利用边缘信息的多尺度分块压缩感知自适应采样方法

摘要：

在小波域多尺度压缩感知框架下，被完整保留的低频系数存在着许多可利用的图像信息。本文在分析了不同尺度之间、以及同一尺度之内的系数块存在能量差异的基础上，提出了利用边缘信息的多尺度分块压缩感知自适应采样方法（EAS）。该方法首先利用低频系数提取出边缘信息，然后将边缘信息分块，加权计算每个块的边缘信息度，根据边缘信息度判断每个系数块的能量大小，将其转换成每个子块的自适应采样率，从而实现多尺度分块压缩感知的自适应采样。采用医学图像，含有复杂纹理的自然图像和含有严重噪声的SAR图像三类测试数据，验证了EAS方法的性能。数值实验结果表明，EAS方法对不同的压缩感知算法均有很大的提升，能够显著提高图像的重构质量和视觉效果。

关键词：多尺度压缩感知、自适应采样、边缘信息、小波变换

分类号：TN911.73

资助基金：国家自然科学基金61173090，61100154，61272282；高等学校学科创新引智计划111计划B07048；教育部“长江学者和创新团队发展计划”资助IRT1170

在线出版日期：2015-01-13（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：1457-1463