压缩感知图像重建

㈠ 怎么理解图像的压缩感知

一种常用的峰值均方误差PMSE:

式中，A为 的最大值。实用中还常采用简单的形式 。此时，对于8比特精度的图像，A=255，M、N为图像尺寸。
峰值均方误差PMSE也被表示成等效的峰值信噪比PSNR:

㈡ 压缩感知重构算法的复杂度是如何分析分析的

压缩感知，又称压缩采样，压缩传感。它作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist 采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。
2811 SAF ESS operated 急停关作

㈢ 请问研究压缩感知需要学哪些相关知识比如，数字信号处理数字图像处理请明白人指点迷津！谢谢啦！

我个人觉得，数字信号处理和数字图像处理是针对具体的应用领域做基础知识学习。而你说的压缩感知是一种高于具体应用领域的智能算法，压缩感知可以用于数字信号方面，同样也可以应用与数字图像处理。确切的说数字信号处理包含了数字图像处理，只是数字图像处理后来发展了跟多深入的知识，所以又把其独立成一门课程。比如Mallat的《信号处理的小波导引:稀疏方法(原书第3版)》这本书上的内容，就大部分说的应用时数字图像。
总之，数字信号处理、数字图像处理肯定是要学的，否则你学了压缩感知也不知道用在什么领域，要具体学习压缩感知方面的知识，再去看看IEEE里的一些论文还有一些博士论文。

㈣ 我的毕业设计是：基于凸优化方法的压缩感知信号重建。 寻找相关资料及代码，谢谢

这个方面资料很多了，主流分为l1_magic程序包和SparseLab系列程序包，信号重建仅仅应用的话还是很简单的，去下资料看吧

㈤ 有会压缩感知图像处理的吗

不好学呀，正在蛋疼中，涉及到的知识很多，而且很多算法都是很难得，而且语言还要学，它的研究领域很广的，和图像有关的都可以，但是和楼上说的，实现起来很难得，就导师让做个指纹识别，写个论文还可以，真做出来实物不晓得多蛋疼....

㈥ 求matlab编写基于压缩感知的图像去噪的程序！！

[email protected] 在学习压缩感知图像去噪，求这方面的程序和方法！！

㈦ 压缩感知在无线通信信号处理中有哪些办法

通信与信息系统专业与信号与信息处理专业区别

通信与信息系统专业

（）《移通信与线技术》 研究数字移通信通信系统系统模拟、址技术、数字调制解调技术、信道态指配技术、同步技术、用户检测技术、语音压缩技术、宽带媒体技术及射频技术研究各种数字微波通信、移通信卫星通信系统及WLAN、WMAN、ad-Roc网组、新技术及性能析并包括SDH技术述系统用编码、调制解调、同步与信令式、址及网络安全等技术研究与发

（二）《线数据与移计算网络》 研究线数据通信广域网、线局域网区域网线数字传输、媒质接入控制、线资源管理、移性管理、移媒体接入、线接入Internet、移IP、线IP、移计算网络等理论、协议、技术、实现及基于移计算网络各种应用本向研究现代移通信智能技术（智能线、智能传输、智能化通信协议智能网管系统等）

（三）《IP宽带网络技术》 研究宽带IP通信网QoS、流量工程合侦听；VoIP组网技术、通信协议控制技术；代网络软交换技术；SIP协议研究及应用发；B3G核网络技术；IP宽带接入城域网关键设备技术发；层交换技术、IP/ATM集技术MPLS技术；IP网络管理模型技术实现；移代理及其IP通信网应用

（四）《网络与应用技术》 研究宽带通信网结构、接口、协议、网络仿真设计技术；网络管理管理模型、接口标准、网管系统设计发；编程网络体系、软件系统发

（五）《通信信息系统信息安全》 研究与通信信息系统信息安全关理论技术主要包括数据加密密钥管理数字签名与身份认证网络安全计算机安全安全协议隐形技术智能卡安全等重点线通信网信息安全根据OSI协议网络各层发研究安全解决案达信、控、用

信号与信息处理专业

（）《现代通信智能信号处理技术》 本研究向现代信号处理基础研究提高通信与信息系统效性靠性各种智能处理技术及其移通信、媒体通信、宽带接入IP网应用目前侧重于研究新代线通信网络各种先进智能信号处理技术通信信号盲离、信道盲辨识与均衡、载波调制、用户检测、空-联合处理、信源-信道编码及网络环境各种自适应技术等

（二）《量信息技术》 研究量态信息载体信息处理与传输技术包括量纠错编码、量数据压缩、量隐形传态、量密码体系等关键技术与理论实现新代高性能计算机超高速、超容量通信信息系统具极其重要意义

（三）《线通信与信号处理技术》 本研究向研究ad hoc自组织网络、传器网络、超宽带（UWB）网络等新代线通信网络通信信号处理技术主要研究内容包括基于信号处理包接收盲处理技术基于粒(particle)滤波信道估计均衡技术基于信号处理媒体接入控制技术目标跟踪与信息融合技术及网络协议体系等

（四）《现代语音处理与通信技术》 语音类进行通信交往便快捷手段各种现代通信网络智能信号处理应用起着十重要作用本研究向研究语音信号数字压缩、识别、合增强技术基于语音智能化机接口技术面向IP网络实语音通信技术信息隐藏技术移通信语音数字处理及传输技术基于DSPs软件线电通信技术及各种网络环境音频、视频、数据、文字媒体处理及通信技术

（五）《现代信息理论与通信信号处理》 现代信息理论基础研究ATMIP网、移与通信、媒体通信、宽带接入网各种信号处理技术低延、低比特率、高质量语音编码、图像编码适用于第三代移通信纠错编码高效载波调制各种自适应处理技术等；确保实现二十世纪通信发展目标提高通信效性靠性核技术本向侧重于些技术应用基础研究

（六）《图像处理与媒体通信》 研究媒体信息特别图像信息处理、描述应用系统关键技术包括：①图像视频信号处理及压缩编码算研究应用系统设计实现；②基于IP视频传输技术业务环境；③移网及cable网数据与媒体通信；④基于xDSL宽带接入网技术；⑤图像数据库及影像网络技术；⑥三维图像处理、建模、显示析技术

（七）《信息网络与媒体技术》 进行信息网络及媒体技术应用基础研究同利用DSP、FPGA、CPLD等软硬件发平台着重研究发各种媒体终端包括①媒体信息压缩编码②信道编码（重点纠错编解码）③视频点播（VOD）与交互电视议电视、远程教/考试/医疗④视频驱系统⑤视音频信号编码压缩算研究及ASIC设计⑥宽带网络应用研究

源:

㈧ 什么是“压缩感知”（压缩传感、compressed/compressive sensing）

压缩感知（Compressive Sensing, or Compressed Sampling，简称CS），是近几年流行起来的一个介于数学和信息科学的新方向，由Candes、Terres Tao等人提出，挑战传统的采样编码技术，即Nyquist采样定理。
压缩感知技术-理论
压缩感知理论为信号采集技术带来了革命性的突破，它采用非自适应线性投影来保持信号的原始结构，以远低于奈奎斯特频率对信号进行采样，通过数值最优化问题准确重构出原始信号。
压缩感知技术-概念特征
压缩感知从字面上看起来，好像是数据压缩的意思，而实则出于完全不同的考虑。经典的数据压缩技术，无论是音频压缩（例如 mp3），图像压缩（例如 jpeg），视频压缩（mpeg），还是一般的编码压缩（zip），都是从数据本身的特性出发，寻找并剔除数据中隐含的冗余度，从而达到压缩的目的。这样的压缩有两个特点：第一、它是发生在数据已经被完整采集到之后；第二、它本身需要复杂的算法来完成。相较而言，解码过程反而一般来说在计算上比较简单，以音频压缩为例，压制一个 mp3 文件的计算量远大于播放（即解压缩）一个 mp3 文件的计算量。 稍加思量就会发现，这种压缩和解压缩的不对称性正好同人们的需求是相反的。在大多数情况下，采集并处理数据的设备，往往是廉价、省电、计算能力较低的便携设备，例如傻瓜相机、或者录音笔、或者遥控监视器等等。而负责处理（即解压缩）信息的过程却反而往往在大型计算机上进行，它有更高的计算能力，也常常没有便携和省电的要求。也就是说，人们是在用廉价节能的设备来处理复杂的计算任务，而用大型高效的设备处理相对简单的计算任务。这一矛盾在某些情况下甚至会更为尖锐，例如在野外作业或者军事作业的场合，采集数据的设备往往曝露在自然环境之中，随时可能失去能源供给或者甚至部分丧失性能，在这种情况下，传统的数据采集-压缩-传输-解压缩的模式就基本上失效了。 压缩感知的概念就是为了解决这样的矛盾而产生的。既然采集数据之后反正要压缩掉其中的冗余度，而这个压缩过程又相对来说比较困难，那么我们为什么不直接“采集”压缩后的数据？这样采集的任务要轻得多，而且还省去了压缩的麻烦。这就是所谓的“压缩感知”，也就是说，直接感知压缩了的信息。
压缩感知技术-应用影响
在大量的实际问题中，人们倾向于尽量少地采集数据，或者由于客观条件所限不得不采集不完整的数据。如果这些数据和人们所希望重建的信息之间有某种全局性的变换关系，并且人们预先知道那些信息满足某种稀疏性条件，就总可以试着用类似的方式从比较少的数据中还原出比较多的信号来。到今天为止，这样的研究已经拓展地非常广泛了。 但是同样需要说明的是，这样的做法在不同的应用领域里并不总能满足上面所描述的两个条件。有的时候，第一个条件（也就是说测量到的数据包含信号的全局信息）无法得到满足，例如最传统的摄影问题，每个感光元件所感知到的都只是一小块图像而不是什么全局信息，这是由照相机的物理性质决定的。为了解决这个问题，美国Rice大学的一部分科学家正在试图开发一种新的摄影装置（被称为“单像素照相机”），争取用尽量少的感光元件实现尽量高分辨率的摄影。有的时候，第二个条件（也就是说有数学方法保证能够从不完整的数据中还原出信号）无法得到满足。这种时候，实践就走在了理论前面。人们已经可以在算法上实现很多数据重建的过程，但是相应的理论分析却成为了留在数学家面前的课题。 但是无论如何，压缩感知所代表的基本思路：从尽量少的数据中提取尽量多的信息，毫无疑问是一种有着极大理论和应用前景的想法。它是传统信息论的一个延伸，但是又超越了传统的压缩理论，成为了一门崭新的子分支。它从诞生之日起到现在不过五年时间，其影响却已经席卷了大半个应用科学。
复制的。。。。。

㈨ 压缩感知的主要应用

认知无线电方向：宽带谱感知技术是认识无线电应用中一个难点和重点。它通过快速寻找监测频段中没有利用的无线频谱，从而为认知无线电用户提供频谱接入机会。传统的滤波器组的宽带检测需要大量的射频前端器件，并且不能灵活调整系统参数。普通的宽带接收电路要求很高的采样率，它给模数转换器带来挑战，并且获得的大量数据处理给数字信号处理器带来负担。针对宽带谱感知的难题，将压缩感知方法应用到宽带谱感知中：采用一个宽带数字电路，以较低的频谱获得欠采样的随机样本，然后在数字信号处理器中采用稀疏信号估计算法得到宽带谱感知结果。
信道编码：压缩传感理论中关于稀疏性、随机性和凸最优化的结论可以直接应用于设计快速误差校正编码, 这种编码方式在实时传输过程中不受误差的影响。在压缩编码过程中, 稀疏表示所需的基对于编码器可能是未知的. 然而在压缩传感编码过程中, 它只在译码和重构原信号时需要, 因此不需考虑它的结构, 所以可以用通用的编码策略进行编码. Haupt等通过实验表明如果图像是高度可压缩的或者SNR充分大, 即使测量过程存在噪声, 压缩传感方法仍可以准确重构图像。 波达方向估计：目标出现的角度在整个扫描空间来看，是极少数。波达方向估计问题在空间谱估计观点来看是一个欠定的线性逆问题。通过对角度个数的稀疏限制，可以完成压缩感知的波达方向估计。
波束形成：传统的 自适应波束形成因其高分辨率和抗干扰能力强等优点而被广泛采用。但同时它的高旁瓣水平和角度失匹配敏感度高问题将大大降低接收性能。为了改进Capon 波束形成的性能，这些通过稀疏波束图整形的方法限制波束图中阵列增益较大的元素个数，同时鼓励较大的阵列增益集中在波束主瓣中，从而达到降低旁瓣水平同时，提高主瓣中阵列增益水平，降低角度失匹配的影响。例如，最大主瓣旁瓣能量比，混合范数法，最小全变差。 运用压缩传感原理, RICE大学成功研制了单像素压缩数码照相机。 设计原理首先是通过光路系统将成像目标投影到一个数字微镜器件(DMD)上, 其反射光由透镜聚焦到单个光敏二极管上, 光敏二极管两端的电压值即为一个测量值y, 将此投影操作重复M次, 得到测量向量 , 然后用最小全变分算法构建的数字信号处理器重构原始图像。数字微镜器件由数字电压信号控制微镜片的机械运动以实现对入射光线的调整。 由于该相机直接获取的是M次随机线性测量值而不是获取原始信号的N(M，N)个像素值, 为低像素相机拍摄高质量图像提供了可能.。
压缩传感技术也可以应用于雷达成像领域, 与传统雷达成像技术相比压缩传感雷达成像实现了两个重要改进: 在接收端省去脉冲压缩匹配滤波器; 同时由于避开了对原始信号的直接采样, 降低了接收端对模数转换器件带宽的要求. 设计重点由传统的设计昂贵的接收端硬件转化为设计新颖的信号恢复算法, 从而简化了雷达成像系统。 生物传感中的传统DNA芯片能平行测量多个有机体, 但是只能识别有限种类的有机体, Sheikh等人运用压缩传感和群组检测原理设计的压缩传感DNA芯片克服了这个缺点。 压缩传感DNA芯片中的每个探测点都能识别一组目标, 从而明显减少了所需探测点数量. 此外基于生物体基因序列稀疏特性, Sheikh等人验证了可以通过置信传播的方法实现压缩传感DNA芯片中的信号重构。

㈩ 压缩感知的基本知识

现代信号处理的一个关键基础是 Shannon 采样理论：一个信号可以无失真重建所要求的离散样本数由其带宽决定。但是Shannon 采样定理是一个信号重建的充分非必要条件。在过去的几年内，压缩感知作为一个新的采样理论，它可以在远小于Nyquist 采样率的条件下获取信号的离散样本，保证信号的无失真重建。压缩感知理论一经提出，就引起学术界和工业界的广泛关注。
压缩感知理论的核心思想主要包括两点。第一个是信号的稀疏结构。传统的Shannon 信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。但是，现实生活中很多广受关注的信号本身具有一些结构特点。相对于带宽信息的自由度，这些结构特点是由信号的更小的一部分自由度所决定。换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。所以，在这种意义上，这种信号是稀疏信号（或者近似稀疏信号、可压缩信号）。另外一点是不相关特性。稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压缩成较小的样本数据来完成。理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。这些波形要求是与信号所在的稀疏空间不相关的。
压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。这里恢复信号所需的优化算法常常是一个已知信号稀疏的欠定线性逆问题。