公开(公告)号：CN109447921A

公开(公告)日：2019-03-08

申请号：CN201811476660.1

申请日：2018-12-05

Applicant: 重庆邮电大学

Inventor： 赵辉 ,  孙超 ,  杨晓军

IPC: G06T5/00 ,  G06T9/00

Abstract: 本发明提出一种基于MSE的测量矩阵优化的鲁棒性方法。该方法是在传统优化测量矩阵的模型基础上，增加一项正则项，该正则项代表原始图像与重构图像的均方误差，通过假设均方差误差服从标准正太分布，应用中心极限定理和等价字典进行奇异值分解，很好的简化了测量矩阵的优化模型，最后使用梯度下降算法，迭代求解出优化后的测量矩阵，新提出的图像测量矩阵优化模型充分应用图像本身的信息，不仅减小了测量矩阵中与稀疏基之间的互相关系数，也降低了对稀疏度的要求，从一定程度上增加了图像压缩感知系统鲁棒性。实验表明，优化后的测量矩阵列之间的独立性增加，更有利重构出高质量的图像信号。

公开(公告)号：CN109712205A

公开(公告)日：2019-05-03

申请号：CN201811502515.6

申请日：2018-12-10

Applicant: 重庆邮电大学

Inventor： 赵辉 ,  杨晓军 ,  孙超 ,  张静

IPC: G06T9/00 ,  G06K9/62

Abstract: 本发明请求保护一种基于非局部自相似模型的图像压缩感知重建方法，属于信号与图像处理领域。具体地，为了提高传统图像压缩感知重建的质量，本发明利用图像的先验信息，构建了图像的非局部自相似模型，通过计算图像块的权值矩阵，进而利用图像块的非局部自相似先验信息构造了一个图像的自适应非局部正则项，提出了图像压缩感知重建的数学模型，并利用高效的Split Bregman Iteration(SBI)算法交替迭代更新，进而改进了图像压缩感知的重建性能。同时在字典的学习的过程中，通过当前近似估计图像d，提取训练样本，利用K-SVD算法交替更新得到自适应学习字典。本发明提出的非局部自相似模型的自适应图像压缩感知重建方法，在实际中具有普遍意义。有效的提高了图像压缩感知重建的质量，减小了图像的块效应，保持图像的纹理和细节不丢失，更好的刻画了图像的纹理和细节。