面向图像压缩感知的联合组与残差稀疏编码
计算机视觉与模式识别
2019-01-24 v1
摘要
非局部自相似性与组稀疏性已广泛应用于图像压缩感知（CS）中。然而，当采样率较低时，退化图像的内部先验信息可能不足以进行准确复原，导致图像边缘与细节的丢失。本文提出一种用于CS图像恢复的联合组与残差稀疏编码方法（JGRSC-CS）。在所提出的JGRSC-CS中，图像块组被视为稀疏编码的基本单元，并采用两个字典（即内部字典与外部字典）同时挖掘各组的稀疏表示。内部自适应字典用于去除伪影，而从干净训练图像中学习得到的外部高斯混合模型（GMM）字典用于增强细节与纹理。为使所提方法有效且鲁棒，采用分裂Bregman方法重建整幅图像。实验结果表明，所提出的JGRSC-CS算法在峰值信噪比（PSNR）与视觉质量上均优于现有最先进的方法。
引用
@article{arxiv.1901.07720,
title = {Joint group and residual sparse coding for image compressive sensing},
author = {Lizhao Li and Song Xiao},
journal= {arXiv preprint arXiv:1901.07720},
year = {2019}
}
备注
27 pages, 7 figures