一种优化恢复压缩传感矩阵的模糊自适应方法

摘要

为了解决高维信号恢复过程中的欠定线性问题,该文提出一种优化恢复压缩传感矩阵的模糊自适应方法并应用在图像重建和识别中.首先对输入样本通过局部分块并建立三阶张量的样本描述方式,提出对降维信号进行多尺度结构分析和独立成分分析,并对结果执行压缩观测,从而使线性观测之间保持线状奇异性和统计独立性.提出一种优化传感矩阵的模糊代价函数,使传感矩阵的原子更新随后按照模糊方式计算,优化后的观测矩阵与字典矩阵之间保持了低相干性.该文方法使样本的稀疏信号在相同重构条件下具备了更优的测量数目和质量.在ORL和Yale人脸数据库及91幅自然图像库上的实验结果验证了本文算法的有效性.