基于非局部高阶字典的彩色图像压缩感知
图像与视频处理
2017-11-28 v1 计算机视觉与模式识别
摘要
本文解决从压缩感知测量数据恢复彩色图像这一不适定问题。与现有方法典型的基于1D向量的方式不同，我们利用图像中固有存在的非局部相似性，将彩色图像的每个块视为由水平、垂直及光谱维度构成的3D张量。一组非局部相似块形成4D张量，对其通过高阶奇异值分解学习非局部高阶字典。该高阶字典中包含的多个子字典在相应各维度上对组进行去相关，从而有助于更好地重建彩色图像细节。此外，我们基于权重张量使用稀疏正则化来促进最终解的稀疏性。它能在优化中区分由高阶字典生成的稀疏表示中预期幅值较大的系数与其余系数。相应地，在迭代求解中，它起到类似加权过程的作用，该过程通过逼近最小均方误差滤波器设计，以实现更忠实的恢复。实验结果证实了所提方法相对于现有最优方法的改进。
引用
@article{arxiv.1711.09375,
title = {Compressive Sensing of Color Images Using Nonlocal Higher Order Dictionary},
author = {Khanh Quoc Dinh and Thuong Nguyen Canh and Byeungwoo Jeon},
journal= {arXiv preprint arXiv:1711.09375},
year = {2017}
}
备注
13 pages, 10 figures