结合总变差和组稀疏性的压缩感知重构方法  

Compressive Sensing Reconstruction Method Via Total Variation and Group Sparstiy

作　　者：朱俊 陈长伟[3] 

机构地区：[1]金陵科技学院计算机工程学院,南京211169 [2]江苏省社会安全图像与视频理解重点实验室(南京理工大学),南京210094 [3]南京晓庄学院信息工程学院,南京2111711

出　　处：《兵器装备工程学报》2017年第11期114-117,128,共5页Journal of Ordnance Equipment Engineering

基　　金：金陵科技学院博士启动金项目“基于聚类融合特征配准图像鲁棒拼接算法”(Jit-b-201508);江苏省社会安全图像与视频理解重点实验室创新基金项目(30916014107);江苏省高等学校自然科学研究面上资助项目(16KJB520014)

摘　　要：为了提高图像重建的质量,基于压缩感知理论,提出了一种基于总变差和组稀疏性的图像重建方法,同时考虑图像像素灰度值的梯度稀疏性和重叠图像块的非局部相似性两种先验知识。为了准确挖掘先验知识,本文选择非凸lp范数描述,并利用交替方向乘子法求解产生的重构模型。实验结果表明,与当前主流的重建算法相比,所提算法能够获得更高的图像重构结果。In order to improve the quality of the recovered image, based on the theory of compressive sensing （CS）, this paper proposes a total variation and group sparsity based image reconstruction method toward exploiting the local gradient sparsity of image pixels and nonlocal similarity of overlapped image patches. In order to accurately exploit the prior knowledge, this paper selects nonconvex lp norm and takes alternating direction method of multipliers method （ADMM） to solve the resulting nonconvex optimization model. The experimental results have demonstrated that the proposed approach outperforms current mainstream CS algorithms.

关 键 词：压缩感知 总变差 组稀疏性 交替方向乘子算法 

分 类 号：TN911.73[电子电信—通信与信息系统]