻了存储和处理设备的压力。
-
公开(公告)号：CN111475768A
公开(公告)日：2020-07-31
申请号：CN202010167064.6
申请日：2020-03-11
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于低相干单位范数紧框架的观测矩阵构造方法，属于信号处理技术领域，包括：S1：初始观测矩阵Φ0初始化为随机部分傅里叶矩阵，并作为初始的α紧框架F；S2：计算框架F对应的Gram矩阵，使用收缩函数将矩阵投影到紧框架的结构约束集上产生新的Gram矩阵；S3：通过加权迭代过程来更新Gram矩阵；S4：降秩新Gram矩阵，计算其平方根，找到最接近于单位范数紧框架的紧框架；S5：求解最优化目标函数解出观测矩阵。本发明降低了观测矩阵和稀疏基之间的互相干性系数，降低了对信号稀疏性的依赖程度，规避了ETF框架构造困难的问题，初始化为部分傅里叶矩阵的初始观测矩阵降低了计算复杂度，减轻了存储和处理设备的压力。
-
公开(公告)号：CN110830043A
公开(公告)日：2020-02-21
申请号：CN201911055874.6
申请日：2019-10-31
Applicant: 重庆邮电大学
IPC: H03M7/30 , H04N19/176
Abstract: 本发明涉及一种基于混合加权全变分和非局部低秩的图像压缩感知重构方法，属于属于信号处理技术领域。该方法包括：S1首先对原始图像进行CS处理，得到观测图像；然后利用平均曲率M构造的边缘检测器对观测后的图像进行分解，得到高频部分和低频部分；再对图像的低频部分进行二阶全变分处理，对图像的高频部分进行一阶加权全变分处理，得到一个混合加权全变分模型；S2将图像样本块和样本相似块按列聚合成为一个数据矩阵，得到一个非局部低秩模型；S3将混合加权全变分模型和非局部低秩模型联合，得到最终的目标函数，通过ADMM算法对目标函数进行优化求解。本发明在采样率较低的情况下具有更高的重构质量。
-
-
-
Search Results
4
records
(took 0.018 seconds)
