基于BCS-SPL压缩感知算法的纸病图像重构

随着造纸工业纸机速度和纸幅宽度的增长,传统的纸病检测处理方式面临着图像数据传输量剧增,纸病检测系统难以实现实时性处理的问题。压缩感知理论能够有效降低数据的采样量,但将压缩感知应用于二维纸病图像时,面临着重构纸病图像质量不高的问题。本研究采用分块压缩感知(BCS)-平滑投影Landweber(SPL)重构算法对纸病图像进行重构,并着重研究了该算法在不同采样率和不同图像分块大小下的重构效果。实验结果表明,在压缩感知框架下,通过BCS-SPL算法重构的低采样率纸病图像具有较高的图像质量,有效降低了纸病图像数据的传输量。

一种改进的压缩感知彩色图像重构框架

为了提升CS图像的重构效果,更好地将CS应用于现实,提出一种基于自适应采样和混合稀疏基的彩色图像重构框架,并将DCT基分别和离散小波(DWT)、DDDCWT、Controulet组合使用应用于此框架,通过分析重构图像的精度和重构时间来比较不同方法的重构效果。实验结果证明,所提的重构框架可以有效地重构彩色图像,并且DCT分别和DDDCWT、Controulet混合使用时的重构精度较其单一稀疏基的重构精度和DCT与DWT混合使用时的重构精度好。但是,从重构时间上而言,只有DCT和Controulet混合使用时的表现比较乐观。