基于结构化稀疏模型的压缩感知重构改进算法

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (14): 203-206.

基于结构化稀疏模型的压缩感知重构改进算法

杨爱萍，栗改，侯正信，庞茜

天津大学电子信息工程学院，天津 300072

出版日期:2013-07-15 发布日期:2013-07-31

New recovery algorithm for compressed sensing based on structured sparse model

YANG Aiping, LI Gai, HOU Zhengxin, PANG Qian

School of Electronic Information Engineering, Tianjin University, Tianjin 300072, China

Online:2013-07-15 Published:2013-07-31

摘要/Abstract

摘要： 目前，标准的CS重构算法仅利用信号和图像在小波变换下的稀疏先验信息，而并没有利用变换系数具有的结构化特性。为了能够快速精确地重建原始信号，将结构化稀疏模型与SP算法、CoSaMP算法相结合，提出了压缩感知重构的改进算法。另外，将基于双树复小波变换的系数结构模型融入上述算法，进一步提高重构性能。实验结果表明，所提出的算法可获得更高的图像重建质量。

关键词: 压缩感知, 结构化稀疏模型, 双树复小波变换

Abstract: Recently, normal recovery algorithms for CS only use signal and image sparse priors under wavelet, make no use of the tree structure priors. In order to reconstruct the original signal quickly and accurately, this paper brings the tree structure sparse model into SP algorithm , CoSaMP-algorithm and gets the improved recovery algorithm for compressed sensing. Combining with structured sparse model and dual-tree complex wavelet transform, a new recovery algorithm for CS is proposed. The simulated results show that the algorithm can achieve higher reconstructed image performance.

Key words: Compressed Sensing（CS）, structured sparse model, dual-tree complex wavelet transform

杨爱萍，栗改，侯正信，庞茜. 基于结构化稀疏模型的压缩感知重构改进算法[J]. 计算机工程与应用, 2013, 49(14): 203-206.

YANG Aiping, LI Gai, HOU Zhengxin, PANG Qian. New recovery algorithm for compressed sensing based on structured sparse model[J]. Computer Engineering and Applications, 2013, 49(14): 203-206.

[1]	张珊珊，赵建华. 基于IALM的穿墙雷达成像算法[J]. 计算机工程与应用, 2021, 57(11): 77-83.
[2]	孙泽宇，吕治国. 大规模MIMO加权正交匹配追踪信道估计算法[J]. 计算机工程与应用, 2020, 56(5): 118-124.
[3]	陈子兆，矫文成. 改进的稀疏深度置信网络[J]. 计算机工程与应用, 2020, 56(2): 62-67.
[4]	万东琴，卿朝进，阳庆瑶，蔡斌，余旺. 叠加特征辅助的1-bit CS音频传输[J]. 计算机工程与应用, 2020, 56(16): 69-74.
[5]	邵然，沈军. 二维逐步正交匹配追踪算法[J]. 计算机工程与应用, 2020, 56(1): 209-215.
[6]	朱瑞金，龚雪娇，唐波. 分布式混合压缩感知无线传感器网络数据收集[J]. 计算机工程与应用, 2019, 55(6): 73-80.
[7]	杨赵琪璘，彭定涛，唐琦，罗孝敏. 基于稀疏优化lp正则化的光滑化拟牛顿算法[J]. 计算机工程与应用, 2019, 55(22): 163-171.
[8]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[9]	姬晓辉，孙泽宇，阎奔，李传锋. 基于压缩感知的高阶MIMO系统信道估值算法[J]. 计算机工程与应用, 2019, 55(19): 153-159.
[10]	曾春艳，叶佳翔，王志锋，武明虎. 深度学习框架下压缩感知重建算法综述[J]. 计算机工程与应用, 2019, 55(17): 1-8.
[11]	万东琴，卿朝进，阳庆瑶，蔡斌，余旺. 叠加特征信息辅助的语音传输与重构[J]. 计算机工程与应用, 2019, 55(15): 117-122.
[12]	刘玉红，杨丹凤. 光滑[lp]范数压缩感知图像重构优化算法[J]. 计算机工程与应用, 2019, 55(15): 213-218.
[13]	马玉双，刘翠响，郭志涛，王宝珠. 用于CS的广义稀疏度自适应匹配追踪算法[J]. 计算机工程与应用, 2019, 55(13): 207-211.
[14]	沈子钰，汪立新. 步长自适应的测量矩阵迭代优化方法[J]. 计算机工程与应用, 2019, 55(1): 266-270.
[15]	郑成，王国中，范涛，赵海武. 压缩视频感知中量化器的研究与设计[J]. 计算机工程与应用, 2018, 54(9): 172-177.