分块压缩感知的全变差正则化重构算法

摘要：

针对分块压缩感知(BCS)重建图像质量较差问题,该文提出一种最小化l0范数的分块压缩感知全变差(TV)正则化迭代阈值图像重构算法(BCS-TVIT).BCS-TVIT算法考虑图像的局部平滑、有界变差等性质,将最小化l0范数与图像的全变差TV正则项结合,构建目标函数.针对目标函数中l0范数项和分块测量约束项无法直接优化问题,采用迭代阈值法使重构图像l0范数最小化,并通过凸集投影保证满足约束条件,完成了目标函数的优化求解.实验表明,与基于l0范数最小化的分块压缩感知平滑投影算法(BCS-SPL)相比,BCS-TVIT算法重构图像峰值信噪比提高2 dB,能消除BCS-SPL的"亮斑"效应,且在视觉效果上明显优于BCS-SPL算法;与最小全变差算法相比,BCS-TVIT算法重构图像峰值信噪比提升1 dB,且能降低重构时间约2个数量级.

关键词：分块压缩感知、l0范数、全变差、阈值滤波、凸集投影

所属期刊栏目：41

分类号：TN919.81

在线出版日期：2019-09-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2217-2223