基于刀切法与自助法的压缩感知
图像与视频处理
2024-04-09 v1 信号处理
统计方法学
摘要
压缩感知提出以少于实际测量值个数的自由度来重建信号。因此，压缩感知有引入误差的风险——插入虚假伪影或掩盖医学成像试图发现的异常。本案例研究使用刀切法（jackknife）与自助法（bootstrap）这些标准统计工具来估计误差，所得误差“条”以完整图像的形式呈现，其与实际误差极具代表性（至少在可获得真值及因此实际误差的数据集上评估与验证时如此）。这些图像显示了可能误差的结构——无需直接测量整个真值——并在估计误差较小的图像区域建立置信度。
引用
@article{arxiv.1809.06959,
title = {Compressed sensing with a jackknife and a bootstrap},
author = {Mark Tygert and Rachel Ward and Jure Zbontar},
journal= {arXiv preprint arXiv:1809.06959},
year = {2024}
}
备注
67 pages, 83 figures: the images in the appendix are low-quality; high-quality images are available at http://tygert.com/comps.pdf