文件名称：ALSB:通过L0最小化使用自适应学习的稀疏化基础进行图像压缩感测恢复的Matlab代码
文件大小：1.53MB
文件格式：ZIP
更新时间：2024-05-30 13:04:26
通过L0最小化使用自适应学习的稀疏化基础进行图像压缩感测恢复（SP 2014） 介绍 从比Nyquist采样理论建议的少得多的采集测量结果中，压缩感测（CS）理论表明，当信号在某些域中表现出稀疏性时，可以以较高的概率重建信号。 但是，大多数传统的CS恢复方法都为整个信号利用了一组固定的基数（例如DCT，小波和梯度域），而与自然信号的非平稳性无关，并且无法实现足够高的稀疏，因此导致CS恢复性能较差。 在本文中，我们提出了一个新的框架，用于通过L0最小化自适应学习的稀疏化基础进行图像压缩感测恢复。 通过使用L0范式形式的自适应学习的稀疏化基础，通过稀疏表示重叠的图像块，基本上可以增强自然图像的内在稀疏性，从而大大减少了块状伪像并限制了CS解空间。 为了使我们提出的方案易于处理且健壮，开发了一种基于分裂Bregman迭代的技术来有效解决非凸L0极小化问题。 在用于CS恢复的各种自然图像上的实验
【文件预览】：
ALSB-master
----README.md(2KB)
----ALSB_Code.rar(1.54MB)