文件名称：图像CS重建的细粒度非局部加权平均法。
文件大小：298KB
文件格式：PDF
更新时间：2024-04-27 03:11:15
Compressive sensing; Iterative algorithm; Nonlocal;
如果信号在某些域中稀疏，则压缩感测可以以远低于奈奎斯特采样率的采样率获取信号。 然而，从信号观察中重建信号是具有挑战性的，因为它实际上是一个隐含的不适问题。 作为经典的CS重建方法，总变异（TV）和迭代加权电视（ReTV）方法仅利用局部图像信息，这会导致图像结构的某些损失并产生块效应。 在本文中，我们观察到自然图像中存在大量的非局部重复结构，因此我们提出了一种新颖的细粒度非局部加权平均方法进行自然图像CS重建，并充分利用了非局部重复结构从观测中恢复图像。 。 此外，将一种在我们的实验中稳定收敛的有效迭代边界优化算法应用于上述CS重建。 不同自然图像的实验结果表明，我们提出的该算法在峰值信噪比（PSNR）和主观评价方面均优于现有的经典自然图像CS重建算法。