基于张量字典学习的压缩感知视频重构

摘要

传统的基于矩阵形式的视频图像重构算法,由于其二维表达矩阵的局限性,在重构过程中降低了相邻帧图像之间的关联性以及图像的重构质量。为了克服该问题,提出一种基于张量字典学习的压缩感知视频重构算法。把视频图像的二维空间特性和一维时间特性映射到三阶张量上,保持了图像的时间特性,增强了图像前后帧之间的相关性。同时在重构视频图像块的过程中,相对于二维矩阵字典,原子的稀疏表达有着更高的自由度,进而提高了重构质量。对张量的计算在傅里叶域中进行,减少了算术运算的次数,缩短了重构时间。通过实验数据以及视觉直观证明,提出的算法重构图像的峰值信噪比较传统方法提高了2~4 dB。