论稀疏性平均
信息论
2013-07-05 v1 天体物理仪器与方法
math.IT
摘要
Carrillo 等人 (2012) 和 Carrillo 等人 (2013) 的最新进展引入了一种新的正则化方法，用于在具有相干冗余字典的压缩感知背景下进行压缩成像。该方法基于自然图像在多个相干帧上表现出强平均稀疏性的观察。相关的重建算法基于分析先验和重加权 方案，被称为稀疏性平均重加权分析（Sparsity Averaging Reweighted Analysis, SARA）。我们回顾了这些进展，并扩展了相关模拟，确立了 SARA 优于基于单帧稀疏性的正则化方法，适用于通用的扩频采集以及在射电天文学中特别感兴趣的傅里叶采集。
引用
@article{arxiv.1307.1360,
title = {On sparsity averaging},
author = {Rafael E. Carrillo and Jason D. McEwen and Yves Wiaux},
journal= {arXiv preprint arXiv:1307.1360},
year = {2013}
}
备注
4 pages, 3 figures, Proceedings of 10th International Conference on Sampling Theory and Applications (SampTA), Code available at https://github.com/basp-group/sopt, Full journal letter available at http://arxiv.org/abs/arXiv:1208.2330