乔倩倩
- 作品数：2 被引量：6H指数：2
- 供职机构：西安电子科技大学电子工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金陕西省自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 结合自适应字典学习的稀疏贝叶斯重构被引量：4
- 2016年
- 贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.
- 王勇乔倩倩杨笑宇徐文娟贾拯陈楚楚高全学
- 关键词：自适应字典
- 结合自适应稀疏表示和全变分约束的图像重建被引量：2
- 2016年
- 针对以二维小波变换和离散余弦变换为代表的固定正交基在图像压缩感知高分辨率重建中的局限性,提出了一种新的自适应冗余字典稀疏表示结合全变分约束的图像高分辨率重建算法.该算法以迭代过程的中间图像作为训练样本,通过自适应学习获得适合样本特征的冗余字典,它充分利用了字典原子与待重建图像的相关性,获得了待重建图像的理想完备稀疏表示,从而降低了采样率,提高了图像重建质量.最后,以全变分作为正则化条件,采用交替迭代算法求解稀疏优化问题.仿真结果表明,该算法可以在低采样率下重建出高质量的图像.
- 王勇冯唐智陈楚楚乔倩倩杨笑宇王国栋高全学
- 关键词：压缩感知图像重建全变分
