利用小波系数上下文建模的Bayesian压缩感知重建算法

基于单层双树小波变换和平滑零范数法的压缩感知图像重构苏立超;黄添强;吴铁浩;袁秀娟【期刊名称】《计算机科学》【年(卷),期】2013(040)003【摘要】基于压缩感知理论,从图像稀疏变换方式和压缩感知恢复算法两方面出发,对原有算法进行改进,提出了基于单层双树小波变换和平滑零范数法(Smoothed-l0)的压缩感知图像重构算法(DTSL0).该算法的思想是:对原始图像进行双树实系数小波稀疏变换,并使用Smoothed-l0压缩感知恢复算法予以重构.仿真实验表明:该算法在图像重构质量、执行速度,以及鲁棒性方面均有显著提升.%This paper presented a new algorithm for image reconstruction based on smoothed-l0 and dual-tree wavelet transform to save execution time and increase the quality of reconstruction. The dual-tree wavelet transform was used for image sparse and the Smoothed-l0 algorithm was selected for reconstructing the image. The experiment results show that DTSL0 improves the execution speed and the the quality and robustnesss of the reconstructed image.【总页数】4页(P263-265,304)【作者】苏立超;黄添强;吴铁浩;袁秀娟【作者单位】福建师范大学数学与计算机科学学院,福州350007;福建师范大学数学与计算机科学学院,福州350007;福建师范大学网络安全与密码技术福建省高校重点实验室,福州350007;福建师范大学数学与计算机科学学院,福州350007;福建师范大学数学与计算机科学学院,福州350007【正文语种】中文【中图分类】TN911.7【相关文献】1.基于单层小波变换的自适应压缩感知图像处理 [J], 刘国庆;林京2.基于小波变换的图像零树压缩感知方法 [J], 周四望;刘龙康3.基于单层小波变换的加权压缩感知图像处理 [J], 王晨;高美凤4.基于单层小波变换的图像融合压缩感知研究 [J], 杜淋5.基于单层小波变换的压缩感知图像处理 [J], 岑翼刚;陈晓方;岑丽辉;陈世明因版权原因，仅展示原文概要，查看原文内容请购买。

压缩感知重建算法：
压缩感知重建算法是一种通过采样和压缩信号，再通过解压和重建来获得信号的新型方法，它能够在采样率类似于信号的哈特率的情况下，实现信号的高精度重建。

1. 采样
首先，我们需要对原信号进行采样，然后对采样的数据进行压缩，降低数据量。

2. 稀疏表示
由于信号本身的稀疏性，我们可以通过变换方法将信号表示为一个稀疏的向量，例如小波变换、稀疏表示等。

3. 随机测量矩阵
然后，我们通过随机测量矩阵对稀疏表示后的向量进行测量，得到一个压缩的向量。

4. 重建
最后，我们可以通过数值优化方法对压缩的向量进行重建，从而获得原信号的高精度重建结果。

压缩感知重建算法可以在减少采样和传输成本的同时，实现对信号的高精度重建，具有较高的应用价值。

贝叶斯小波图像压缩感知方法杨光祖【期刊名称】《计算机系统应用》【年(卷),期】2013(000)002【摘要】现有小波图像压缩感知方法大多利用父子小波系数的相关性来提高重构精度，很少考虑同一尺度兄弟小波系数间的相关性关系。

鉴于此，提出一种基于贝叶斯模型的高频系数联合重构小波图像压缩感知方法。

该算法将同一尺度水平、垂直和对角三个方向高频系数分别压缩感知采样，然后设计分层贝叶斯模型，充分利用此三个方向兄弟小波系数的相关性来重构图像。

实验结果表明本文提出的方法比传统的多尺度压缩感知有更高的图像重构质量。

%Most image compressed sensing algorithms improve the reconstruction quality by utilizing the correlation of parent-child wavelet coefficients. However, few people study the compressed sensing based on the fraternal relationship of the high-frequency coefficients. In this paper, a Bayesian-based image compressed sensing algorithm using joint reconstruction of high-frequency wavelet coefficients is proposed. Firstly, the high-frequency coefficients of the horizontal, vertical and diagonal directions in the same scale are sampled separately when executing compressed sensing. Then, a hierarchical Bayesian model is presented and the correlation is used when reconstruction is performed. Experimental results show that our proposed algorithm has higher image reconstruction quality than the existed MCS.【总页数】4页(P198-201)【作者】杨光祖【作者单位】长沙环境保护职业技术学院信息技术系，长沙 410004【正文语种】中文【相关文献】1.方向提升小波变换域稀疏滤波的自然图像贝叶斯压缩感知 [J], 侯兴松;张兰2.小波树结构在贝叶斯压缩感知图像重构中的应用研究 [J], 袁琴;吴宣够;熊焰3.基于贝叶斯压缩感知与形态学成分分析的图像修复方法研究 [J], 党宏社;张娜;白梅4.曲线拟合确定阈值的非抽取小波贝叶斯图像去噪方法 [J], 王相海;刘晓倩;张爱迪;傅博5.一种基于贝叶斯压缩感知的图像修复方法 [J], 党宏社;张娜因版权原因，仅展示原文概要，查看原文内容请购买。

基于可逆提升小波变换和上下文预测的SAR图像无损压缩算
法
刘荣科;张晓林;廖小涛;聂振钢
【期刊名称】《航空学报》
【年(卷),期】2002(023)006
【摘要】结合可逆提升小波变换和上下文预测技术,提出基于可逆提升小波变换和上下文预测的合成孔径雷达(SAR)图像的无损压缩算法.分析了基于提升小波的无损压缩算法和基于上下文预测编码的无损压缩算法的优缺点,联合两种体制,提出先用提升小波变换去除整幅图像的冗余,再用边缘保留预测器和子预测器联合技术进一步消除子带内系数间的空间冗余性,最后采用自适应上下文建模技术对残差进行分类自适应熵编码.除具有常规小波变换编码的优异性能外,该算法的压缩率优于即将推出的国际标准JPEG2000.
【总页数】4页(P534-537)
【作者】刘荣科;张晓林;廖小涛;聂振钢
【作者单位】北京航空航天大学,电子工程系,北京,100083;北京航空航天大学,电子工程系,北京,100083;北京航空航天大学,电子工程系,北京,100083;北京航空航天大学,电子工程系,北京,100083
【正文语种】中文
【中图分类】TN919.81
【相关文献】
1.一种基于纹理方向自适应预测和游程哥伦布编码的帧存无损压缩算法 [J], 罗瑜;唐博
2.小波变换和预测编码结合的抗差错SAR图像无损压缩算法 [J], 刘荣科;张晓林;廖小涛;聂振钢
3.基于分段可逆矩阵变换的超光谱图像无损压缩算法 [J], 解成俊;向阳
4.基于预测的双线偏振天气雷达数据无损压缩算法 [J], 曾强宇;V Chandrasekar;何建新;史朝;王皓;李学华
5.基于上下文树的无损压缩算法 [J], 王炯;陈建华;和志圆
因版权原因，仅展示原文概要，查看原文内容请购买。

一种用于图像重构的新型贝叶斯压缩感知技术吴昊;朱杰【期刊名称】《信息技术》【年(卷),期】2012(000)003【摘要】近几年来,贝叶斯压缩感知(BCS)技术得到了快速的发展并逐渐成为压缩感知领域的一项主流技术.该技术主要针对压缩感知中的重构部分,与传统的重构算法不同,其应用的是贝叶斯概率模型,而不是传统的1范数最小化模型.BCS的核心是相关向量机(RVM),但是,应用传统的RVM进行信号重构往往精度非常差.为了提高精度,文中提出了一种新的BCS技术:粒子群贝叶斯压缩感知(PSBCS).实验表明这种新的BCS技术在重构精度上大大超越了传统的BCS技术.%A new reconstruction metric for compressive sensing technique called the Bayesian compressive sensing ( BCS) was proposed in the recent years. It considers the reconstruction process as the Bayesian model rather than the traditional l1 norm sparsity model. In BCS, the so called the relevance vector machine ( RVM) is used, which have better performance than the l1, norm sparsity model. However, the accuracy of the conventional BCS is very low, which means its performance is highly dependent on the signal. To enhance accuracy of the conventional BCS, a new kind of modified BCS named the particle swarm Bayesian compressive sensing (PSBCS) is proposed in this paper. The experiments show that the PSBCS outperforms the conventional BCS and other reconstruction metrics for its high accuracy on signal reconstruction.【总页数】4页(P98-100,104)【作者】吴昊;朱杰【作者单位】上海交通大学电子信息与电气工程学院,上海200240;上海交通大学电子信息与电气工程学院,上海200240【正文语种】中文【中图分类】TP273【相关文献】1.合成孔径雷达图像的贝叶斯压缩感知重构算法 [J], 侯兴松;张兰;肖琳2.小波树结构在贝叶斯压缩感知图像重构中的应用研究 [J], 袁琴;吴宣够;熊焰3.基于多任务贝叶斯压缩感知的电能质量信号重构 [J], 王武亮;江辉4.一种基于贝叶斯压缩感知的图像修复方法 [J], 党宏社;张娜5.基于Laplace先验和稀疏块相关性的旋转机械振动信号贝叶斯压缩重构 [J], 马云飞;白华军;温亮;郭驰名;贾希胜因版权原因，仅展示原文概要，查看原文内容请购买。

一种有效的压缩感知图像重建算法李志林;陈后金;李居朋;姚畅;杨娜【期刊名称】《电子学报》【年(卷),期】2011(39)12【摘要】多数现有的压缩感知重建算法基于单观测向量,处理图像信号时将其表示成一维信号,算法效率低,重建图像的效果也有待提高.本文提出了一种基于多观测向量和稀疏贝叶斯学习的重建算法,通过同时处理观测矩阵的每一列直接求得加权系数矩阵,从而快速重建图像.在相同的采样率条件下,该算法的重建图像效果更好,算法效率明显提高.采用标准测试图像进行实验,验证了算法的有效性.%Most existing compressed sensing reconstruction algorithms are based on single measurement vector. When processing image signal, the efficiency of these algorithms is low because the image is treated as one-dimension signal and the quality of the reconstructed image needs to be improved. A reconstruction algorithm based on multiple measurement vectors and sparse Bayesian learning is proposed in this paper.The image is reconstructed quickly because the weighting coefficient matrix can be got directly by processing each column of the measurement matrix simultaneously. The proposed algorithm has better reconstructed image and the efficiency has been improved significantly under the same sample rate. The validity of the proposed algorithm is proved by the experiments to the standard test images.【总页数】5页(P2796-2800)【作者】李志林;陈后金;李居朋;姚畅;杨娜【作者单位】北京交通大学电子信息工程学院,北京100044;北京交通大学电子信息工程学院,北京100044;北京交通大学电子信息工程学院,北京100044;北京交通大学电子信息工程学院,北京100044;北京交通大学电子信息工程学院,北京100044【正文语种】中文【中图分类】TN911.73【相关文献】1.一种有效的电阻抗成像的图像重建算法 [J], 宫莲;黄平2.一种基于时空变换和压缩感知的磁共振螺旋采样的图像重建算法 [J], 庄孝星;马崚嶒;蔡聪波;陈忠3.基于压缩感知的一种改进射电图像重建算法 [J], 潘润宁4.基于压缩感知的高炉料面图像重建算法 [J], 赵文慧;王利强;孔维敬5.压缩感知图像重建算法的研究现状及其展望 [J], 李敏因版权原因，仅展示原文概要，查看原文内容请购买。

小波变换压缩图像的贝叶斯迭代后处理算法
文伟;汪雪林;彭思龙
【期刊名称】《计算机辅助设计与图形学学报》
【年(卷),期】2005(017)009
【摘要】提出一种Bayesian框架下的压缩图像后处理算法,去除压缩图像的模糊现象和"振铃"失真.与以往方法不同的是该算法考虑到了在高压缩比情况下的模糊效应,应用模糊过程加偏差来等效压缩过程,并提出了相应的后处理模型.采用交替迭代的方法进行求解,并讨论了参数的选取.实验结果表明,对于高压缩比小波变换的压缩图像,该算法在主观视觉效果和客观标准的评价上都取得了良好的效果.
【总页数】7页(P2015-2021)
【作者】文伟;汪雪林;彭思龙
【作者单位】中国科学院自动化研究所国家专用集成电路设计工程技术研究中心,北京,100080;中国科学院自动化研究所国家专用集成电路设计工程技术研究中心,北京,100080;中国科学院自动化研究所国家专用集成电路设计工程技术研究中心,北京,100080
【正文语种】中文
【中图分类】TP391
【相关文献】
1.方向提升小波变换域稀疏滤波的自然图像贝叶斯压缩感知 [J], 侯兴松;张兰
2.合成孔径雷达图像的贝叶斯压缩感知重构算法 [J], 侯兴松;张兰;肖琳
3.图像分块的贝叶斯压缩感知算法研究 [J], 马孟新;吴延海;张昊;张芳妮
4.基于贝叶斯理论的电容层析成像图像重建迭代算法 [J], 江鹏;彭黎辉;陆耿;萧德云
5.基于小波变换和贝叶斯理论的图像分割算法 [J], 张立恒;陈炜
因版权原因，仅展示原文概要，查看原文内容请购买。

摘要：针对传统重构理论下对硬件设备的高要求和高损耗问题，提出基于小波基的压缩感知重构算法，利用小波变换在图像压缩重构上的优势，选取合适的小波基作为稀疏基，对一维信号和二维图像采用正交匹配追踪（omp）算法，进行信号的压缩和重构，并对算法进行相应的改进。

实验表明，压缩感知理论用于数字信号和数字图像处理有着显著的优势。

关键词：压缩感知；小波分析；稀疏基；测量矩阵；重构信号中图分类号：tn911.73?34 ；tq028.1 文献标识码：a 文章编号：1004?373x （2016）13?0059?040 引言随着信息技术的飞速发展，人们对信息量的需求剧增，以信息带宽为基础的信号处理框架要求的采样频率和处理速度也越来越高，传统的nyquist 采样已经不能满足人们的需求[1] 。

而近年来出现的压缩感知理论能够有效规避传统采样的许多难题，给信号的采样、存储、传输和处理带来巨大的便利和经济效益，被越来越多的领域接受和应用[2?3] 。

小波分析在时域和频域上同时具有良好的局部化性质，加上小波的多分辨率分析特性，使之能更好地应用于图像处理领域。

压缩感知理论在信号压缩过程中，对稀疏矩阵和观测矩阵的选取最为关键，故将小波基作为稀疏矩阵进行压缩，对图像处理有着重要意义[4] 。

本文将压缩感知理论与小波理论相结合，选取合适的小波基作为稀疏基，对一维信号和二维图像进行信号的压缩和重构，并对算法进行了相应的改进。

1 压缩感知算法与小波理论分析1.1 压缩感知算法实现传统的压缩采样重构理论包括两个基本过程：编码和解码。

压缩感知理论也不例外，但在实现方式上有所区别，直接对信号进行较少采样的同时得到信号的压缩表示，省去了点采样的中间过程，在节省了采样频率和传输成本的情况下，达到了集采样与压缩同时进行的目的。

另外，该理论还指出了将模拟信号直接采样压缩为数字形式的有效途径，具有直接信息采样特性[3] 。

压缩感知算法的优势主要体现在以下方面：（1）非自适应性（non?adaptive ），一开始就可以传输长度较短的信号，甚至突破采样定理的极限。