首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
图像分块压缩感知中的自适应粒重建算法_2016年中国数据挖掘会议(CCDM 2016)推荐稿件
Adaptive Granular Reconstruction in Block Compressed Sensing of Images
投稿时间:2016-03-28  最后修改时间:2016-04-13
DOI:
中文关键词:  分块压缩感知;Landweber迭代;粒计算;主成份分析;硬阈值收缩
英文关键词:block compressed sensing; Landweber iteration; granular computing; principle components analysis; hard-thresholding shrinkage
基金项目:国家自然科学基金(No.61501393和No.61572417),信阳师范学院青年科研资助(No.2015-QN-043);
作者单位E-mail
李然 信阳师范学院计算机与信息技术学院 liran358@163.com 
孙艳歌 信阳师范学院计算机与信息技术学院;北京交通大学计算机与信息技术学院  
张清洁 信阳师范学院计算机与信息技术学院  
刘宏兵 信阳师范学院计算机与信息技术学院  
摘要点击次数: 99
全文下载次数: 
中文摘要:
      在图像分块压缩感知(BCS)框架下,基于平滑投影Landweber迭代的重建算法能以低计算复杂度确保良好率失真性能,尤其是采用主成份分析(PCA)作自适应硬阈值收缩。然而,在PCA学习过程中,忽略了图像局部结构特性平稳,影响Landweber迭代重建性能的提升。针对该问题,本文采用粒计算(GrC)理论,根据图像子块结构特性,将图像分解为若干粒,再实施PCA学习各粒的稀疏表示基底,并对粒内子块硬阈值收缩去噪。由于粒内图像子块具有平稳的结构特性,因此,可有效改善硬阈值收缩性能。实验结果表明,与传统算法相比,本文算法重建图像的整体客观质量较优,且可更好地保护边缘与纹理等重要细节,主观视觉质量良好,与此同时,保证了较低的重建计算复杂度。
英文摘要:
      In the framework of Block Compressed Sensing (BCS), the reconstruction algorithm based on the smoothed-projected Landweber iteration can achieve the better rate-distortion performance with a low computational complexity, especially for using the Principle Components Analysis (PCA) to adaptively do the hard-thresholding shrinkage. However, during learning PCA matrix, it affects the reconstruction performance of Landweber iteration to neglect the stationary local structural characteristic of image. To solve the above problem, this paper uses the Granular Computing (GrC) to decompose an image into several granules depending on the structural features of patches, and then perform the PCA to learn the sparse representation basis corresponding to each granule. Finally, the hard- thresholding shrinkage is employed to remove the noises in patches. The patches in granule have the stationary local structural characteristic, and therefore our method can effectively improve the performance of hard-thresholding shrinkage. Experimental results indicate that the reconstructed image by the proposed algorithm has a better objective quality when comparing with several traditional ones, and its edge and texture details are better preserved, which guarantees the better subjective visual quality. Besides, our method has still a low computational complexity of reconstruction.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第897238位访问者 本站今日一共被访问56

技术支持:北京勤云科技发展有限公司