论文的思路是先介绍分块压缩感知BCS,然后介绍使用投影和硬阈值方法的迭代投影方法PL,接着将PL与维纳滤波器结合形成SPL(平滑PL),并且介绍了稀疏表示的几种基,提出了两种效果较好的稀疏基:CT与DDWT,并且将PL中的硬阈值用bivariate shrinkage(双变量收缩)代替。

BCS+SPL(PL+维纳滤波平滑)+CT or DDWT
首先介绍PL的框架,是赋予一些初值,通过迭代来逼近最优解。
其中γ为尺度因子,使用了ΦTΦ中最大的特征值,τ(i)是每次迭代中设定的门限值,CS中运用PL在一定程度上降低了计算复杂度,并且PL算法可以灵活的增加所需要的迭代停止条件。
论文的第三部分介绍了将BCS与SPL结合的框架:
3.1 BCS
BCS即图像分块压缩感知,将图像分成多个大小为B×B的图像块,设xj为每块的列向量表示,对每一个图像块采用观测矩阵ΦB来测量。则每个图像块所对应得到的观测向量为yjBxj,其中ΦB是MB×B2的正交测量矩阵,并且有MB=[M/N]B2
使用分块压缩感知有以下几个好处:首先由于分块后观测矩阵ΦB的尺寸变小,降低了所需的存储空间;其次,在编码端不需要等到整幅图像都完成观测后再进行编码,能在图像块投影到观测矩阵后就进行编码传输;最后算法中初始化使用的x(0)是根据最小均方误差来计算的,分块后的图像由于观测矩阵尺寸变小了,所以计算复杂度随之降低,在算法中,我们选用图像分块的尺寸大小B为32。
3.2 SPL
PL迭代算法中结合维纳滤波器能消除由于分块压缩感知导致的重构图像中的块效应,论文中SPL的迭代过程如下所示:
其中维纳滤波器的窗口大小为3×3,在算法中的初始化和迭代停止条件如下图所示,下文会对其中的阈值继续进行讨论。
论文的第四部分主要介绍了稀疏基和阈值:
4.1 Transforms
在图像压缩感知中,DWT被广泛应用于将信号进行稀疏表示,但是离散小波变换缺少移不变特性和方向选择性。据此提出了两种方向变换:轮廓波变换(CT)以及复值离散小波变换(complex-valued DWTs),复值离散小波变化使用了二元树DWT, 称为双树复小波变换DDWT。
4.2 阈值
SPL中应用是是硬阈值方法,论文中提出了一种通用的门限方法,如下所示:
其中λ是控制收敛的常数因子,K是变换系数的数目,σ(i)是采用一个鲁邦的中值滤波器来估计的:
硬阈值本质上假定了系数之间是互相独立的,但对于所采用的方向变换,双变量收缩在变换系数和他们各自的父系数之间采用了统计依赖关系,能达到比硬阈值更好的效果,论文中所采用的方法如下图所示:
 
参考文献:
[1] Mun S,Fowler J E.Block compressed sensing of images using directional transforms[C]//Image Processing(ICIP),2009 IEEE International Conference on.IEEE,2009:3021-3024

使用方向变换(directional transform)图像分块压缩感知的更多相关文章

  1. gdal读写图像分块处理

    转自赵文原文 gdal读写图像分块处理(精华版) Review: 用gdal,感觉还不如直接用C++底层函数对遥感数据进行处理.因为gdal进行太多封装,如果你仅仅只是Geotif等格式进行处理,IO ...

  2. 游戏对象的变换-Transform

    问题: 在给GameObject设置位置的时候,怎么保证设置的位置在摄像机的范围内?         主要看摄像机的深度轴和你的GameObject的深度轴,比如如果现在的平面是: Z–> Y, ...

  3. matlab处理:批处理图像分块

    有一个图像分块的代码,可以直接将一幅图像分为5*5的小块,代码如下: %[FileName,PathName] = uigetfile('*.*','Select the image'); Im=im ...

  4. [综] Sparse Representation 稀疏表示 压缩感知

    稀疏表示 分为 2个过程:1. 获得字典(训练优化字典:直接给出字典),其中字典学习又分为2个步骤:Sparse Coding和Dictionary Update:2. 用得到超完备字典后,对测试数据 ...

  5. 压缩感知“Hello World”代码初步学习

    压缩感知代码初学 实现:1-D信号压缩传感的实现 算法:正交匹配追踪法OMP(Orthogonal Matching Pursuit)   >几个初学问题   1. 原始信号f是什么?我采集的是 ...

  6. 浅谈压缩感知(六):TVAL3

    这一节主要介绍一下压缩感知中的一种基于全变分正则化的重建算法——TVAL3. 主要内容: TVAL3概要 压缩感知方法 TVAL3算法 快速哈达玛变换 实验结果 总结 1.TVAL3概要 全称: To ...

  7. 初识压缩感知Compressive Sensing

    压缩感知是近年来极为热门的研究前沿,在若干应用领域中都引起瞩目.最近粗浅地看了这方面一些研究,对于Compressive Sensing有了初步理解,在此分享一些资料与精华.本文针对陶哲轩和Emman ...

  8. 压缩感知Compressive sensing(一)

    compressive sensing(CS) 又称 compressived sensing ,compressived sample,大意是在采集信号的时候(模拟到数字),同时完成对信号压缩之意. ...

  9. 压缩感知(CS)

    总结一下最近看的压缩感知(Compressed Sensiong)的内容. 它是在采样过程中完成了数据压缩的过程. 一. 将模拟信号转换为计算机能够处理的数字信号,必然要经过采样的过程.问题在于,应该 ...

随机推荐

  1. Dom对象的经常用法

    Dom对象的经常用法: (1)getElementById() 查询给定ID属性值的元素,返回该元素的元素节点 1.  查询给定ID属性值的元素,返回该元素的元素节点.也称为元素对象.        ...

  2. unity3d 摄像机抖动特效

    摄像机抖动特效 在须要的地方调用CameraShake.Shake()方法就能够  

  3. jason数据格式 -- 扫盲

    JSON是 JavaScript Object Notation的简称,是一种轻量的数据表示方法.jason格式採用key:value的方式记录数据,非常直观,比XML简洁,因而大受欢迎 介绍jaso ...

  4. protobuf 一个c++示例

    http://wangjunle23.blog.163.com/blog/static/11783817120126155282640/     1.在.proto文件中定义消息格式 2.使用prot ...

  5. 怎样更好的设计你的REST API之基于REST架构的Web Service设计及REST框架实现

    一.REST 含状态传输(英文:Representational State Transfer,简称REST)是Roy Fielding博士在2000年他的博士论文中提出来的一种软件架构风格. 眼下在 ...

  6. 给工作赋予的新意义——Leo鉴书78

    现代社会学三大奠基人有两位名字里有"马克思",他们都是德国人.当中一位就是写<资本论>的卡尔•马克思,另一位就是<新教伦理与资本主义精神>的作者马克思•韦伯 ...

  7. 一个IM开源项目LiteTalk

    http://blog.csdn.net/visualwind/article/details/6086631 http://blog.sina.com.cn/s/blog_54b5ea250101n ...

  8. Redis实践系列丨Codis数据迁移原理与优化

    Codis介绍 Codis 是一种Redis集群的实现方案,与Redis社区的Redis cluster类似,基于slot的分片机制构建一个更大的Redis节点集群,对于连接到codis的Redis客 ...

  9. java重载中的基本类型的自动类型转换

    当传递到函数的参数的数据类型表示的范围小于函数形参的参数类型遵循如下原则 : char类型比较特殊, 直接转换为int:  char ->int ->long->float-> ...

  10. JavaScript操作符(关系操作符、相等操作符和条件操作符)

    关系操作符用于对两个值进行比较,返回一个布尔值.关系操作符包括大于(>),小于(<),大于等于(>=),小于等于(<=).当关系操作符用于非数值时,也要先进行数值的转换.如 v ...