基于模糊裁剪阈值的SAMP压缩感知算法（英文）

稀疏度自适应匹配追踪(SAMP)算法是压缩感知(CS)中一种主流的图像重构算法。随着迭代次数的增加,SAMP算法的原子候选集将成倍增加,会导致系统空间的浪费和重构时间的增长。为此,提出了一种模糊裁剪阈值稀疏度自适应匹配追踪(FPTSAMP)算法。由于离散小波变换(DWT)在CS稀疏处理过程中破坏了低频逼近系数间的相关性,对信号的重构质量产生了一定的负面影响,因而采用小波高频子带变换(HFSBWT)来替代DWT,实现对信号的稀疏表示。仿真实验结果表明,相比于同一重构算法,采用HFSBWT方法得到的峰值信噪比更好;与SAMP算法相比,与HFSBWT相结合的FPTSAMP算法的重构效果有了明显提高,重构时间也减少了一半。

小波高频子带变换裁剪阈值SAMP算法研究

文中首先针对离散小波变换(DWT)破坏了低频逼近系数之间的相关性,导致重构质量变差的问题,提出小波高频子带变换(HFSBWT)的稀疏表示方法。其次针对稀疏度自适应匹配追踪(SAMP)算法的原子候选集在每次迭代时成倍增加造成存储空间浪费和重构时间变长等问题,提出裁剪阈值稀疏度自适应匹配追踪(CTSAMP)算法。最后仿真结果表明:对于同一重构算法,小波高频子带变换的图像重构峰值信噪比提高3 dB左右。在小波高频子带变换稀疏表示后采用裁剪阈值稀疏度自适应匹配追踪算法,重构图像的性能有了明显的提高,重构时间缩短一半。