基于矩变换的图像处理压缩感知方法
图像与视频处理
2021-11-16 v1 计算机视觉与模式识别
摘要
近几十年来,图像已成为许多领域的重要信息来源,因此获取更优信息亟需高质量图像。其中一个重要问题是图像去噪,即从不准确和/或部分测量的样本中恢复信号。这一解释与压缩感知理论高度相关,后者是一项革命性技术,意味着若信号是稀疏的,则可由远少于 Shannon 采样理论等其他理论所建议的少量测量值重建原始信号。在压缩感知(CS)理论中,实现最稀疏解及从受损图像中去除噪声的一个关键因素是对基字典的选择。本文比较了离散余弦变换(DCT)与矩变换(Tchebichef、Krawtchouk),以基于压缩感知与稀疏近似理论实现高斯加性白噪声的图像去噪。实验结果表明,由矩变换构建的基字典性能可与传统 DCT 竞争。后者变换显示出更高的 PSNR(30.82 dB)以及与 Tchebichef 变换相同的 0.91 SSIM 值。此外,从稀疏性角度看,Krawtchouk 矩比 DCT 提供约 20-30% 更稀疏的结果。
引用
@article{arxiv.2111.07254,
title = {Moment Transform-Based Compressive Sensing in Image Processing},
author = {T. Kalampokas and G. A. Papakostas},
journal= {arXiv preprint arXiv:2111.07254},
year = {2021}
}
备注
12 pages, 13 figures