基于多测量动态聚类的压缩感知增强成像方法

来源 :电子与信息学报 | 被引量 : 1次 | 上传用户:genius0728
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
噪声环境下的稀疏信号重构可以转换为带约束的二次规划问题,通过正则化算法可以有效求解,而正则化参数l却是影响重构质量的重要因素。广义交叉验证(Generalized Cross-Validation,GCV)算法是噪声未知条件下估计l的有效算法,但当信噪比较低时却无法保证l收敛于全局最优,导致重构图像信杂比降低,甚至造成目标丢失。为实现低信噪比环境下稀疏信号的稳健重构,该文提出基于多测量动态聚类(Multi-Measurement Dynamic Clustering,MMDC)的压缩感知(Compr
其他文献
生涯辅导作为目前西方发达国家广为流行的职业指导模式,具有鲜明的预防性理念,其中蕴涵着对个体职业心理系统、职业决策系统的预防性调整和演练,以及缓解学校就业工作压力、
Tetrolet变换作为多尺度几何分析的一种,能够对平滑的自然图像进行有效的稀疏表示。SAR图像具有丰富的细节纹理信息,因此经过Tetrolet变换后的高频系数依然具有较大的幅值,从而严重影响了稀疏表示SAR图像的性能。该文针对此问题提出了一种新的变换方法 Tetrolet Packet,该算法将高频子带系数进行重新排序后,使用熵作为代价函数对不同的高频子带进行不同层次的Tetrolet分解得到T