基于凸 Tikhonov 稀疏字典学习与自适应谱滤波的压缩感知图像重建
图像与视频处理
2019-11-11 v2
摘要
使用过完备字典的稀疏表示已在各种图像处理任务中展现出高质量的结果。字典学习算法使得构建数据自适应字典成为可能，这些字典在图像压缩与图像增强中具有广阔应用前景。最常见的稀疏字典学习算法分别迭代地使用匹配追踪与 K-SVD 技术进行稀疏编码与字典学习。尽管该技术效果良好，但其需要大量迭代才能收敛到最优解。在本文中，我们对稀疏编码与字典学习均采用闭式稳定凸优化技术。该方法可提供最佳可能的字典与最稀疏的表示，从而获得最小重建误差。一旦从压缩感知样本中重建出图像，我们便使用自适应频率与空间滤波技术以逼近精确图像恢复。结果清晰地表明，在固定迭代次数下，所提算法比传统稀疏字典技术提供更好的重建结果。根据图像中细节数量的反比关系，所提算法以显著更少的迭代次数达到最优解。因此，在我们的压缩感知框架下，所提算法获得了高 PSNR 与低 MSE。
引用
@article{arxiv.1801.09135,
title = {Reconstruction of Compressively Sensed Images using Convex Tikhonov Sparse Dictionary Learning and Adaptive Spectral Filtering},
author = {Nishant Deepak Keni and Amol Mangirish Singbal and Rizwan Ahmed},
journal= {arXiv preprint arXiv:1801.09135},
year = {2019}
}
备注
This work is obsolete