×
王金明；徐振宇；王章泉；徐森；蒋军

快速压缩传感重建：半张量积方法。 （英语） Zbl 1456.94011号

信息科学。 512, 693-707 (2020).
摘要：在压缩感知（CS）的大规模应用中，重建原始信号的时间成本太高。为了加快测量矩阵的重建速度，降低测量矩阵的空间开销，提出了一种基于半张量积（STP）的并行重建方法。生成一个低维随机矩阵，其维数为常规CS的1/4（或1/16、1/64、1/256、1/1024甚至1/4096），对原始数据进行采样，然后提出一种并行重建方法，用迭代加权最小二乘（IRLS）算法获得解。评估了峰值信噪比（PSNR）、结构相似性指数（SSIM）和重建时间成本，并将其与不同维度的矩阵进行了比较，还与其他最先进的方法进行了比较。数值结果表明，该算法可以有效地提高运算速度（10倍）或（100倍），甚至（1000倍），并且矩阵的存储空间也可以显著减少；也就是说，矩阵可以是常规CS的1/4096。此外，数值结果表明，我们的公式在重建速度和可比质量方面优于传统CS，这对应用程序的实时和物理实现非常重要。

引用于三文件

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）

关键词：

压缩感知；半张量积；并行重建；随机测量矩阵；快速重建；存储空间

软件：

CoSaMP公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Wang}等人，《信息科学》。512、693--707（2020；Zbl 1456.94011）
全文： 内政部

参考文献：

[1] 阿米尼，A。；Marvasti，F.，二进制、双极和三元压缩传感矩阵的确定性构造，IEEE Trans。信息Theor。，57, 4, 2360-2370 (2011) ·Zbl 1366.94078号
[2] 贝克，A。；Teboulle，M.，线性反问题的快速迭代收缩阈值算法，SIAM J.成像科学。，2, 1, 183-202 (2009) ·Zbl 1175.94009号
[3] Faybusovich，凸优化，IEEE Trans。自动化。控制。，51, 11 (2006), 1859-1859
[4] Bu，H。；陶，R。；Bai，X.，规则平滑ℓ0-范数算法及其在基于CS的雷达成像中的应用，信号处理。，122，C，115-122（2016）
[5] 卡尔德班克，R。；霍华德，S。；Jafarpour，S.，满足统计等距特性的一大类确定性传感矩阵的构造，IEEE J.Sel。顶部。信号处理。，4358-374（2010年）
[6] 坎迪斯，E.J。；Wakin，M.B。；Boyd，S.P.，通过重加权增强稀疏性ℓ1-最小化，J.Fourier分析。申请。，14, 5, 877-905 (2008) ·Zbl 1176.94014号
[7] 坎迪斯，E.J。；Tao，T.，《随机投影的近最优信号恢复：通用编码策略》，IEEE Trans。Inf.理论，52，12，5406-5425（2006）·Zbl 1309.94033号
[8] Cheng，D.Z。；齐，H。；Li，Z.，《布尔网络的分析与控制：半传感器产品方法》，19-53（2011），施普林格科学与商业媒体：施普林格科技与商业媒体伦敦·Zbl 1209.93001号
[9] Cheng，D.Z。；齐，H。；Zhao，Y.，矩阵的半张量乘积及其应用导论，20-45（2012），新加坡：世界科学·Zbl 1273.15029号
[10] Cheng，X.L。；郑，X。；Han，W.M.，欠定线性系统稀疏解的算法，应用。数学。A J.琴。大学，28，2，235-248（2013）·Zbl 1299.65066号
[11] Daubechies，I。；DeVore，R。；Fornasier，M.，《稀疏恢复的迭代加权最小二乘最小化》，Commun。纯应用程序。数学。，63, 1, 1-38 (2010) ·Zbl 1202.65046号
[12] Donoho，D.L.，压缩传感，IEEE Trans。《信息论》，52，4，1289-1306（2006）·Zbl 1288.94016号
[13] 杜阿尔特，M.F。；Baraniuk，R.G.，Kronecker压缩传感，IEEE Trans。图像处理。，21, 2, 494-504 (2012) ·Zbl 1372.94379号
[14] Elad，M.，《压缩传感的优化预测》，IEEE Trans。信号处理。，55, 12, 5695-5702 (2007) ·Zbl 1390.94168号
[15] Gan，L.，自然图像的块压缩感知，（国际数字信号处理会议（2007），IEEE），403-406
[16] Lee，Kiryung；Wu，Y。；Bresler，Y.，《通过稀疏功率分解实现稀疏秩一矩阵的近最优压缩感知》，计算。科学。，92, 4, 621-624 (2013)
[17] Kulkarni，A。；Mohsenin，T.，omp压缩传感重建算法的低开销架构，IEEE Trans。电路系统。我是Regul。论文，64，6，1468-1480（2017）
[18] 刘杰。；张，C。；Pan，C.，《Priori-Information保持子空间追踪：层调制TDS-OFDM的基于压缩感知的信道估计》，IEEE Trans。广播。，64, 1, 119-127 (2018)
[19] 刘，S。；曹，J。；Liu，H.，利用正交字典和非凸正则化实现精确MRI重建的群稀疏性，Inf Sci（Ny），45161-179（2018）
[20] Needell，D。；Tropp，J.A.，CoSaMP：不完整和不准确样本的迭代信号恢复，应用。计算。哈蒙。分析。，26, 3, 301-321 (2009) ·Zbl 1163.94003号
[21] 奥塔佐，R。；坎迪斯，E。；Sodickson，D.K.，低秩加稀疏矩阵分解，用于分离背景和动态成分的加速动态MRI，Magn。Reson公司。医学，73，3，1125-1136（2015）
[22] 平托，R。；Merched，R.，块迭代均衡器的压缩感知方法，IEEE Trans。信号处理。，66, 4, 1007-1022 (2018) ·Zbl 1414.94150号
[23] S.巴尔。（2013）医学图像样本。[在线]。可用：http://www.barre.nom.fr/medical/samples/网站。
[24] 王，Z。；博维克，A.C。；谢赫，H.R。；Simoncelli，E.P.，《图像质量评估：从错误可见性到结构相似性》，IEEE Trans。图像处理。，13, 4, 600-612 (2004)
[25] 魏，D。；Milenkovic，O.，压缩传感信号重建的子空间追踪，IEEE Trans。《信息论》，55，5，2230-2249（2009）·Zbl 1367.94082号
[26] 吴，G。；李，X。；Dai，J.，基于CoSaMP的图像恢复改进测量算法，国际J.智能传感智能。系统。，7, 2, 724-739 (2017)
[27] 谢，D。；彭，H。；Li，L.，半传感器压缩传感，数字。信号处理。，58, 85-92 (2016)
[28] 袁，H。；宋，H。；Sun，X.，基于改进尺寸兼容阵列LDPC码的压缩传感测量矩阵构造，IET图像处理。，993-1001年9月11日（2015年）
[29] 张，S。；Zhu，Y。；Dong，G.，基于截断SVD的压缩传感，用于均匀/非均匀线阵下视三维SAR成像，IEEE Geoscie。遥感快报。，12, 9, 1853-1857 (2015)
[30] 医学博士齐贝蒂。；Helou，E。；Pipa，D.，《加速过度松弛和单调快速迭代收缩阈值算法与稀疏重建的线搜索》，IEEE Trans。图像处理。，26, 7, 3569-3578 (2017) ·Zbl 1409.94807号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。