如需要完整文档点击下方 "点击下载文档" 按钮
为了解决现有压缩感知图像重构算法中对大规模数据处理复杂度高且计算量大和存储量较大的问题,分别介绍了梯度追踪算法、拟牛顿法和限域拟牛顿法的核心思想并对以上算法的优缺点进行了分析。 在分块压缩感知理论的基础上,对梯度追踪( Gradient Pursuit,GP) 算法进行改进,通过 L-BFGS 算法寻找梯度追踪算法中的更新方向并不断修正,将其运用到分块压缩感知的图像重构中,形成了基于 L-BFGS 方法的 GP 算法( L-BFGS Method based on GP algorithm,LMGP) 。通过对分块后的图像进行单独处理,既避免了牛顿算法中需要进行 Hesse 矩阵的计算,降低了计算量和复杂度,节省了重构时间,也大大提高了重构效果。 该文还对提出的 LMGP 算法的收敛性进行了分析,并通过 LMGP 算法对标准图像和一般图像分别进行了重构。 仿真实验表明,提出的 LMGP 算法在重构时间、均方误差及峰值信噪比三个方面均优于其他传统的贪婪算法,说明 LMGP 算法的重构性能更具有优势。
如需要完整文档点击下方 "点击下载文档" 按钮
《基于分块 CS 的梯度追踪算法在重构中的应用》
将 完整文档 下载到本地,方便收藏和查阅
文件号:059899
点击下载文档