高光谱图像重建中压缩感知算法的比较研究
计算机视觉与模式识别
2024-01-29 v1
摘要
高光谱成像包含海量数据，因此给数据处理、存储和传输带来了重大挑战。压缩感知已被用于高光谱成像领域，作为一种压缩大量数据的技术。这项工作处理的是压缩了2.5倍的高光谱图像的恢复问题。本文对凸优化算法FISTA/ADMM以及贪婪算法gOMP/BIHT/CoSaMP恢复算法在精度和性能方面进行了比较研究。结果表明，这些算法都能成功恢复压缩数据，但与其他算法相比，gOMP算法实现了更高的精度和更快的恢复速度，其代价是高度依赖于待恢复数据的未知稀疏度水平。
引用
@article{arxiv.2401.14762,
title = {A Comparative Study of Compressive Sensing Algorithms for Hyperspectral Imaging Reconstruction},
author = {Jon Alvarez Justo and Daniela Lupu and Milica Orlandic and Ion Necoara and Tor Arne Johansen},
journal= {arXiv preprint arXiv:2401.14762},
year = {2024}
}
备注
Hyperspectral Imaging, Compressive Sensing, Convex Algorithms, Greedy Algorithms, FISTA, ADMM, gOMP, BIHT, CoSaMP, IEEE-copyrighted material (2022), IVMSP Workshop (26-29 June 2022)