基于压缩感知的图像自适应子空间追踪算法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (3): 220-223.

基于压缩感知的图像自适应子空间追踪算法

吕伟杰，陈霞，刘红珍

天津大学电气与自动化工程学院，天津 300072

出版日期:2016-02-01 发布日期:2016-02-03

Image adaptive subspace pursuit algorithm based on compressive sensing

LV Weijie, CHEN Xia, LIU Hongzhen

School of Electrical and Automation, Tianjin University, Tianjin 300072, China

Online:2016-02-01 Published:2016-02-03

摘要/Abstract

摘要： 针对稀疏自适应匹配追踪（SAMP）算法中存在的运行速度慢、重建效果欠佳的问题，提出了一种新的自适应的子空间追踪算法（MASP）。采用SAMP算法中分段的思想，先对半减小预估稀疏度，再逐一增加，得到真实稀疏度后，再利用子空间追踪算法对原始信号进行重构。实验表明，相比于SAMP算法，该算法在相同观测数量的情况下，具有较快的运行时间和较好的重建效果，其中，在重构信噪比方面平均提高8.2%。

关键词: 压缩感知, 信号重构, 自适应, 子空间追踪

Abstract: The Sparsity Adaptive Matching Pursuit（SAMP） algorithm has a large range of application in compressive sensing, but it runs slowly and the performance of recovery is not good. Compared with SAMP, a novel adaptive subspace pursuit algorithm is presented, which uses the idea of stage, evaluates the sparsity of the original signal step by step, and then with the information of sparsity, recovers the original signal using the subspace pursuit algorithm. The experiments demonstrate that the new algorithm not only improves the performance of the recovery, and saves the operating time compared with SAMP, but also solves the problem of unknown sparsity K in SP.

Key words: compressive sensing, signal recovery, adaptive, subspace pursuit

吕伟杰，陈霞，刘红珍. 基于压缩感知的图像自适应子空间追踪算法[J]. 计算机工程与应用, 2016, 52(3): 220-223.

LV Weijie, CHEN Xia, LIU Hongzhen. Image adaptive subspace pursuit algorithm based on compressive sensing[J]. Computer Engineering and Applications, 2016, 52(3): 220-223.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[4]	赵林锁，马瑞强，姜天，宋宝燕，潘一山. 两级回归的流式大数据事件自适应预警方法[J]. 计算机工程与应用, 2021, 57(7): 88-94.
[5]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[6]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[7]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[8]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[9]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[10]	肖振久，孔祥旭，宗佳旭，杨玥莹. 自适应聚焦损失的图像目标检测算法[J]. 计算机工程与应用, 2021, 57(23): 185-192.
[11]	张忠林，赵昱，闫光辉. 自然邻居密度极值聚类算法[J]. 计算机工程与应用, 2021, 57(23): 200-210.
[12]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[13]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[14]	陈瑶，陈思. 基于自适应多普勒及动态邻域的改进BA算法[J]. 计算机工程与应用, 2021, 57(22): 166-176.
[15]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.