采用拉普拉斯尺度混合先验的结构化近似消息传递算法

yoursilf

摘要:为了准确有效地实现自然图像的压缩感知重构,提出一种使用拉普拉斯尺度混合( Laplacian ScaleMixture ,LSM）先验的结构化近似消息传递算法。利用LSM模型构建AMP算法
的高阶统计约束,将压缩感知重构问题转化为先验信息估计问题和奇异值最小化问题.首先，用LSM分布刻画相似块矩阵奇异值的稀疏性,其中该稀疏性指」图像参尖的N'可营的先验信息;最后,由AMP算法求解奇异值最小化问后,通过期望最大化算法估计LSM模型的尺度参效数,仔到VD笑时的图伫雷构质量优于多种主流的压缩感知图像重构题,实现图像的精确重构.实验结果表明,提出的结构化AMP算法的图像重构质量优于多种主流的压缩感知图像重构算法.
+ h8 J( N  H2 g) V( j; F3 c
& y. M/ D. u$ m0 a1 w关键词:压缩感知;近似消息传递;拉普拉斯尺度混合先验;非局部相似性;期望最大化

       压缩感知(Compressive Sensing ,CS)是一种新的信号采集和处理技术,它突破奈奎斯特采样率的限制,以随机观测的方式采样稀疏信号,再通过重构算法从低维观测值中恢复出高维的原始信号.主要的CS重构算法包括贪婪算法,凸优化算法和贝叶斯推断方法.其中,近似消息传递(AMP)算法在重构质量和运行时间方面都表现出优势.
* X& z3 O; F) F* i% n0 j- r# e

- E' k& j; j  E0 Y
4 J" B" w6 T* |

游客，如果您要查看本帖隐藏内容请回复

" k* n- R* p" W  q& K- ^: G

qq666888qqw

压缩感知是一种新的信号采集和处理技术