基于自适应分块和联合优化光滑l_(0)范数的二维压缩感知算法

传统的压缩感知模型和重构方法,虽能有效减少数据量,但压缩和重构性能不佳,故该文提出一种基于自适应分块和联合优化光滑l_(0)范数(SL0)的2维压缩感知算法。压缩过程利用灰度熵和四叉树算法进行自适应分块和采样率分配,同时对压缩模型改进,使用混沌循环矩阵作为测量矩阵,提升了压缩性能。重构过程基于SL0算法,采用陡峭性更高的拟合函数,结合拟牛顿法和动态迭代的方案提高重构质量和效率。该算法峰值信噪比和结构相似性指数相比现有算法平均提升了5.44 dB和21.08%,平均计算时间仅需1.59 s,表明该算法能稳定、快速地实现图像的压缩感知和精确重构,为压缩感知和图像重构提供了新方法。

基于二维压缩感知的定向遥感和变化检测

基于高斯测量矩阵的一维压缩感知测量数据不仅能很好地保持稀疏信号的能量信息,也能够很好地继承稀疏信号的方向信息.但是在一维压缩感知模型中方向信息无法应用于稀疏信号的重构和检验.针对遥感影像中变化区域稀疏的特点提出了二维压缩感知模型.并利用能量和方向信息构建了基于二维压缩感知的稀疏信号重构算法(2DOMP).理论分析和实验结果证明,2DOMP算法的信号重构能力更强.同时根据压缩感知恢复稀疏信号只需要很少测量数据的特性提出了定向遥感和定向变化检测的概念.