期刊文献+

浅析压缩感知理论在图像处理中的应用及展望

下载PDF
导出
摘要 本文基于对压缩感知理论的研究,对比原始采样理论说明了压缩感知在图像数据等采样方面的优势,分析了压缩感知的三个环节,重点阐述了信号稀疏以及重构环节的理论研究及应用,结合具体文献阐述了在应用环节的具体实施策略和效果,最后提出压缩感知的展望,主要从物联网、无人机等大数据背景的发展现状结合该理论提出合理展望。
机构地区 安徽三联学院
出处 《电脑知识与技术(过刊)》 2016年第9X期196-197,共2页 Computer Knowledge and Technology
基金 基于压缩感知算法在煤矿物联网中的应用与研究(项目编号:kjyb20160024) 基于改进文化算法的工业过程故障诊断方法研究 项目编号:kjyb2016004 改进的混合高斯运动目标检测法(编号2015Z007) 安徽省高等学校省级质量工程项目"电类基础课程教学团队"(2014jxtd046) 安徽省高等学校自然科学研究项目重点项目 数据挖掘技术在电力负荷分析与预测中的应用研究(KJ2016A251)
  • 相关文献

参考文献4

二级参考文献29

  • 1DONOHO D. Compressed sensing [ J]. IEEE Transactions on Infor- mation Theory, 2006,52(4) : 1289 - 1306.
  • 2CANDES E. Compressive sampling [ C]//Proceedings of the Inter- national Congress of Mathematicians. Madrid: [ s. n. ], 2006:1433 - 1452.
  • 3NEEDELL D, VERSHYNIN R. Signal recovery from incomplete and inaccurate measurements via regularized orthogonal matching pursuit [ J]. IEEE Journal of Selected Topics in Signal Processing, 2010, 4 (2) :310 -316.
  • 4NEEDELL D, VERSHYNIN R. Uniform uncertainty principle and signal recovery via regularized orthogonal matching pursuit [ J]. Foundations of Computational Mathematics, 2009, 9 (3) : 317 - 334.
  • 5CANDES E J. The restricted isometry property and its implications for compressed sensing [ J]. Comptes Rendus Mathematique, 2008, 346(9/10): 589 -592.
  • 6LU GAN. Block compressed sensing of natural images [ C]// Pro- ceedings of the 15th International Conference on Digital Signal Pro- cessing. Piscataway, NJ: IEEE Press, 2007:404-406.
  • 7YI YANG, AU O C, LU FANG, et al. Perceptual compressive sensing for image signals [ C]// Proceedings of IEEE International Conference on Multimedia and Expo. Piscataway, NJ: IEEE Press, 2009:89-92.
  • 8Baraniuk R G. Compressive sensing[J]. IEEE Signal Processing Magazine, 2007, 24(4): 118-121.
  • 9Salam A A, Fawzy F, Shaker N, et al.. K1. High performance compressed sensing MRI image reconstruction[C]. 29th National Radio Science Conference (NRSC), Egypt, 2012: 627-631.
  • 10Li J, Zhang S S, and Chang J F. Two-dimensional random sparse sampling for high resolution SAR imaging based on compressed sensing[C]. Radar Conference (RADAR), Chengdu, China, 2012: 0001-0005.

共引文献22

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部